📄 social_science

Digital Inequality, ICT Pedagogical Hindrances, and Student Computer and Information Literacy: A Plausible-Value-Based Multilevel Analysis with Design-Based Sensitivity Checks Using ICILS 2023

Met behulp van een meervoudige analyse van ICILS 2023-gegevens uit 12 onderwijssystemen, stelt deze studie vast dat de computer- en informatiegeletterdheid van leerlingen primair wordt gedreven door sociaaleconomische factoren en pedagogische barrières in plaats van door AI- of ICT-verwachtingen op schoolniveau, waarbij implementatiehindernissen een consistente negatieve associatie vertonen.

Oorspronkelijke auteurs: Sukanya Chaemchoy, Thanakrit Supsin

Gepubliceerd 2026-06-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Sukanya Chaemchoy, Thanakrit Supsin

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Waar zijn ze naar op zoek?

Stel je voor dat de wereld van het onderwijs een enorme renovatie ondergaat. Iedereen praat over "digitale transformatie"—het introduceren van nieuwe hulpmiddelen zoals Kunstmatige Intelligentie (AI), computers en snel internet.

De onderzoekers stelden een simpele vraag: Verandert de "vibe" van een school met betrekking tot deze nieuwe hulpmiddelen daadwerkelijk hoe goed leerlingen zijn in het gebruik van computers?

Specifiek wilden ze weten of de verwachtingen van een schooldirecteur over AI (bijv. "Dit is geweldig!" of "Dit is gevaarlijk!") of de obstakels waar leraren tegenaan lopen (bijv. "We hebben niet genoeg tijd" of "Het internet is traag") direct vertalen in betere of slechtere computervaardigheden voor de leerlingen.

Ze bekeken gegevens van meer dan 24.000 achtsteklassers uit 12 verschillende landen (zoals Chili, Korea, Zweden, etc.) om het antwoord te vinden.

De Hoofdrolspelers in het Verhaal

Om de resultaten te begrijpen, kun je de schoolomgeving zien als een tuin.

De Leerlingen (De Planten): Sommige planten zijn van nature sterker dan andere. In dit onderzoek betekent "sterker" het hebben van een hogere sociaaleconomische achtergrond, meer ervaring met computers en toegang tot internet.
De Verwachtingen van de Directeur (De Weervoorspelling): Dit is wat de schoolleider denkt over de toekomst. Gelooft hij dat AI een storm is om te vrezen of zonneschijn om te verwelkomen?
De Tuingereedschappen & Barrières (De Bodem en de Hekken): Dit vertegenwoordigt de feitelijke realiteit van het lesgeven. Hebben leraren de tijd om technologie te gebruiken? Werken de computers? Zijn er hekken (barrières) die hen tegenhouden om nieuwe digitale zaden te planten?

Wat hebben ze gevonden?

De onderzoekers gebruikten een zeer zorgvuldige statistische methode (zoals een precisie-microscoop) om de effecten van de achtergrond van de leerlingen te scheiden van de omgeving van de school. Dit is wat ze zagen:

1. De factor "Familieachtergrond" is de sterkste kracht

De krachtigste voorspeller van de computervaardigheden van een leerling was niet het beleid van de school of de houding van de directeur. Het was de eigen achtergrond van de leerling.

De Analogie: Stel je twee planten voor. De ene is een zaadje uit een rijke, goed bemeste tuin (hoge sociaaleconomische status, veel computerervaring thuis). De andere is een zaadje uit een rotsachtige, droge plek. Zelfs als je beide in exact dezelfde schooltuin zet, zal de eerste plant waarschijnlijk groter en sterker groeien.
Het Resultaat: Leerlingen die al computers thuis hadden, meer ervaring daarmee hadden en uit rijkere gezinnen kwamen, scoorden veel hoger. Deze "digitale ongelijkheid" was de grootste drijfveer van de resultaten.

2. De "Weervoorspelling" van de directeur veranderde de planten niet

De onderzoekers controleerden of de enthousiasme of de bezorgdheid van een directeur over AI (de "Verwachtingen") een verschil maakte.

De Analogie: Stel je een directeur voor die op het dak staat te roepen: "AI gaat ons redden!" of "AI gaat ons vernietigen!" De onderzoekers ontdekten dat het schreeuwen van deze verwachtingen de planten (leerlingen) niet groter of kleiner maakte.
Het Resultaat: Of een directeur nu optimistisch of pessimistisch was over AI, had geen directe link met hoe goed de leerlingen waren in het gebruik van computers.

3. De "Hekken" (Barrières) deden er wel toe, maar slechts een beetje

De onderzoekers keken naar ICT Pedagogische Hindernissen (HPED). Dit is een chique manier om te zeggen: "obstakels die leraren tegenhouden om technologie in de klas te gebruiken."

De Analogie: Stel je een tuin voor waar de tuinier nieuwe zaden wil planten, maar er zijn kapotte gereedschappen, een gesloten hek of geen tuinslang. De onderzoekers ontdekten dat scholen met meer van deze "hekken" en kapotte gereedschappen de neiging hadden om leerlingen met iets lagere computervaardigheden te hebben.
Het Result Resultaat: Dit was de enige schoolfactor die een negatief patroon liet zien. Echter, het effect was marginaal (zwak). Het is also�am zeggen: "Een kapende schep maakt tuinieren een beetje moeilijker," maar het betekent niet dat de tuin volledig zal mislukken. Het suggereert dat het verwijderen van obstakels belangrijker is dan praten over de toekomst.

De "Magie" van de methode van de studie

De onderzoekers waren zeer voorzichtig om niet in de val van de data te trappen.

De "Landenfilter": Ze realiseerden zich dat scholen in verschillende landen erg verschillend zijn. Een school in Denemarken is niet hetzelfde als een school in Uruguay. Ze gebruikten een statistische "filter" (Country Fixed Effects) om scholen binnen hetzelfde land te vergelijken, in plaats van Denemarken direct met Uruguay te vergelijken. Dit zorgde ervoor dat ze echte schooleffecten zagen, en niet alleen nationale verschillen.
De "Dubbelcheck": Ze draalden de cijfers twee keer door met twee verschillende wiskundige motoren (Mplus en IDB Analyzer) om er zeker van te zijn dat de resultaten geen toevalstreffer waren. Beide motoren waren het eens: de barrières (hekken) waren het enige schoolaspect dat ertoe deed, en zelfs dan, slechts een beetje.

De Kern van de Boodschap

Als je de computer- en informatievaardigheden (CIL) van leerlingen wilt verbeteren, suggereert deze studie het volgende:

Praat niet alleen over AI: Het enthousiasme of de angst van een directeur voor Kunstmatige Intelligentie geeft de vaardigheden van leerlingen niet direct een boost.
Fix de "Hekken": Het grootste probleem op schoolniveau zijn de praktische barrières. Als leraren worden geblokkeerd door een gebrek aan tijd, slecht internet of een gebrek aan ondersteuning, lijden de vaardigheden van de leerlingen eronder.
Erken de "Bodem": De sterkste factor blijft de achtergrond van de leerling. Leerlingen uit rijkere gezinnen met meer computerervaring beginnen met een enorme voorsprong.

Kortom: De studie concludeert dat sociaaleconomische ongelijkheid en praktische implementatiebarrières de echte drijfveren zijn van digitale vaardigheden, en niet het "AI-klimaat" van de school of de verwachtingen van de directeur. De "vibe" van de school doet er minder toe dan de daadwerkelijke tools en de tijd die beschikbaar zijn om ze te gebruiken.

Technische Samenvatting: Digitale Ongelijkheid, ICT-pedagogische Belemmeringen en Computer- en Informatievaardigheid van Studenten

Probleemstelling en Onderzoekscontext
De studie behandelt het evoluerende debat over digitale transformatie in het onderwijs, dat is verschoven van de toegang tot infrastructuur naar vragen over implementatie, pedagogiek en de digitale competentie van studenten. Specifiek onderzoekt het onderzoek hoe digitale condities op schoolniveau—namelijk de verwachtingen van schoolleiders met betrekking tot generatieve AI en ICT en barrières voor pedagogisch ICT-gebruik—relateren aan de beoordeelde computer- en informatievaardigheid (CIL) van studenten.

Een kritieke lacune die wordt geïdentificeerd, is het gebrek aan duidelijkheid over de vraag of schoolbrede digitale variabelen (zoals AI-verwachtingen) direct geassocieerd zijn met student-CIL na controle voor achtergrondkenmerken van studenten, de sociaaleconomische samenstelling van de school en cross-nationale verschillen. Voorgaand onderzoek suggereert dat schoolleiders uitkomsten indirect beïnvloeden door schoolcondities vorm te geven, in plaats van direct in te grijpen op het leren van de student. Het blijft echter onzeker of deze digitale condities CIL voorspellen wanneer verstorende factoren zoals sociaaleconomische stratificatie en nationale systeemverschillen strikt worden gecontroleerd.

Methodologie
De studie maakt gebruik van een secundaire analyse van de internationale ICILS 2023-database, gericht op een gepoolde steekproef van 12 onderwijssystemen (Chili, Chinese Taipei, Cyprus, Denemarken, Griekenland, Korea, Noorwegen, Roemenië, Slowakije, Slovenië, Zweden en Uruguay) die het optionele principal AI-module hebben afgenomen. De analytische steekproef bestaat uit 24.273 leerlingen in groep 8 (Grade 8) genest binnen 1.049 scholen.

De analytische workflow is georganiseerd in drie gekoppelde stadia met behulp van specifieke softwaretools:

Data-voorbereiding (R): Bestanden werden samengevoegd en de sociaaleconomische status (SES) van studenten werd gedecomposeerd in binnen-schoolse afwijkingen (IISBW) en schoolgemiddelde compositionele componenten (IISBM). Unieke schoolidentificatoren en land-genormaliseerde gewichten (SENWGT) werden aangemaakt.
Primaire Modellering (Mplus 9): Een gewogen twee-niveau multilevel-analyse werd uitgevoerd met behulp van plausible values (PV1–PV5) voor CIL om nauwkeurige inferentiële statistiek te waarborgen. De modelsequentie omvatte:
- Een onvoorwaardelijk model om de Intraclass Correlatie Coëfficiënt (ICC) te schatten.
- Modellen die student-niveau voorspellers toevoegden (geslacht, binnen-schoolse SES, thuis internettoegang, computerervaring) en school-niveau SES.
- Modellen die 11 land-fixed effects incorporeerden (met Denemarken als referentie) om binnen-landse associaties te isoleren en verwarring door nationale systeemverschillen te verminderen.
- Een volledig model dat school-niveau voorspellers test: Positieve AI-verwachtingen (AIPOS), Negatieve AI-verwachtingen (AINEG), ICT-pedagogische belemmeringen (HPED), Verwachtingen van de directeur aangaande ICT-gebruik (EXPLRN) en Verwachtingen van docenten aangaande ICT-samenwerking (EXPTCH).
Sensitiviteitscontroles (IDB Analyzer/SPSS): Design-gebaseerde Jackknife Repeated Replication (JRR) sensitiviteitsanalyses werden uitgevoerd met 75 studenten-replicate gewichten. Deze dienden als vergelijkbare single-level regressies om de robuustheid van de richting en statistische onzekerheid te evalueren, in plaats als vervanging voor de primaire multilevel-schattingen.

Belangrijkste Bevindingen

Variantieverdeling: Ongeveer 33,8% van de variantie in CIL was gelokaliseerd tussen scholen, wat de multilevel-benadering rechtvaardigt.
Student- en Schoolcompositie: Sociaaleconomisch voordeel binnen de school, school-sociaaleconomische compositie (IISBM), computerervaring, thuis internettoegang en geslacht waren significante voorspellers van CIL. De sociaaleconomische compositie van de school was de sterkste tussen-schoolse correlatie.
AI- en ICT-verwachtingen: Na controle voor studentachtergrond, school-SES en land-fixed effects, toonden de AI-verwachtingsschalen (AIPOS, AINEG) en ICT-verwachtingsvariabelen (EXPLRN, EXPTCH) geen directe associatie met de CIL van studenten.
ICT-pedagogische Belemmeringen (HPED): Deze variabele vertoonde het duidelijkste negatieve school-niveau patroon. In het primaire Mplus-model was de associatie negatief maar marginaal ( $p = .081$ ). In de design-gebaseerde JRR-sensitiviteitsanalyses hield de negatieve richting stand, met resultaten variërend van grensvlak tot zwakkere significantie, afhankelijk van de modelspecificatie.
Robuustheid: Multicollineariteitsdiagnostiek gaf aan dat de nulbevindingen voor AI/ICT-verwachtingen niet te wijten waren aan ernstige collineariteit. Sensitiviteitscontroles met een ICT-verwachtingen-composiet (ICTEXP) bevestigden dat bredere verwachtingsklimaten niet duidelijk geassocieerd waren met CIL.

Significantie en Claims
Het artikel claimt dat de verschillen in de CIL van studenten binnen de ICILS 2023-dataset sterker verbonden zijn met sociaaleconomische stratificatie en implementatiegerelateerde barrières dan met schoolbrede AI-verwachtingsklimaten.

De auteurs interpreteren de bevindingen met voorzichtigheid:

Implementatie boven Retoriek: De resultaten suggereren dat praktische barrières voor de integratie van technologie in het onderwijs (HPED) mogelijk consequenter zijn voor de CIL van studenten dan de abstracte verwachtingen of oriëntaties van directeuren ten aanzien van AI.
Contextueel versus Direct: Schoolbrede AI-verwachtingen moeten worden beschouwd als contextuele kenmerken van de schoolomgeving in plaats van directe instructiemechanismen. Hun gebrek aan directe associatie met CIL impliceert geen irrelevantie, maar suggereert dat zij kunnen opereren via niet-gemeten bemiddelende mechanismen (bijv. professionele ontwikkeling van docenten of instructiepraktijken).
Interpretatie van HPED: De negatieve associatie met HPED wordt gekarakteriseerd als een "suggestief implementatie-barrièrepatroon" in plaats van een bevestigd direct school-niveau effect. De auteurs benadrukken dat hoewel het patroon consistent is, de effectgrootte bescheiden is en het bewijs de ondersteuning voor sterke causale claims niet rechtvaardigt.

Conclusie
De studie concludeert dat hoewel digitale transformatie op school cruciaal is, de specifieke schoolbrede variabelen van AI- en ICT-verwachtingen de CIL van studenten niet direct voorspellen zodra sociaaleconomische en nationale factoren zijn meegewogen. In plaats daarvan lijkt het wegnemen van pedagogische belemmeringen een meer tastbare, zij het bescheiden, factor te zijn die geassocieerd is met de digitale competentie van studenten. De bevindingen versterken het belang van het aanpakken van sociaaleconomische ongelijkheid en praktische implementatiebarrières, boven het uitsluitend focussen op de verwachtingen van leiders met betrekking tot opkomende technologieën.