In België wordt in de klas getest met een onderwijsrobot en een draagbare hersenscan op basis van EEG. Het systeem volgt of leerlingen hun aandacht vasthouden en geeft direct, rustige feedback. De proef draait recent bij een klein aantal lessen en wil concentratie en leerresultaten verbeteren. Het project raakt aan Europese digitalisering van het onderwijs en de gevolgen voor privacy, data en schoolbeleid.
Robot stuurt rustige feedback
De inzet draait om een sociale robot die korte aanwijzingen geeft, zoals een reminder om terug te keren naar de taak. De docent kan instellen wanneer de robot iets zegt en blijft eindverantwoordelijk in de klas. Zo ontstaat extra ondersteuning zonder het werk van de leraar over te nemen.
De robot reageert op signalen over dalende aandacht, bijvoorbeeld na langere instructie of tijdens zelfstandig werken. De feedback is neutraal en kort om afleiding te beperken. Het doel is micro-interventies te doen, niet om leerlingen te beoordelen.
Technisch gezien werkt de robot met eenvoudige regels of een algoritme dat drempelwaarden leest. De instellingen zijn per klas aanpasbaar. Scholen kunnen zo klein beginnen en leren wat wel en niet werkt.
EEG meet aandacht eenvoudig
Leerlingen dragen een lichte hoofdband met EEG-sensoren die elektrische activiteit van de hersenen meten. Uit die signalen wordt een ruwe aandachtscore berekend, een schatting en geen medisch oordeel. De docent krijgt enkel eenvoudige feedback, zoals “focus stabiel” of “korte pauze nodig”.
Voor gebruik is een korte kalibratie nodig, zodat het systeem het basisniveau van elke leerling kent. De metingen zijn gevoelig voor beweging en omgevingsgeluid, daarom worden signalen gefilterd. Uitkomsten blijven indicatief: aandacht is niet hetzelfde als begrip of leren.
EEG is een meetmethode die via sensoren op de hoofdhuid elektrische activiteit in de hersenen registreert en zo indirect iets zegt over staat en aandacht.
De hoofdband is bedoeld als onderwijsinstrument, niet als medisch hulpmiddel. Daarom moet de school duidelijk uitleggen wat het systeem wel en niet meet. Transparantie helpt verwachtingen realistisch te houden.
Privacy onder de AVG borgen
EEG-gegevens zijn gevoelig en kunnen vallen onder bijzondere persoonsgegevens. Onder de AVG is dan een passende rechtsgrond nodig, vaak expliciete toestemming met extra waarborgen. Voor minderjarigen is ouderlijke toestemming vereist en moet de informatie begrijpelijk zijn.
Scholen moeten dataminimalisatie toepassen: meet alleen wat nodig is en bewaar zo kort mogelijk. Verwerk bij voorkeur lokaal of versleutel data end-to-end als verwerking in de cloud nodig is. Een Data Protection Impact Assessment (DPIA) is praktisch verplicht bij dit soort monitoring.
Toezichthouders zoals de Gegevensbeschermingsautoriteit (België) en de Autoriteit Persoonsgegevens (Nederland) raden aan om de Functionaris Gegevensbescherming vroeg te betrekken. Leg in beleid vast wie toegang heeft, hoe lang data wordt bewaard en wanneer deze wordt verwijderd. Informeer leerlingen en ouders in duidelijke taal.
Europese regels voor onderwijsdata
De AI-verordening (AI Act) plaatst systemen in het onderwijs die gedrag of prestaties volgen waarschijnlijk in de hoge-risicoklasse. Dat brengt eisen mee zoals risicoanalyse, menselijk toezicht, kwaliteit van datasets en logverplichtingen. Automatisch sanctioneren of beoordelen zonder menselijk ingrijpen is niet toegestaan.
Transparantie is verplicht: leerlingen en ouders moeten weten dat een algoritme wordt gebruikt en met welk doel. Leveranciers moeten technische documentatie en conformiteit aantonen. Scholen doen er goed aan dit vooraf in te kopen als contracteis bij leveranciers.
Voor Nederlandse en Belgische instellingen geldt bovendien publieke inkoopbeleid dat datalocatie en exit-mogelijkheden adresseert. Kies bij voorkeur Europese hosting en duidelijke afspraken over subverwerkers. Zo blijft onderwijsdata onder Europees recht, met extra bescherming.
Kansen en beperkingen in de klas
Voordeel is directe, neutrale feedback die werkdruk van de docent kan verlagen. Korte interventies kunnen leerlingen helpen terug te schakelen naar de taak. Voor sommige leerlingen werkt een robot minder beladen dan persoonlijke correctie.
Er zijn ook grenzen: aandachtsscores kunnen fout-positief zijn en verschillen per leerling. Het nieuwigheidseffect kan na enkele weken afnemen, waardoor het effect kleiner wordt. Didactiek en klasroutine blijven belangrijker dan de gadget.
Evaluatie hoort daarom bij de proefopzet: meet leeruitkomsten, welbevinden en privacy-impact. Leg vast wat succes is en stop als doelen niet worden gehaald. Betrek leraren, leerlingen en ouders in elke iteratie.
Praktische stappen voor scholen
Begin met een kleinschalige pilot en duidelijke doelen, bijvoorbeeld betere taakstart of minder onderbrekingen. Werk met opt-in, heldere informatie en eenvoudige datastromen. Gebruik privacy-by-design: lokale verwerking en automatische verwijdering aan het einde van de les.
Leg rollen vast: docent beslist, robot ondersteunt, algoritme adviseert. Train leraren kort in interpretatie van signalen en in het kiezen van passende interventies. Maak alternatieven beschikbaar voor leerlingen die geen hoofdband willen dragen.
Documenteer keuzes in DPIA, verwerkersovereenkomst en informatiemateriaal. Evalueer elk kwartaal op didactiek, inclusie en naleving van AVG en AI Act. Zo blijft innovatie in balans met rechten van leerlingen en de kwaliteit van het onderwijs.