Voorbij de hype: waarom adaptieve dialoogsystemen het leren van een tweede taal versterken
Je hebt beslist om een nieuwe taal te oefenen. Stel je voor dat je dat altijd en overal kunt doen, zonder te moeten wachten op een behulpzame vriend of een tutor die 24/7 klaarstaat. Wil je voor de honderdste keer oefenen hoe je over je job of je hobby’s vertelt? Zonder zorgen, zonder druk, en in een veilige ruimte waar je fouten mag maken? Daar komen gesproken dialoogsystemen om de hoek kijken. Maar hoe kan een bot het leren van een taal echt ondersteunen? Biedt een geautomatiseerd gesprek dezelfde voordelen als praten met een mens? Niets vervangt menselijk contact. Maar toegang telt ook. Bots zijn altijd beschikbaar, oneindig geduldig en worden het nooit beu om dezelfde zin tien keer na elkaar te horen. Ze kunnen zich aanpassen aan de noden van elke leerder, waardoor oefenen flexibel, laagdrempelig en gepersonaliseerd wordt. Om te zien of die voordelen zich ook vertalen in echt leren, hebben professor Bibauw en collega’s 17 experimentele studies met 803 leerders geanalyseerd, een synthese van jarenlang onderzoek naar conversationele agents. Hun recente meta-analyse, gepubliceerd in Language Learning & Technology, levert het sterkste bewijs tot nu toe over hoeveel dialoogsystemen mensen écht helpen om een taal te leren. Wat zegt dat bewijs dan? Word je met dialoogsystemen echt vaardiger in een tweede taal? Het korte antwoord: ja, ze werken Significant en blijvend leereffect Leerders die oefenen met een conversationele agent, gingen er significant op vooruit (algemene effectgrootte d = 0,59). Vanuit een cognitief-interactionistisch perspectief is dat logisch. Zulke betekenisvolle interacties met een bot creëren kansen voor input en output, noticing, onderhandeling over betekenis en feedback, allemaal noodzakelijke ingrediënten voor taalverwerving (Gass & Mackey, 2015). Opvallend: beginners en leerders op een laag tussenniveau (A1-A2) hebben er het meeste baat bij. Naarmate het taalniveau stijgt, worden de effecten kleiner. Dat suggereert dat conversationele agents het krachtigst zijn wanneer leerders nood hebben aan herhaalde, gestructureerde communicatieve oefening zonder veel stress. Minstens even belangrijk: oefenen via dialogen leidt tot leren op lange termijn. Leerders gingen niet alleen meteen na de gesprekken vooruit in hun T2-vaardigheid, die winst bleef ook significant bij een latere test. Wat je tijdens die dialogen leert, blijft hangen. Er werd nog een belangrijke vraag gesteld: Wat maakt sommige systemen beter dan andere? Ontwerpkeuzes doen ertoe; niet alle bots zijn gelijk. De meta-analyse brengt enkele voordelen aan het licht die samenhangen met het interactieontwerp: Begeleide, gescripte dialogen leverden de grootste winst op, gevolgd door doelgerichte dialogen. Waarom? Omdat structuur zorgt voor duidelijkere communicatieve doelen, voorspelbare input en gerichtere feedback. Vrij chatten voelt misschien “natuurlijker” aan, maar mist vaak de scaffolding die leerders nodig hebben om echt vooruit te gaan. Didactisch ontwerp weegt minstens even zwaar door als de nieuwste technologie, zo niet zwaarder. Correctieve feedback maakt het verschil. Systemen met correctieve feedback deden het beter dan systemen zonder. Zowel impliciete (recasts) als expliciete feedback verbeterden het leren, met een lichte voorkeur voor expliciete correctie. Dat sluit aan bij decennia onderzoek naar tweedetaalverwerving (bv. Nassaji & Kartchava, 2021). De conclusie is duidelijk: alleen conversatie oefenen is niet genoeg. Didactische feedback doet ertoe. Gamification geeft het leren een boost. Systemen met spelelementen hadden een significant grotere impact op de T2-ontwikkeling dan systemen zonder. Dat toont hoe belangrijk motiverend ontwerp is in dialoogsystemen. Beloningen, uitdagingen en voortgangsindicatoren verhogen de motivatie, houden de inzet vol en helpen leerders betrokken te blijven terwijl ze de nieuwe taal oefenen. Waarom is dit belangrijk? Dialoogsystemen zijn krachtige tools om talen te leren, zeker wanneer ze sterk didactisch ontwerp combineren met geavanceerde NLP. Deze meta-analyse biedt empirische onderbouwing voor het soort adaptieve, taakgerichte en feedbackrijke gesprekservaringen die Linguineo bouwt. Ze bevestigt een aantal principes die aansluiten bij onze filosofie: Dialoogsystemen zijn niet zomaar technologie; ze zijn pas effectief in combinatie met een doordacht leerontwerp, een principe dat de kern vormt van Linguineo. Oorspronkelijk artikel Bibauw, S., Van den Noortgate, W., François, F., & Desmet, P. (2022). Dialogue systems for language learning: A meta-analysis. Language Learning & Technology, 26(1), 1–24. https://doi.org/10.64152/10125/73488 Andere geciteerde bronnen Gass, S. M., & Mackey, A. (2015). Input, interaction, and output in second language acquisition. In B. Van Patten & J. Williams (Eds.), Theories in second language acquisition (pp. 194–220). Nassaji, H., & Kartchava, E. (Eds.). (2021). The Cambridge handbook of corrective feedback in second language learning and teaching. Cambridge University Press. Foto van Shantanu Kumar op Unsplash
Nieuw onderzoek onderbouwt echte adaptiviteit in taalgames
Stel je voor: je speelt een game terwijl je een taal leert. Je hebt je schattige uiltje (geen zorgen, het onze gaat je streak niet bedreigen), je verzamelt info, praat met personages, maakt keuzes en probeert helemaal op te gaan in het avontuur, wanneer de game, zonder dat je het doorhebt, stilletjes bijspringt en je een handje helpt. Misschien fluistert de game je de eerste letters in die je nodig hebt. Of praat hij wat trager? Of krijg je een makkelijkere quest. Bijna alsof hij wist dat je tegen een (virtuele) muur zou lopen. Te mooi om waar te zijn? (Zo mooi als zon op een Belgische winterdag?) Dat is de belofte van adaptief leren. Maar geen loze belofte: een nieuwe empirische studie toont aan dat we die belofte kunnen waarmaken (die van de adaptiviteit dan, niet die van de zon, nog niet). Onderzoekers van de KU Leuven gingen na of Taalheld, onze verhalende game, de taalprestaties van leerlingen automatisch en in realtime kan inschatten en de taken daarop kan afstemmen. En lukt dat? [Spoiler] Jazeker. Waarom is dit onderzoek belangrijk? Theoretisch gezien is het onderzoek naar tweedetaalverwerving duidelijk: we leren een taal spreken door ze te gebruiken in betekenisvolle interactie, met een andere persoon of met gesproken dialoogsystemen. Maar om het leren echt te ondersteunen, moeten zulke systemen zich in realtime aanpassen aan de noden en het niveau van elke leerling (lees Bibauw et al., 2022 als je alles over dialoogsystemen wilt weten). Iedereen belooft adaptieve en gepersonaliseerde AI-tools. Maar we hebben empirisch bewijs nodig dat toont hoe die aanpassing werkt en of ze het taalleren ook echt verbetert. Dat is precies wat onderzoekers van de KU Leuven onderzochten in hun recent gepubliceerde studie. Om na te gaan hoe de ingebouwde adaptiviteit in Taalheld kon voorspellen of leerlingen een taak succesvol zouden afronden, analyseerden ze hun mondelinge taalproductie met theoretisch onderbouwde maatstaven (duik zeker eens in Koizumi & In’nami, (2024) als je meer wilt weten over die maatstaven). Meer bepaald: Daarna vroegen ze zich af: Voorspellen deze maatstaven of een leerder in de volgende taak zal slagen? Wat bleek: En waarom doet dit ertoe? Adaptiviteit kan alle leerders ondersteunenDatagedreven leerdermodellen zoals dat in Taalheld kunnen de micro-adaptiviteit verbeteren en zo betere individuele ondersteuning bieden. Voor leerlingen met een lager taalniveau kan het systeem bijvoorbeeld meer gedetailleerde hints geven, de taalkundige complexiteit aanpassen of alternatieve taken aanbieden, telkens op basis van realtime indicatoren van hoe de leerling presteert. Leerkrachten krijgen bruikbare dataDeze modellen verruimen de didactische mogelijkheden door interpreteerbare taaldata aan te bieden via dashboards en visualisaties van het niveau en de vooruitgang van leerlingen. Leerkrachten besparen tijd, kiezen wat het belangrijkst is en beslissen waar ze hun aandacht op richten. AI die je kunt vertrouwenDit onderzoek levert een transparant, theoretisch onderbouwd leerdermodel op (in tegenstelling tot de ondoorzichtige “black box” van kant-en-klare chatbots), dat hopelijk het vertrouwen in AI-toepassingen voor taalleren kan versterken Gesproken dialoogsystemen kunnen meer dan “terugpraten” …of spreekoefeningen aanbieden. In zekere zin voelen ze aan wanneer een leerder het moeilijk gaat krijgen, nog voor die het zelf doorheeft. En net dan treedt de adaptiviteit in werking. Deze studie is een mijlpaal voor ons. Ze toont aan dat onze wetenschappelijk onderbouwde adaptiviteit de goede richting uitgaat. En we zijn vast van plan om ze verder uit te bouwen, te valideren en te delen met al onze leerlingen. Oorspronkelijk artikel Cornillie, F., Gijpen, J., Metwaly, S., Luypaert, S., & Van den Noortgate, W. (2025). Towards adaptive spoken dialogue systems for language learning: Predicting task completion from learning process data. CALICO Journal, 42(3). https://utppublishing.com/doi/10.3138/calico-2025-0035 Andere geciteerde bronnen Bibauw, S., François, T., & Desmet, P. (2022). Dialogue Systems for language learning: Chatbots and beyond. In N. Ziegler & M. González-Lloret (Eds.), The Routledge handbook of second language acquisition and technology (pp. 121–135). Routledge. https://doi.org/10.4324/9781351117586 Koizumi, R., & In’nami, Y. (2024). Predicting functional adequacy from complexity, accuracy, and fluency of second-language picture-prompted speaking. System, 120, 103208. https://doi.org/10.1016/j.system.2023.103208
Kennismaking met Woorden Leren
De eerste apps die we ooit bij Linguineo hebben ontwikkeld bevatten een hele taalcursus met een druk op een paar knoppen. Hoewel het gemak van taallessen onderweg betekent dat onze gebruikers overal en altijd kunnen oefenen, kun je met deze apps niet zelf de inhoud kiezen die je wilt oefenen. Niet lang geleden heb ik me ingeschreven voor een andere taalcursus in Leuven, België. Deze keer om Russisch te leren. Onze app Russian Class hielp me om werkwoordvervoegingen te oefenen en grammaticaregels te onderzoeken wanneer ik nieuwsgierig werd. De beeld- en luisteroefeningen hielpen om me nog meer vertrouwd te maken met de taal. Maar ik had nog steeds moeite om de app in mijn dagelijkse taalleerroutine te integreren, omdat de inhoud van de app niet altijd aansloot bij mijn formele cursuswerk. Examenvoorbereiding was daarom altijd vervelend en niet-interactief, wat behoorlijk demotiverend kan zijn voor taalleerders. De vraag werd “Wat zou de perfecte app zijn voor een student die een zeer specifieke cursusinhoud moet leren?”. Ons eerste idee was heel eenvoudig: bouw een app waarin studenten hun hele taalcursus kunnen definiëren. Door alle woorden, werkwoorden, grammatica en zinnen in te voeren, krijgen de gebruikers een eigen app voor hun taalles, perfect afgestemd op hun behoeften. Het was een veelbelovend idee, maar we realiseerden ons vrijwel meteen dat geen enkele gebruiker ooit elk woord uit een cursusboek in een app zou willen typen. Het succes van de app zou afhangen van het invoergemak, dus besloten we ons daarop te richten. In plaats van een volledige cursus-app te maken waarin gebruikers de volledige inhoud van de cursus invoeren, zouden we beginnen met het maken van een app die één ding heel goed kon. Het zou snel woordenlijsten maken die alleen de woorden bevatten die de studenten willen leren. Toen ik mijn taalles volgde, was er aan het einde van elk hoofdstuk een sectie met woorden die we moesten kennen voor dat hoofdstuk. Ik dacht: ‘Als ik nu eens een foto kon maken van die pagina’s, een app de woorden in de foto’s kon laten herkennen en dan vertalingen en afbeeldingen (als geheugensteun) voor elk woord kon toevoegen zonder iets te hoeven typen, dan zou ik de perfecte app hebben! Dus dat hebben we gemaakt. Onze nieuwe app kan foto’s maken van materiaal uit de echte wereld, de woorden op deze foto’s herkennen en vervolgens vertalingen en afbeeldingen toevoegen (als geheugensteun) voor elk woord, allemaal zonder dat het handmatig ingevoerd hoeft te worden. We hebben ook een andere langverwachte functie toegevoegd aan onze cursus-apps: de leermodus. Door gebruik te maken van de eigenschappen van het korte- en langetermijngeheugen helpt de app de gebruiker om zijn of haar aangepaste woordenlijst te onthouden. Je kunt deze nieuwe functie in de loop van volgend jaar verwachten in onze oude cursus-apps. Wij zijn ervan overtuigd dat onze resulterende Learn Words app perfect is om alleen de woorden te leren die je wilt leren. Nadat je je woordenlijst hebt gemaakt, kun je beginnen met het efficiënt leren van de woorden in je lijst dankzij de hulp van verschillende interactieve oefeningen, en je kunt gemakkelijk je voortgang naar je taaldoelen bijhouden. Learn Words is al beschikbaar op iOS en we werken momenteel aan de Android- en desktopversies die begin 2017 worden uitgebracht. Veel plezier met het leren van talen!
Eindejaars app-updates
De afgelopen maanden hebben we een aantal updates uitgebracht voor onze taalapplicaties om hun 5-jarig bestaan te vieren. We hebben de cursussen geherstructureerd. We hebben alle cursussen opgesplitst in 10 lessen in plaats van 5, we hebben labels toegevoegd voor de nuttige zinnen en we hebben de enorme categorie “3000 Algemene Woorden” opgesplitst in verschillende categorieën. We hebben ook de langverwachte “schrijf”-oefenmodus toegevoegd aan de woord-, werkwoord- en grammatica-oefeningen, waardoor de reproductie-oefeningen zeker een stuk beter worden. We hebben een “leermodus” toegevoegd aan de woordenschat, wat het bestuderen van de woorden in de woordenschat makkelijker maakt. Omdat veel van onze gebruikers vroegen om meer foto-oefeningen, hebben we ook het aantal afbeeldingen verhoogd van 250 naar 500. We introduceerden Helena en Aito, haar uil, die allebei meer zullen verschijnen in het komende jaar. En we hebben de schermen voor tablets, die er in het verleden niet zo goed uitzagen als de smartphone-ontwerpen, opnieuw ontworpen en we zijn behoorlijk blij met de resultaten. We hopen dat iedereen geniet van deze updates en wensen iedereen een goed einde van 2015 en een nog beter 2016!