Hoe voorkom je dat je als expert te veel voorkennis veronderstelt in je training?
Een instructional designer beschreef onlangs op LinkedIn een herkenbaar probleem. Hoe langer je in een vakgebied werkt, hoe normaler de taal, stappen en uitzonderingen voor jou worden. Een nieuwe medewerker hoort diezelfde woorden voor het eerst en denkt: wat betekent dit precies, waar vind ik die procedure en hoe had ik dit moeten weten?
Dat is geen klein communicatieprobleem. Het is een bekend risico van expertise: hoe meer je zelf weet, hoe moeilijker het kan worden om correct in te schatten wat voor een beginner vanzelfsprekend is.
De praktische vraag is dus:
Hoe ontwerp je training als je zelf bijna vergeten bent hoe het voelt om beginner te zijn?
Expertise maakt veel stappen onzichtbaar
Een expert ziet zelden nog alle losse beslissingen die in een taak zitten.
Denk aan een ervaren trainer die zegt: "Controleer eerst even of de aanvraag volledig is."
Voor een collega met vijf jaar ervaring is dat duidelijk.
Een nieuwe medewerker heeft misschien zes extra vragen:
Wat betekent volledig? Welke velden zijn verplicht? Welke uitzonderingen bestaan er? Waar controleer ik dit? Wat doe ik als informatie ontbreekt? Wanneer mag ik toch doorgaan?
De expert voert die controles bijna automatisch uit. Daardoor verdwijnen ze gemakkelijk uit de uitleg.
Onderzoek naar de zogenoemde expert blind spot laat zien dat meer vakkennis inderdaad kan samengaan met minder accurate inschattingen van wat beginners nodig hebben. In klassiek onderzoek van Nathan en Petrosino weken de aannames van mensen met meer vakinhoudelijke expertise af van de werkelijke probleemoplossingspatronen van leerlingen.
Later experimenteel onderzoek naar de curse of knowledge liet opnieuw zien dat eigen kennis onze inschatting van wat anderen weten kan vertekenen.
Dat betekent niet dat experts slechte trainers zijn.
Het betekent dat expertise alleen niet genoeg is om goede instructie te ontwerpen.
Begin met wat de deelnemer al weet
Voor je beslist wat je uitlegt, moet je weten vanaf waar de deelnemer vertrekt.
Dat klinkt logisch, maar trainingen worden vaak ontworpen vanuit de inhoud:
"Dit zijn de twaalf dingen die wij moeten vertellen."
Draai dat om.
Vraag eerst:
Wat kan deze persoon al?
Welke woorden kent hij nog niet?
Welke handelingen heeft hij nog nooit uitgevoerd?
Welke kennis moet aanwezig zijn voordat de volgende stap begrijpelijk wordt?
Voorkennis bepaalt namelijk mee welke instructie werkt.
Onderzoek binnen cognitive load theory laat zien dat beginners en ervaren deelnemers niet altijd baat hebben bij dezelfde ondersteuning. Uitgewerkte voorbeelden kunnen voor beginners zeer nuttig zijn, terwijl dezelfde uitleg voor gevorderden later overbodig kan worden.
Eén training voor iedereen is daarom vaak een compromis.
Zoek naar woorden die voor jou normaal zijn geworden
Jargon is een goede plek om te beginnen.
Niet omdat vaktaal altijd slecht is. Een medewerker moet relevante vaktermen uiteindelijk juist leren.
Het probleem ontstaat wanneer de trainer het woord gebruikt alsof de betekenis al bekend is.
Neem tijdens het reviewen van een training daarom ieder acroniem, proceswoord en intern begrip onder de loep.
Niet alleen:
"Heb ik dit woord uitgelegd?"
Maar ook:
"Kan een beginner na die uitleg herkennen wanneer dit begrip in de praktijk relevant is?"
Een definitie is vaak niet genoeg.
Geef context.
Geef een voorbeeld.
Laat zien hoe het begrip in een echte taak terugkomt.
Maak de denkstappen zichtbaar
Experts zijn niet alleen sneller omdat ze meer feiten kennen.
Ze herkennen patronen.
Ze weten waar ze moeten kijken.
Ze zien sneller welke informatie belangrijk is.
Precies die tussenstappen zijn waardevol voor een beginner.
In plaats van alleen het juiste eindresultaat te tonen, kun je een uitgewerkt voorbeeld gebruiken.
Bijvoorbeeld:
- Dit is de situatie.
- Dit is de eerste informatie waar ik naar kijk.
- Dit valt mij op.
- Daarom kies ik deze aanpak.
- Dit controleer ik voordat ik verderga.
Onderzoek naar worked examples laat zien dat zulke voorbeelden vooral voor beginners effectief kunnen zijn. Ze verminderen de noodzaak om meteen via trial-and-error een oplossing te zoeken en maken de structuur van een taak zichtbaarder.
Voor complexe vaardigheden is vooral het waarom interessant.
Niet alleen: klik hier.
Maar: waarom kies je in deze situatie voor deze stap?
Dat is vaak precies de kennis die een expert automatisch toepast en daardoor vergeet uit te leggen.
Laat een beginner je training testen
Een expert die zijn eigen training controleert, blijft dezelfde voorkennis meenemen.
Daarom is een echte beginner zo waardevol.
Laat iemand die weinig van het onderwerp kent een onderdeel uitvoeren en observeer.
Waar stopt die persoon?
Welke term roept een vraag op?
Waar wordt een verkeerde aanname gemaakt?
Welke stap leek voor jou evident, maar blijkt dat niet te zijn?
Vraag niet alleen:
"Was alles duidelijk?"
Dat levert gemakkelijk een beleefd ja op.
Vraag liever:
"Leg eens uit wat je nu als eerste zou doen."
"Waarom zou je die stap nemen?"
"Wat zou je doen als dit veld ontbreekt?"
Dan test je niet of de uitleg vertrouwd klinkt, maar of iemand ermee kan handelen.
Gebruik vragen uit de praktijk als ontwerpdata
De beste aanwijzingen voor ontbrekende uitleg zitten vaak al in je organisatie.
Welke vragen krijgen trainers steeds opnieuw?
Waarvoor sturen nieuwe medewerkers berichten naar collega's?
Welke fouten komen tijdens de eerste weken vaak terug?
Welke stukken van een procedure worden verkeerd geïnterpreteerd?
Die vragen zijn geen irritante herhaling.
Het zijn signalen dat ergens kennis ontbreekt, moeilijk vindbaar is of op het verkeerde moment wordt aangeboden.
Voor BAIA is dit ook een interessante toepassing van vragen na een training. Wanneer deelnemers na afloop vragen blijven stellen, krijg je niet alleen een ondersteuningskanaal. Je krijgt data over waar je leermateriaal mogelijk gaten bevat.
AI kan helpen om je blinde vlekken te zoeken
AI kan hier nuttig zijn, zolang je het niet behandelt als inhoudelijke eindredacteur.
Je kunt een model bijvoorbeeld laten reageren als iemand zonder voorkennis:
"Lees deze procedure alsof je vandaag voor het eerst in deze functie begint. Welke begrippen, tussenstappen of aannames zijn niet uitgelegd?"
Of:
"Welke vragen zou een beginner waarschijnlijk stellen voordat die deze taak zelfstandig kan uitvoeren?"
Dat kan verborgen aannames zichtbaar maken.
Maar AI kent de echte beginner niet automatisch. Het kan ook vragen verzinnen die in jouw context niet relevant zijn of juist cruciale bedrijfsspecifieke nuances missen.
Gebruik het daarom als extra perspectief.
Niet als bewijs dat de training begrijpelijk is.
Een echte deelnemer blijft de beste test.
Geef beginners meer steun en bouw die daarna af
Een goede beginnerstraining hoeft niet permanent alles uit te leggen.
Het doel is juist dat ondersteuning minder nodig wordt.
Begin bijvoorbeeld met:
Context: wat proberen we hier te bereiken?
Voorbeeld: hoe ziet een goede uitvoering eruit?
Begeleide oefening: probeer het met hints of feedback.
Zelfstandige oefening: voer dezelfde vaardigheid uit zonder stappenplan.
Variatie: pas de kennis toe in een iets andere situatie.
Dit sluit aan bij het guidance-fading principe uit cognitive load theory. Ondersteuning die essentieel is voor een beginner kan later redundant worden wanneer expertise groeit.
Dat is belangrijk.
Want de oplossing voor de expert blind spot is niet: maak iedere training eindeloos uitgebreid.
De oplossing is: geef de juiste ondersteuning op het moment dat iemand ze nodig heeft.
Een eenvoudige review voor je volgende training
Neem één onderdeel van je training en controleer vijf dingen.
1. Voorkennis
Wat moet iemand al weten om dit te begrijpen?
2. Taal
Welke woorden of afkortingen zijn alleen vanzelfsprekend voor insiders?
3. Tussenstappen
Welke beslissingen voert een expert automatisch uit?
4. Voorbeeld
Kan de deelnemer zien hoe goed handelen er in de praktijk uitziet?
5. Test
Heeft iemand met weinig voorkennis geprobeerd om hiermee een echte taak uit te voeren?
Als je op één van die vragen geen duidelijk antwoord hebt, zit daar waarschijnlijk meer winst dan in nog een extra slide.
Conclusie
Expertise is precies waarom iemand waardevolle kennis heeft om te delen.
Maar diezelfde expertise kan delen moeilijker maken.
Hoe langer je iets doet, hoe meer woorden, patronen en tussenstappen vanzelfsprekend worden.
Goede training maakt die onzichtbare kennis opnieuw zichtbaar.
Niet door alles simpeler te maken.
Wel door te vertrekken vanuit de beginner, tussenstappen expliciet te maken, echte voorbeelden te tonen en te testen waar iemand zonder jouw voorkennis vastloopt.
De vraag is dus niet alleen:
"Heb ik alles uitgelegd?"
Vraag vooral:
"Kan iemand die dit nog nooit gedaan heeft zien wat ik inmiddels automatisch zie?"