In het huidige onderzoek werd bekeken hoe goed schoolprestaties van kinderen in groep acht te voorspellen zijn op basis van cognitieve vaardigheden (werkgeheugencapaciteit, mentale flexibiliteit, aandacht, inhibitievermogen en anticipatievermogen). Het is van belang dat er in onderzoek onderscheid wordt gemaakt tussen schoolprestaties en cognitieve vaardigheden, zodat een discrepantie tussen deze twee vroegtijdig gesignaleerd kan worden. Hierdoor kan eerder worden ingegrepen wanneer de schoolprestaties van een leerling niet stroken met de verwachtingen die de cognitieve potentie uitwijst. Daarnaast werd onderzocht welke van de cognitieve vaardigheden schoolprestaties het best voorspellen, zodat een model ontwikkeld kon worden dat deze schoolprestaties optimaal voorspelt. Eerdere onderzoeken lieten al een duidelijke relatie tussen cognitieve vaardigheden en schoolprestaties zien (Alloway & Alloway, 2010; Bulls et al., 2008; Van der Sluis et al., 2007). De resultaten waren echter niet eenduidig door beperkte analysemethoden. Verder werd in de onderzoeken maar een klein spectrum van cognitieve vaardigheden bekeken met arbitrair gekozen cognitieve testen, die taal- en rekenkundige aspecten bevatten. Het huidige onderzoek onderscheidt zich van het eerdere onderzoek, omdat een brede cognitieve testbatterij op een iPad werd afgenomen. Daarbij werden in analyses rekening gehouden met “overfitting” van het regressiemodel, de volgorde van de predictoren en de generaliseerbaarheid van de resultaten. De lasso-analyse is een
Werkgeheugen Gemiddelde werkgeheugencapaciteit van de Simultane Encodeerconditie 0.13
Controleren Accuratesse van 3 herhalingen
-0.10 Controleren Accuratesse van 5
herhalingen
regressiemodel kunnen worden meegenomen. Zo maakt de volgorde van de predictoren in het regressiemodel niet uit en wordt “overfitting” afgestraft doordat alleen predictoren worden meegenomen die unieke variantie verklaren. Tevens zorgden cross-validatie en de permutaties voor generalisatie van de resultaten doordat de voorspellingen en het regressiemodel nooit op dezelfde groep deelnemers werden gebaseerd. De schoolprestaties in het huidige onderzoek werden op twee manieren geoperationaliseerd. In het Nederlandse schoolsysteem wordt bij leerlingen in groep acht een Cito-toets afgenomen om hun reken- en taalvaardigheid te testen. Op basis van deze scores geeft het Cito een advies over het middelbare schoolniveau. Dit in combinatie met het advies van de leraar zou een compleet beeld moeten schetsen van het niveau van de leerling. Het advies van het Cito en van de leraar kunnen voor een leerling echter verschillen. Daarom werd ook exploratief onderzocht of het verschil tussen de schoolprestaties voorspeld kon worden door cognitieve vaardigheden.
Uit de resultaten kwam naar voren dat cognitieve vaardigheden (werkgeheugencapaciteit, mentale flexibiliteit, aandacht, inhibitievermogen en anticipatievermogen) schoolprestaties goed konden voorspellen (Cito: r=0.72; advies van de leraar r=0.65). Zo verklaarden de cognitieve vaardigheden aldus 53% van de variantie in de Cito-scores en 42% in het advies van de leraar. De verklaarde variantie is hoger dan uit vorige onderzoeken naar voren kwam waar nooit meer dan 53% van de variantie in schoolprestaties door cognitieve vaardigheden werd verklaard (Bulls, Epsy & Wiebe, 2008). Ook bleken cognitieve vaardigheden de verschilscores tussen de schoolprestaties goed te voorspellen (r=0.63, R²= 0.40).
Een verklaring voor de hogere verklaarde variantie van dit onderzoek zou kunnen zijn dat de lasso-analyse te krachtig is met overgeneralisatie als gevolg. Overgeneralisatie betekent dat de regressiemodellen heel precies werden berekend op grond van de schoolprestaties en cognitieve vaardigheden van de kinderen uit dit onderzoek waardoor de modellen niet goed bruikbaar zouden zijn voor andere kinderen in dezelfde leeftijdsgroep. De crossvalidatie, die
ook gebruikt werd in dit onderzoek, heeft echter tegen overgeneralisatie beschermd. Door telkens regressiemodellen te maken op grond van de data van 75% van de deelnemers en vervolgens de schoolprestaties van de overige deelnemers te voorspellen, werden de modellen niet herhaaldelijk op grond van dezelfde schoolprestaties en cognitieve vaardigheden berekend. De regressiemodellen en de voorspellingen die met de modellen gedaan werden zijn dus onafhankelijk van elkaar.
Een belangrijke bevinding van deze studie was dat de regressiemodellen beide schoolprestaties bleken te overschatten. De overschatting van de schoolprestaties werd veroorzaakt, doordat de schoolprestaties links-scheef verdeeld waren door een lager aantal deelnemers met lage schoolprestaties dan met hoge schoolprestaties. Door de deelnemers op te delen in drie groepen met lage, middelmatige en hoge schoolprestaties werd de overschatting van de schoolprestaties door de regressiemodellen minder. Volledige overschatting van de regressiemodellen kan in de toekomst voorkomen worden, door de deelnemers in het begin van de brugklas te onderzoeken. De leerlingen zijn in de brugklas op hun schooladvies ingedeeld en op deze manier kan gerichter bepaald worden hoeveel deelnemers met lage en hoge schoolprestaties in het onderzoek worden meegenomen.
Uit dit onderzoek bleek dat de EFs aandacht (ruimtelijke en volgehouden), mentale flexibiliteit, en inhibitievermogen schoolprestaties het best voorspelden. Volgehouden aandacht voorspelde het advies van de leraar het best, terwijl ruimtelijke aandacht de Cito-score het best voorspelde. De verschilscore tussen het schooladvies en de Cito-score werd het best voorspeld door selectieve aandacht, ruimtelijke aandacht, mentale flexibiliteit en inhibitievermogen.
Op grond van eerder onderzoek (Alloway & Alloway, 2010) werd verwacht dat werkgeheugencapaciteit een voorspeller van schoolprestaties zou zijn. Uit de resultaten bleek dan ook dat zowel de Cito-scores als het advies van de leraar voorspeld werden aan de hand van werkgeheugencapaciteit tijdens de retentiefase. Werkgeheugencapaciteit had in beide
regressiemodellen echter een laag voorspellende waarde, terwijl in vorig onderzoek werkgeheugencapaciteit tot 21% van de variantie in schoolprestaties verklaarde (Alloway & Alloway, 2010). Er zijn twee verklaringen voor deze bevindingen.
De eerste verklaring is dat in dit onderzoek een andere analyse werd toegepast: de lasso- analyse. Alloway en Alloway (2010) gebruikten in hun onderzoek naar het voorspellen van schoolprestatie met werkgeheugencapaciteit een hiërarchische multipele regressie analyse. In deze analyse is de volgorde van de predictoren bepalend voor de resultaten die uit de analyse naar voren komen. Wanneer de predictoren in een andere volgorde in het model werden gebruikt, komen andere resultaten naar voren. Daarentegen kunnen in de lasso-analyse predictoren parallel in het regressiemodel worden meegenomen. Werkgeheugencapaciteit zou dus een lage voorspellende waarde kunnen hebben, doordat in andere (Alloway & Alloway, 2010) onderzoeken analyses werden gehanteerd waarin de volgorde van de predictoren de uitkomst van de resultaten beïnvloeden. De tweede verklaring is dat de cognitieve vaardigheden die schoolprestaties goed voorspelden, zoals mentale flexibiliteit, geen unieke variantie van de schoolprestaties verklaarden. Voor de mentale flexibiliteit wordt het werkgeheugen gebruikt om informatie vast te houden (Diamond, 2013). Zo wisselde de deelnemers in de Concentreren-game, die hun mentale flexibiliteit vaststelde, tussen vooraf vastgestelde regels. Om te kunnen wisselen tussen deze regels, diende de deelnemer de regels te onthouden. Deze regels werden in het werkgeheugen vastgehouden. Zo werd met de Concentreren-game niet alleen de mentale flexibiliteit van de deelnemers bepaald, maar ook werkgeheugencapaciteit. De verklaarde variantie van mentale flexibiliteit is dus niet uniek aangezien een deel van de variantie ook verklaard zou kunnen worden door werkgeheugencapaciteit.
De regressiemodellen in dit onderzoek bleken schoolprestaties goed te kunnen voorspellen. Met een goed werkend regressiemodel zouden de kinderen met een discrepantie tussen hun
cognitieve potentie en schoolprestaties in het vervolg vroegtijdig gesignaleerd kunnen worden. De cognitieve testen zouden als signaleringsmiddel gebruikt kunnen worden. Wanneer de discrepantie vroeg wordt gesignaleerd, kunnen de kinderen op tijd geholpen worden om op hun niveau te gaan presteren. Voordat deze testen daadwerkelijk in het onderwijs gebruikt kunnen worden, is het noodzakelijk om meer vervolgonderzoek te doen. Zo is het van belang de regressiemodellen te generaliseren. Eerst zou gekeken kunnen worden of schoolprestaties van andere kinderen uit dezelfde leeftijdsgroep met de vastgezette regressiemodellen uit dit onderzoek voorspeld kunnen worden. Wanneer ongeveer dezelfde correlatie tussen de voorspelde en de echte schoolprestaties uit het onderzoek naar voren komt, is het regressiemodel onafhankelijk van de voorspellingen, die met het regressiemodel gedaan worden. De volgende stap zou een longitudinaal onderzoek zijn. In dit onderzoek zou bekeken worden of de schoolprestatie van kinderen uit groep zes de schoolprestaties uit groep acht kunnen voorspellen op basis van cognitieve vaardigheden. In het eerste deel zouden de schoolprestaties van jonge kinderen worden voorspeld met de regressiemodellen. Daarna zou gekeken worden naar de correlatie tussen de schoolprestaties op jonge en oudere leeftijd. Schoolprestaties kunnen over een langere periode eenduidig gemeten worden, omdat kinderen in Nederland al in de kleutergroep door Cito op hun taal- en rekenniveau worden getest. In Figuur 13 is af te lezen voor welke kinderen de cognitieve testen als signaleringsmiddel kunnen worden gebruikt. Op de horizontale as staan de scores op de cognitieve testen en op de verticale as de schoolprestaties. De kinderen die in de grafiek onder lijn L uitkomen, zijn de kinderen die een hogere cognitieve potentie hebben dan hun schoolprestaties laten zien. Zo scoort een kind op punt A goed op de cognitieve testen en laag op school en laat zo een discrepantie tussen hun cognitieve potentie en hun schoolprestaties zien. Bij de kinderen die onder lijn L uitkomen, is het van belang om naar de oorzaak van de lage schoolprestaties te kijken. Oorzaken van een lage schoolprestaties zouden bijvoorbeeld een taalachterstand, dyslexie, dyscalculie of
problemen thuis kunnen zijn. Ook zou gekeken kunnen worden naar de cognitieve vaardigheden die de verschilscores tussen de Cito-scores en het advies van de leraar voorspelden. Kinderen met goede selectieve en ruimtelijke aandacht hadden namelijk een hoger schooladvies dan hun Cito-score. Zij kregen tevens een hoger schooladvies dan kinderen met een slechte selectieve en ruimtelijke aandacht. Zo presteren kinderen met een slechte selectieve en ruimtelijke aandacht lager op school en is er een discrepantie met hun cognitieve potentie. Slechte ruimtelijke en selectieve aandacht zou dus een oorzaak kunnen zijn van de discrepantie tussen hun cognitieve potentie en schoolprestatie. Aan de andere kant zijn er ook kinderen die juist hoger presteren dan hun cognitieve potentie (punt B). Deze kinderen ondervinden geen problemen met hun schoolprestaties en daarom is voor heen signaleringsmiddel nodig.
Concluderend wees dit onderzoek uit dat werkgeheugencapaciteit, mentale flexibiliteit, aandacht, inhibitievermogen en anticipatievermogen schoolprestaties voorspellen. De cognitieve vaardigheden verklaarden 53% (Cito-scores) en 42% (advies van de leraar) van de variantie in schoolprestaties. Aandacht (ruimtelijke en volgehouden), mentale flexibiliteit, en inhibitievermogen bleken schoolprestaties het best te voorspellen. Daarnaast verklaarde selectieve en ruimtelijke aandacht 40% van de variantie in het verschil tussen de schoolprestaties. In dit onderzoek werd gestreefd naar het leggen van een basis voor onderzoek waarbij kinderen geholpen kunnen worden wiens cognitieve potentie niet tot uiting komt in schoolprestaties door bijvoorbeeld problemen thuis of dyslexie.
Referenties
Alloway, T.P. & Alloway, R.G. (2010). Investigating the Predictive Roles of Working Memory and IQ in Academic Attainment. Journal of Experimental Child Psychology, 106, 20–29.
Bull, R., Espy, K.A. & Wiebe, S. A. (2008). Short-Term Memory, Working Memory, and Executive Functioning in Preschoolers: longitudinal predictors of Mathematical achievement at age 7 years. Developmental Neuropsychology, 33, 205–228.
College voor Toetsen en Examens (2014). Toetswijzer bij de Centrale Eindtoets PO Taal en Rekenen: Inhoudsverantwoording van de centrale eindtoets taal en rekenen. Op het internet:https://www.centraleeindtoetspo.nl/media/uploads/files/
toetswijzer_bij_de_centrale_eindtoets_po_taal_en_rekenen.pdf, geraadpleegd op 23 juni 2015. Cognitieve Capaciteiten S ch o o lp re st at ie s Laag Hoog H o o g A B L K Figuur 13.
Correlatie tussen Conitieve Vaardigheden en Schoolprestaties. Persoon A heeft hoge cognitieve capaciteiten en lage prestaties op school. Persoon B heeft hoge hoge prestaties op school en lage cognitieve capaciteiten.
COTAN documentatie NIP. Eindtoets basisonderwijs 1970-heden. Op het internet
http://www.cotandocumentatie.nl/test_details.php?id=186, geraadpleegd op 23 maart 2015.
Diamond, A. (2013). Executive Functions. Annual Review Psychology, 35, 135–168.
Isoda, M. & Hikosaka, O. (2007). Switching from Automatic to Controlled Action by Monkey Medial Frontal Cortex. Nature Neuroscience, 10, 240–248.
Fan, J. McCandliss, B. D., Sommer, T., Raz, A. & Posner, M. I. (2002). Testing the Efficiency and Independence of Attentional Networks. Journal of Cognitive Neuroscience, 14, 340–347.
Field, A. (2009). Discovering Statistics using SPSS (3e druk). Londen: SAGE Publications Ltd.
Hollenberg, J. & Lubbe, M. van der (2011). Toetsen op School Primair Onderwijs. Arnhem: Stichting Centraal Instituut voor Toetsontwikkeling Arnhem
Mason, C. H., & Perreault Jr, W. D. (1991). Collinearity, Power, and Interpretation of Multiple Regression Analysis. Journal of Marketing Research, 3, 268-280.
McNab, F. & Dolan, R.J. (2014). Dissociating Distractor-Filtering at Encoding and
During maintenance. Journal of Experimental Psychology. Human Perception and Performance, 40, 960–967.
McNab, F., Zeidman, P., Rutledge, R. B., Smittenaar, P., Brown, H. R., Adams, R. A. & Dolan, R. J. (2015). Age-Related Changes in Working Memory and the Ability to Ignore Distraction. Proceedings of the National Academy of Sciences, 112, 6515-6518.
Neubert, F. X., Mars, R. B., Buch, E. R., Olivier, E. & Rushworth, M. F. S. (2010). Cortical and Subcortical Interactions during Action Reprogramming and their Related White Matter Pathways. Proceedings of the National Academy of Sciences of the United States of America, 107, 13240–13245.
Sluis, S. van der, Jong, P. F., de & Leij, A. van der (2007). Executive Functions in Children and it's Relations to Reasoning, Reading and Arithmetic. Intelligence, 35, 427-449.
Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of Royal Statistical Society. Series B (Methodological), 58, 267-288.