Gebruik van AI-gestuurde learning analytics hangt samen met fysieke geletterdheid en betrokkenheid in universitaire LO via slim lesgeven en gepersonaliseerde feedback

Waarom slimme sportlessen ertoe doen

Steeds meer universiteiten veranderen hun sportlessen in “slimme sportscholen”, waar draagbare apparaten en telefoon-apps de beweging van studenten in realtime volgen. Deze studie stelt een eenvoudige maar belangrijke vraag: helpen deze hightech hulpmiddelen studenten daadwerkelijk actiever, zelfverzekerder en meer betrokken te maken bij lichamelijke opvoeding — of voegen ze alleen maar druk en toezicht toe in een al gevoelige omgeving? Met een focus op grote Chinese universiteiten waar lichamelijke opvoeding verplicht is, onderzoeken de onderzoekers hoe door kunstmatige intelligentie aangedreven learning analytics de houding van studenten ten opzichte van lichaamsbeweging en hun klaservaring vormgeven.

Van polsbandjes naar inzicht in trainingen

Het bestudeerde systeem voor slimme lichamelijke opvoeding combineert polsdragers, mobiele inchecks en een online platform. Tijdens lessen zoals basketbal, hardlopen, yoga, badminton, voetbal en tafeltennis registreren de apparaten stappen, hartslag, trainingsduur en houding. Deze gegevens vloeien naar dashboards die wekelijkse overzichten, trends en voortgang laten zien voor zowel studenten als docenten. Kunstmatige intelligentie voegt een extra laag toe: automatische waarschuwingen wanneer de hartslag te hoog is of de trainingsduur te laag, en voorgestelde trainingsschema’s of techniektips op basis van patronen in de gegevens. In totaal vulden 1.182 studenten aan vier universiteiten die het systeem regelmatig gebruikten een gedetailleerde vragenlijst in, en een kleinere groep van 12 studenten en zes medewerkers deed mee aan diepte-interviews.

Onderwijskwaliteit en persoonlijke feedback als ontbrekende schakel

De onderzoekers waren vooral geïnteresseerd in “fysieke geletterdheid” — een ruim begrip dat niet alleen conditie omvat, maar ook motivatie, zelfvertrouwen, vaardigheden en begrip die een actief leven ondersteunen. Ze maten ook hoe betrokken studenten zich voelden tijdens de lessen. Statistische modellen toonden aan dat het louter gebruiken van het analytics-systeem — dashboards bekijken of waarschuwingen ontvangen — zeer kleine en statistisch zwakke verbanden had met zowel fysieke geletterdheid als betrokkenheid. De echte impact zat in hoe docenten de gegevens gebruikten en hoe feedback werd gegeven. Wanneer studenten voelden dat hun docenten de technologie gebruikten om activiteiten aan te passen, werklasten te reguleren en voortgang helder uit te leggen, rapporteerden zij hogere fysieke geletterdheid en sterkere betrokkenheid in de les. Evenzo, wanneer studenten vonden dat ze tijdige, specifieke en praktische feedback kregen op basis van hun eigen gegevens, voelden ze zich zelfverzekerder en waren ze meer bereid moeite te doen voor beweging.

Wanneer cijfers helpen — en wanneer ze schaden

Interviews lieten zien hoe dezelfde gegevens zowel als nuttige gids als bron van stress konden werken. Veel studenten beschrijven het systeem als een “spiegel en coach”: het zien van hartslag en tempo na een run hielp hen vooruitgang te ontdekken, inspanning bij te stellen en trots te zijn op kleine verbeteringen. Anderen voelden zich echter onder druk gezet door constante meting en aan cijfers gekoppelde doelen. Algemene berichten zoals “doel niet bereikt”, vooral wanneer ze openbaar zichtbaar waren of sterk aan cijfers verbonden, leidden ertoe dat sommige studenten het minimale deden om te slagen. Zorgen over de nauwkeurigheid en eerlijkheid van apparaten — zoals trackers die stappen verkeerd tellen of niet goed werken voor verschillende lichamen — bepaalden ook of studenten de cijfers vertrouwden of ze willekeurig en ontmoedigend vonden.

De menselijke factor achter de schermen

In zowel studenten- als docentverslagen kwamen instructeurs naar voren als poortwachters die stromen cijfers vertaalden naar betekenisvolle leerervaringen. Wanneer docenten de tijd namen om uit te leggen wat indicatoren betekenden, hun beperkingen bespraken en realistische doelen met studenten stelden, werden gegevens een hulpmiddel voor reflectie in plaats van een bron van angst. Privé, gepersonaliseerde feedback op basis van de analytics verhoogde vaak zelfvertrouwen en motivatie. Daarentegen, wanneer gegevens vooral werden gebruikt voor aanwezigheidscontrole, ranglijsten of starre beoordeling, beschouwden studenten het systeem meer als toezicht dan als ondersteuning. De studie benadrukt ook het belang van betrouwbare technologie, transparante beoordelingsregels en basis “data-geletterdheid” zodat studenten begrijpen wat wordt gemeten en waarom.

Wat dit betekent voor studenten en universiteiten

Voor een breed publiek is de conclusie helder: het dragen van een tracker in de gymles maakt je niet automatisch gezonder of enthousiaster over beweging. Hightech lichamelijke opvoeding ondersteunt op de lange termijn alleen fysieke geletterdheid wanneer de gegevens worden verweven met doordacht onderwijs en oprechte, persoonsgerichte feedback. Universiteiten die AI in sportlessen willen inzetten, zouden zich minder moeten richten op het toevoegen van meer functies en meer op het helpen van docenten om bestaande gegevens eerlijk, privé en constructief te gebruiken om studenten te coachen. Met andere woorden: de echte innovatie is niet het polsbandje zelf, maar hoe mensen op de werkvloer — docenten en studenten — samenwerken rondom de cijfers om vertrouwen, vaardigheden en een blijvende waardering voor beweging op te bouwen.

Bronvermelding: Chen, Y., Xian, D., Zhao, Y. et al. AI-enabled learning analytics use relates to physical literacy and engagement in university PE via smart teaching and personalised feedback. Sci Rep 16, 8341 (2026). https://doi.org/10.1038/s41598-026-39778-9

Trefwoorden: slimme lichamelijke opvoeding, learning analytics, gegevens van draagbare fitnessapparaten, fysieke geletterdheid, AI in het hoger onderwijs