Inhoud
Leeruitkomsten
Samenvatting
Deze pagina beschrijft de uitgangspunten voor het formuleren van leeruitkomsten binnen Fontys ICT. De leeruitkomsten zijn gebaseerd op het landelijke opleidingsprofiel HBO-i domeinbeschrijving en worden eenduidig, toekomstbestendig en leerwegonafhankelijk geformuleerd. Hiermee vormen zij de ruggengraat van het curriculum en bieden zij richting aan onderwijs, toetsing en studentontwikkeling.
Inleiding
Binnen Fontys ICT vormen leeruitkomsten de basis van de Eenheden van Leeruitkomsten (EvL’s). Leeruitkomsten beschrijven welk observeerbaar gedrag een student gedurende een onderwijsperiode ontwikkelt en aantoont, ongeacht de gevolgde leerroute.
De opleidingen van Fontys ICT zijn gebaseerd op de landelijke HBO-i domeinbeschrijving. Hierin wordt onderscheid gemaakt tussen de Associate Degree, Bachelor en Master gekoppeld aan vier beheersingsniveaus.
| Opleiding/Fase | Beheersingsniveau |
|---|---|
| Propedeuse | 1 |
| Associate Degree | 2 |
| Bachelor | 3 |
| Master | 4 |
Tabel 1. Opleiding per beheersingsniveau
Een opleiding bestaat uit meerdere EvL’s, gekoppeld aan verschillende beheersingsniveaus. Iedere EvL vertegenwoordigt een topic met een eigen niveau (1 = Introduction, 2 = Main, 3 = Advanced, 4 = Expert) binnen de HBO-i domeinbeschrijving. Door de opeenvolging van EvL’s ontwikkelen studenten zich stapsgewijs richting het beoogde eindniveau van de opleiding.
Iedere EvL bevat een unieke set aan leeruitkomsten. Een leeruitkomst beschrijft observeerbaar gedrag dat een student laat zien binnen een relevante beroepscontext. Leeruitkomsten zijn gericht op het resultaat van leren en niet op de leerroute die gevolgd wordt om dat resultaat te bereiken. Binnen Fontys ICT worden leeruitkomsten geformuleerd volgens de Tuning-systematiek met bijbehorende succescriteria. Deze succescriteria concretiseren een leeruitkomst en beschrijven welk observeerbaar gedrag een student kan laten zien om aan te tonen dat de leeruitkomst is behaald.
Kwaliteitscriteria leeruitkomsten
Om onderwijskwaliteit te waarborgen, worden binnen Fontys ICT onder andere kwaliteitscriteria voor het formuleren van leeruitkomsten gehanteerd. Op deze manier streven we naar eenduidige, toekomstbestendige en leerwegonafhankelijke leeruitkomsten voor ons brede curriculum. De basis voor deze kwaliteitscriteria zijn deFontys kaders TalentGericht Onderwijs (TGO), Fontys ICT Studentnabij onderwijs (BeleidsWiki) en relevante literatuur.
Toelichting kwaliteitscriteria leeruitkomsten Fontys ICT
Onderstaande tabel bevat de kwaliteitscriteria bij het formuleren van leeruitkomsten.
| Kwaliteitscriteria leeruitkomsten | Toelichting | Onderbouwing |
|---|---|---|
| 1. Structuur | De leeruitkomst is geformuleerd volgens de Tuning-systematiek: * You + actief werkwoord * bevat: type, onderwerp, standaard en context | De Tuning-systematiek zorgt voor een eenduidige en transparante formulering van leeruitkomsten (Fontys, 2025), waardoor duidelijk wordt welk gedrag en niveau wordt verwacht. Dit ondersteunt constructive alignment (Biggs & Tang, 2011), doordat leeruitkomsten, toetsing en onderwijsactiviteiten beter op elkaar aansluiten. Leeruitkomsten zijn geformuleerd, gericht op de studenten, zodat zij herkennen wat zij moeten leren en demonstreren. Zo helpen we studenten hun eigen leerproces te sturen en hun vorderingen te beoordelen (NVAO, 2019). Daarmee wordt ook aangesloten bij de uitgangspunten van leren (de student is primair eigenaar van het eigen leerproces) (Fontys, 2025). |
| 2. Enkelvoudigheid | De leeruitkomst richt zich op één primaire HBO-i activiteit: * Analyse * Advise * Design * Realise * Manage & Control | Het richten van een leeruitkomst op één primaire HBO-i activiteit vergroot de helderheid en toetsbaarheid van het beoogde gedrag. Dit voorkomt vermenging van cognitieve niveaus en draagt bij aan betrouwbare beoordeling (Fontys, 2025; HBO-i Stichting, 2023). Daarnaast zijn de leeruitkomsten a.d.h.v. de IT-ontwikkelcyclus samenhangend en duurzaam: als geheel tonen leeruitkomsten onderling samenhang en zijn over langere tijd bruikbaar (niet te vluchtig of incidenteel) (OCW, 2024). |
| 3. Gedrags-gerichtheid | De leeruitkomst beschrijft observeerbaar professioneel gedrag: wat de student doet (analyseren, onderbouwen, kiezen, etc.). | Leeruitkomsten beschrijven observeerbaar professioneel gedrag in plaats van producten, conform de Fontys-handreiking en NLQF-principes (Fontys, 2025; Nationaal coördinatiepunt Nederlands Kwalificatieraamwerk, 2025). Dit verhoogt de validiteit van toetsing, omdat direct wordt beoordeeld wat de student kan laten zien in de beroepscontext. |
| 4. Context | De leeruitkomst beschrijft een relevante beroepscontext: * domein (bijv. AI, security, software) *type omgeving (bijv. SME, embedded, organisational) | De context specificeert de beroepssituatie waarin het gedrag wordt uitgevoerd en maakt de leeruitkomst betekenisvol en herkenbaar. Volgens Tuning (2017) is context essentieel om complexiteit en toepasbaarheid van handelen te duiden (Biggs & Tang, 2011; NVAO, 2019). |
| 5. Niveau | De leeruitkomst maakt het beoogde niveau expliciet: * complexiteit van het probleem *mate van zelfstandigheid *voorspelbaarheid van de context *oplossingsruimte/kaders | Het expliciteren van complexiteit, zelfstandigheid en probleemtype maakt het niveau van de leeruitkomst inzichtelijk en ondersteunt leerprogressie. Dit sluit aan bij NLQF en het ZelCom-model, waarin niveau wordt bepaald door context, zelfstandigheid en complexiteit (Fontys, 2025; HBO-i Stichting, 2023). |
| 6. Technologie-onafhankelijk | De leeruitkomst is niet afhankelijk van specifieke tools of technologieën, tenzij niveaubepalend. | Technologie-onafhankelijke leeruitkomsten zijn duurzamer en bieden ruimte voor verschillende invullingen van leren en toetsen (leerwegonafhankelijk). Dit volgt uit de Fontys-handreiking en het principe dat leeruitkomsten niet afhankelijk mogen zijn van specifieke middelen of leeractiviteiten (Biggs & Tang, 2011). Daarnaast sluit dit aan bij het Fontys kader toetskwaliteit, waarin staat beschreven dat studenten meer eigenaar van hun leerproces zijn, wanneer zij zelf invulling kunnen geven hoe ze de leeruitkomsten willen aantonen (Fontys, 2025). |
Ondersteuning bij het formuleren van leeruitkomsten
Fontys ICT maakt gebruik van een zelf getrainde AI-tool ter ondersteuning van het (her)formuleren van leeruitkomsten. Deze tool is gebaseerd op de HBO-i domeinbeschrijving, de Fontys-handreikingen voor leeruitkomsten en succescriteria, de kwaliteitscriteria uit deze beleidswiki en relevante voorbeelden uit het curriculum. De tool ondersteunt bij het formuleren van eenduidige, toekomstbestendige en leerwegonafhankelijke leeruitkomsten. De gegenereerde output dient altijd als concept.
Werkwijze leeruitkomsten (her)formuleren
Voor het (her)formuleren van leeruitkomsten wordt binnen Fontys ICT doorgaans onderstaande werkwijze gehanteerd.
De Curriculum Eigenaar (CE) verstrekt een ontwikkelopdracht voor het (her)formuleren van leeruitkomsten, inclusief een eerste voorstel vanuit de AI-tool. De Topic Owner (TO), onderwijskundige (OWK) en eventueel betrokken docenten reviewen dit voorstel en verwerken waar nodig wijzigingen. De aangepaste leeruitkomsten worden vervolgens ter akkoord voorgelegd aan de CE. Na akkoord verwerkt de Topic Owner de definitieve leeruitkomsten in de curriculumdatabase en de Canvas-course.
Noot: Alle Fontys ICT EvL’s (Introduction, Main, Advanced en Master) moeten per september 2027 aan bovenstaand beleid voldoen. Voor overige EvL's moeten de kwaliteitscriteria zoveel mogelijk worden toegepast. Iedere afwijking van de kwaliteitscriteria wordt per leeruitkomst verantwoord aan het OO.
Bronnen
- Anderson, L. W., & Krathwohl, D. R. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom's taxonomy of educational objectives. New York: Longman.
- Biggs, J. & Tang, C. (2011). Teaching for Quality Learning at University: what the student does. Maidenhead: Society for Research into Higher Education & Open University Press.
- Bloom, B. S., Engelhart, M. D., Furst, E. J., Hill, W. H., & Krathwohl, D. R. (1956). Taxonomy of educational objectives: The classification of educational goals. Handbook I: Cognitive domain. New York: David McKay Company.
- Bulthuis, P. (2013). De samenhang tussen zelfstandigheid en complexiteit: Het ZelCommodel, grip op competentieniveaus. EXAMENS, 2, 5–10.
- Commissie Rinnooy Kan (Adviescommissie 'Flexibel hoger onderwijs voor werkenden'). (2014). Flexibel hoger onderwijs voor volwassenen: Adviesrapport. Den Haag: Ministerie van OCW.
- Fontys (2025). Fontys kader toetskwaliteit. Eindhoven: Fontys.
- Fontys (2025). Fontys kader Talentgericht onderwijs. Eindhoven: Fontys.
- HBO-i Stichting. (2023). Domeinbeschrijving HBO-i 2023. https://www.hbo-i.nl
- Miller, G. E. (1990). The assessment of clinical skills/competence/performance. Academic Medicine, 65(9), 63-67.
- Ministerie van Onderwijs, Cultuur en Wetenschap. (2024). Wet van 30 september 2024 tot wijziging van de Wet op het hoger onderwijs en wetenschappelijk onderzoek ten behoeve van het verankeren van de leeruitkomsten in het hoger onderwijs. Staatsblad 2024, 279.
- Nationaal coördinatiepunt Nederlands Kwalificatieraamwerk. (2025). Schematisch overzicht generieke inschaling in NLQF en EQF van door de overheid gereguleerde kwalificaties. https://nlqf.nl/landingpage-opleider/
- NVAO. (2019). Beoordelingskader accreditatiestelsel hoger onderwijs Nederland. Nederlands-Vlaamse Accreditatieorganisatie. https://www.nvao.net
- OCW (2016). Handreiking pilots flexibilisering hoger onderwijs. Den Haag. Ministerie van OCW.
- Tuning Project. (2017). Tuning Educational Structures in Europe: Reference points for the design and delivery of degree programmes. University of Deusto & University of Groningen.