E-learning ontwikkelen
Toetsvragen maken die meten wat deelnemers kunnen
Wie bij de tekst begint, schrijft vragen die een zin van het vorige scherm terugvragen. Zulke vragen haalt iedereen, en dan zegt de score in het LMS niets over wat medewerkers kunnen. AI-tools maken ze nog sneller uit een handboek. Denk aan een klantenservicemedewerker. Een klant belt en wil na 40 dagen iets retourneren. Wat de medewerker dan zegt, is wat je wilt toetsen.
Wat een goede toetsvraag in een e-learning doet
Een toetsvraag hoort bij één leerdoel. Schrijf dus eerst op wat de medewerker na de module kan, en pas daarna de vraag. Dan zie je welk type vraag past: moet hij een feit herkennen, iets begrijpen of het in een situatie toepassen? De taxonomie van Bloom helpt daarbij. Dat model deelt leerdoelen in naar niveau, van onthouden tot toepassen en hoger. ‘Hoeveel dagen heeft een klant om te retourneren?’ toetst onthouden. ‘Een klant belt na 40 dagen met een retour. Wat zeg je?’ toetst toepassen. Voor de klantenservicemedewerker telt de tweede. Als we bestaande modules beoordelen, zien we vaak dat de inhoud vanuit de theorie wordt uitgelegd. Die sluit slecht aan bij wat de doelgroep al weet. Ervaren medewerkers hebben meer aan vragen uit de praktijk, en dat geldt ook voor de toets. Leg de koppeling vast in het storyboard. Daar staat per scherm welke vraag bij welk leerdoel hoort, met de feedback erbij. Ook als je een e-learning laat maken, bepaal je hier samen welke situaties uit het werk in de vragen komen.Welke vraagvorm past bij welk leerdoel
Kies de vraagvorm bij het niveau van het leerdoel.-
- Meerkeuze voor kennis en begrip, met één of meer juiste antwoorden.
-
- Waar/onwaar voor een snelle check; wie gokt, heeft de helft goed.
-
- Sleep- en koppelvragen voor volgorde en indeling, zoals de stappen van een proces.
-
- Scenario’s met keuzes voor toepassen: de medewerker kiest wat hij doet en ziet het gevolg.
-
- Open vragen voor reflectie, met een modelantwoord ernaast.
Meerkeuzevragen schrijven die echt iets toetsen
Meerkeuzevragen zijn de vorm die je het vaakst bouwt. Ze bestaan uit drie delen, en in elk deel kan het misgaan.De vraag: één situatie, één vraag
Begin met een korte situatie uit het werk en stel daar één vraag over. Stel, je maakt een systeemtraining: ‘Je verwerkt een retour en het ordernummer is niet te vinden. Wat doe je eerst?’ Vermijd ontkenningen als ‘welke is niet juist’. Dan toetst de vraag vooral of iemand goed leest.Afleiders die de deelnemer echt kan kiezen
Een afleider is een fout antwoord dat aannemelijk klinkt. Goede afleiders zijn de fouten die medewerkers in het werk maken, en die kent de inhoudsdeskundige. Houd alle antwoorden even lang en in dezelfde stijl. Is het juiste antwoord steeds het langste, dan vindt de deelnemer het zonder kennis.Feedback bij elk antwoord, ook bij het goede
Geef directe feedback met uitleg waarom een antwoord klopt of niet. Bij een fout antwoord leest de deelnemer wat er in de praktijk gebeurt als hij dat doet. Bij het goede antwoord bevestig je de reden, zodat wie gokte het alsnog leert. Houd het kort: de richtlijn van 75 tot 120 woorden per scherm geldt ook voor een vraagscherm. Zet elke meerkeuzevraag zo in het storyboard: de vraag, de opties, het juiste antwoord en de feedback per optie. Dan beoordeelt de inhoudsdeskundige ook of de afleiders kloppen, voordat er iets gebouwd is.Toetsvragen maken met AI: wat je eruit haalt en wat je zelf doet
AI-tools lezen een document of tekst en stellen vragen met antwoorden voor. Met Copilot of ChatGPT maak je zo in een paar minuten een quiz. Een LMS als aNewSpring genereert zelf toetsvragen op verschillende niveaus van Bloom. We laten leerdoelen, toetsvragen en casuïstiek ook door AI voorstellen, met een voorbeeld erbij. Ongeveer 80% is dan bruikbaar; de rest komt van ons of van de inhoudsexpert. Geef een voorbeeld van een goed leerdoel en een goede vraag mee in de prompt. Als houvast gebruiken we het PREPARE-model van Dan Fitzpatrick:-
- de opdracht die AI moet uitvoeren
-
- een rol die AI aanneemt
-
- expliciete context over doelgroep en onderwerp
-
- parameters zoals vraagvorm en aantal opties
-
- AI eerst vragen laten stellen
-
- de output laten beoordelen
-
- een beetje vriendelijkheid
Waar de vragen in je module komen: kennischeck, oefentoets en eindtoets
Tussendoor zet je kennischecks zonder score. Het zijn verwerkings- of prikkelvragen die de deelnemer helpen de kern eruit te halen, vooral als alle inhoud even belangrijk lijkt. Een casus hoort aan het begin. Staat hij aan het eind als open vraag met een modelantwoord, dan wordt de module zwaar en daagt de casus weinig uit. Begin ermee en leg de theorie of het protocol daarlangs uit. Dat sluit aan bij emotie, het breinprincipe dat het meest bijdraagt aan onthouden. Voor de eindtoets noem je vooraf het aantal vragen en maak je elke vraag eenduidig. Bepaal de punten per vraag en de slaaggrens. Een oefentoets met studieadvies bereidt de deelnemer erop voor. Reken de toets mee in de duur van de module, die bij voorkeur hooguit 25 tot 30 minuten is. De eindtoets stuurt via SCORM of xAPI de score en de status naar het LMS. Bij compliance is dat je registratie. Herhalen na de module kan met de MemoTrainer van aNewSpring, die periodiek herhalingsvragen stuurt. Met zulke korte quizzen blijft de stof hangen zonder dat de deelnemer de module opnieuw doet.Toetsvragen in een bestaande module verbeteren
De vragen werken niet meer als:-
- iedereen de toets meteen haalt
-
- bijna niemand hem haalt
-
- de vragen over regels gaan die inmiddels veranderd zijn