Leidraad
Data-ondersteund werken
binnen de brede basiszorg en
verhoogde zorg
Zes aanbevelingen voor het basis- en secundair onderwijs
Leidraad
Data-ondersteund werken
binnen de brede basiszorg en
verhoogde zorg
Zes aanbevelingen voor het basis- en secundair onderwijs
Iris Decabooter, Ariadne Warmoes, Maria Pas, Katrien Struyven,
Els Consuegra, Vicky Willegems, Jerich Faddar
In opdracht van
04
Leidraad Data-ondersteund werken
W EG WIJS
Tekstkaders
In de gekleurde tekstkaders vind je extra informatie.
De blauwe kaders vertellen je meer over wetenschappelijke
achtergronden, de informatie in de paarse kaders is
meer praktisch van aard.
05
IN H O U D
Voorwoord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 06
Aanbevelingen samengevat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 08
1. Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. Aanbevelingen
1. Kijk naar je klasgroep: gebruik data van breed naar smal . . . . . . . . . . . . . . 17
2. Analyseer het leerproces voor je conclusies trekt . . . . . . . . . . . . . . . . . . . . . . 23
3. Ga van kleine acties naar grote sprongen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4. Evalueer cyclisch en schakel onderbouwd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5. Focus op groeikansen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6. Ga samen aan de slag met data en benut elkaars expertise . . . . . . . . . . 51
Verklarende woordenlijst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Referenties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
06
Leidraad Data-ondersteund werken
Beste lezer
Welkom bij onze leidraad ‘Data-ondersteund
werken binnen de brede basiszorg en verhoogde
zorg’. In elke school wordt dagelijks een brede
waaier aan informatie verzameld: observaties,
toetsresultaten, evaluaties, klasgesprekken en
zorgdossiers. Wanneer je die gegevens gericht
analyseert en betekenisvol interpreteert, begrijp
je beter wat jouw leerlingen nodig hebben om
verder te groeien. Dat maakt het mogelijk om
doelgerichte keuzes te maken binnen zowel
brede basiszorg als verhoogde zorg.
Deze leidraad wil je ondersteunen om data te gebruiken
als middel en niet als doel op zich, met als bedoeling
kwaliteitsvolle zorg voor alle leerlingen te realiseren.
Op die manier versterk je onderwijs op maat, met hoge
verwachtingen en sterke resultaten voor iedereen. De
leidraad richt zich tot alle leerkrachten in het basis- en
secundair onderwijs, ongeacht de finaliteit.
Waarom leidraden?
Als kenniscentrum is het hoofddoel van Leerpunt om de
onderwijspraktijk te versterken via wetenschappelijke
inzichten. Een van de manieren waarop dit gebeurt,
is via ‘leidraden’. Dit zijn praktische gidsen die gefun
deerde aanbevelingen en bruikbare tips bieden voor
de klas- en schoolpraktijk. Ze richten zich op leraren,
schoolleiders, zorgcoördinatoren, pedagogisch begelei
ders, lerarenopleiders en andere onderwijsprofessionals
uit het basis- en secundair onderwijs.
Deze leidraad kadert binnen het project brede basis
zorg en verhoogde zorg en sluit aan bij één van de
geïdentificeerde noden die in het onderzoek naar ken
nishiaten binnen brede basiszorg en verhoogde zorg
werden blootgelegd. 1
Een leidraad is geen handboek waarin stap voor stap
staat beschreven hoe je als onderwijsprofessional te
werk moet gaan. In het onderwijs is er zelden of nooit
één zaligmakende aanpak die altijd in alle klassen en
voor alle leraren werkt. Verschillende situaties vragen
om verschillende werkwijzen. De leidraad kan inspire
ren, aanzetten tot reflectie en professionele gesprekken
binnen schoolteams. Zo stimuleert hij weloverwogen
keuzes in het ontwikkelen van klaspraktijken.
Leerpunt streeft er ook naar samenwerking tussen
onderwijsprofessionals te bevorderen, waarbij hun
professionele expertise vanuit verschillende rollen bij
draagt aan het verhogen van de onderwijskwaliteit. Een
diverse groep van onderwijsprofessionals was dan ook
betrokken bij het ontwerp van deze leidraad.
VO O R W O O R D
LEESTIP
Ontdek al onze leidraden
Leerpunt liet al leidraden ontwikkelen over verschillende thema’s die jouw
onderwijspraktijk kunnen versterken, waaronder:
y metacognitie en zelfregulerend leren
y effectieve feedback geven
y hoge verwachtingen
y hoe wetenschapslessen effectiever te maken
Leidraden Leerpunt
leerpunt.be
07
Waarom een leidraad over data-ondersteund
werken?
Het thema ‘datagestuurd werken’ was één van de 57
onderwerpen waarover onderwijsprofessionals aanga
ven meer informatie te willen hebben in het Leerpunt-
onderzoek rond kennishiaten binnen de brede basiszorg
en verhoogde zorg. Dit onderzoek werd uitgevoerd door
Karel de Grote Hogeschool en Universiteit Antwerpen
en gepubliceerd in 2025.
In totaal werden zes thema’s geselecteerd om de ken
nisbasis van te versterken: twee onderzoeksopdrachten
(redelijke aanpassingen, cognitief sterk-functionerende
leerlingen) en vier leidraden (naast data-ondersteund
werken ook rond groepsdynamiek en pesten, inclusie
en divergente differentiatie).
Hoe komt een leidraad tot stand?
Een leidraad wordt ontwikkeld in verschillende fases,
waarbij niet alleen onderzoekers maar ook onafhan
kelijke beoordelaars zijn betrokken. Het proces start
met de publicatie van een overheidsopdracht door
Leerpunt. Onafhankelijke organisaties worden uitgeno
digd om een voorstel in te dienen. Leerpunt ontwikkelt
de leidraden dus niet zelf.
Een onafhankelijke beoordelingscommissie evalueert
de voorstellen. De organisatie die het beste voorstel
indient en voldoet aan de kwaliteitscriteria, krijgt
de opdracht toegewezen. Voor de leidraad ‘Data-
ondersteund werken binnen de brede basiszorg en
verhoogde zorg’ waren dat de Universiteit Hasselt en
de Vrije Universiteit Brussel.
Het ontwikkelproces verschilt van leidraad tot leidraad.
Deze leidraad vloeit voort uit wetenschappelijk onder
zoek en is gecontextualiseerd naar de Vlaamse onder
wijscontext. De onderzoekers doen dit niet alleen: ze
beroepen zich op onderzoeks- en praktijkexperten ter
zake om zowel de relevantie en toegankelijkheid voor
Vlaamse onderwijsprofessionals als de wetenschappe
lijke kwaliteit te waarborgen.
Na afronding werd de leidraad voorgelegd aan zowel
de wetenschappelijke als de gebruikerscommissie
van Leerpunt, die finaal beslissen of deze voldoet aan
de kwaliteitscriteria van Leerpunt. Omwille van de
leesbaarheid wordt naar leraren en leerlingen verwezen
met de hij-vorm.
Veel lees- en leerplezier!
Team Leerpunt
Kennishiaten in BBZ en VZ
leerpunt.be
LEESTIP
Onderzoek ‘kennishiaten in brede basiszorg
en verhoogde zorg’
Het onderzoek had als doel alle kennistekorten én kennisnoden over brede
basiszorg en verhoogde zorg bij onderwijsprofessionals in kaart te brengen.
Hoewel er een groeiende kennisbasis is, blijft de vraag welke inzichten
daadwerkelijk doordringen tot de praktijk en waar nog lacunes bestaan.
“Leidraden leiden onderwijsprofessionals via
onderbouwde aanbevelingen naar praktische tips
en aanpakken voor de klaspraktijk.”
08
Leidraad Data-ondersteund werken
De zes aanbevelingen zijn opgebouwd rond de thema’s
kijken, analyseren, handelen, beslissen, professionele
houding en samenwerken. Deze aanbevelingen sluiten
aan bij het model ‘Evidence-informed werken in het
onderwijs’ en ondersteunen onderwijsprofessionals om
doelgericht en betekenisvol met data aan de slag te gaan.
De aanbevelingen helpen leraren, pedagogisch begelei
ders, lerarenopleiders en andere onderwijsprofessionals
om data-ondersteund het beste uit al hun leerlingen
te halen. Hieronder vind je een beknopte samenvatting
van deze aanbevelingen.
1
Kijk naar je klasgroep: gebruik data
van breed naar smal
y Een trechteraanpak zorgt voor efficiënter en zorg
vuldiger handelen binnen zowel brede basiszorg als
verhoogde zorg. Je vertrekt vanuit klasbrede data om
te identificeren welke onderwijsbehoeften er zijn in
de klasgroep. Op basis van screening, observaties en
andere algemene gegevens krijg je zicht op patronen,
behoeften en mogelijke risico’s binnen de hele groep.
Pas daarna zoom je verder in op data van specifieke
leerlingen en/of leerdoelen.
y Gebruik deze brede dataverzameling uitsluitend
om te signaleren, niet om oorzaken te verklaren of
leerlingen te categoriseren.
y Laat klasdata richting geven aan welke leerlingen
en/of leerdoelen verdere aandacht vragen.
y Verfijn pas daarna de dataverzameling door gericht
in te zoomen op specifieke leerlingen
en/of leerdoelen.
→Lees hierover meer op pagina 17
2
Analyseer het leerproces voor
je conclusies trekt
y Baseer beslissingen niet op één datapunt, maar com
bineer verschillende bronnen over tijd en context
heen om een genuanceerd beeld te krijgen.
y Analyseer het leerproces van leerlingen om te
begrijpen waar ze staan: welke denkstappen al
beheerst zijn, waar het proces vastloopt en waar
verdere groei mogelijk is.
y Maak het denkproces van leerlingen zichtbaar via
korte observaties of hardop-denkactiviteiten, zodat
je kan ontdekken waar in het proces ondersteuning
nodig is of waar een leerling klaar is voor een vol
gende stap.
y Beschouw verklaringen steeds als mogelijke inter
pretaties die je toetst, niet als vaststaande conclu
sies of labels.
→Lees hierover meer op pagina 23
A A N B E V ELING EN S A M EN G E VAT
Bij deze leidraad horen ook fiches die data-ondersteund
werken in de klas ondersteunen. Zo zijn er infofiches,
een observatiefiche, een beslissingsboom en een docu
ment om het datagesprek met je collega’s te ondersteu
nen. Deze aanvullende materialen kan je downloaden op
onze website via leerpunt.be/leidraden.
09
3
Ga van kleine acties naar grote
sprongen
y Formuleer concrete en haalbare doelen die aanslui
ten bij de analyse van het leerproces, in plaats van
brede of vage doelstellingen.
y Splits leerdoelen op in kleine, observeerbare stap
pen die binnen korte tijd opvolgbaar zijn.
y Kies gerichte acties die precies aansluiten bij wat de
leerling nodig heeft om de volgende stap te zetten.
y Door klein te werken, wordt groei zichtbaar, blijft
ondersteuning haalbaar binnen de klaspraktijk
en ontstaat er ruimte voor gerichte feedback en
bijsturing.
→Lees hierover meer op pagina 31
4
Evalueer cyclisch en schakel
onderbouwd binnen het
zorgcontinuüm
y Beschouw evaluatie als een vast onderdeel van
handelen, niet als een afsluitend moment.
y Ga na of de vooropgestelde doelen bereikt zijn door
verschillende databronnen te gebruiken.
y Gebruik data expliciet om te beslissen of ondersteu
ning wordt voortgezet, aangepast, geïntensiveerd of
afgebouwd.
y Cyclisch evalueren voorkomt dat ondersteuning
vrijblijvend wordt en versterkt doelgericht werken
binnen brede basiszorg en verhoogde zorg.
→Lees hierover meer op pagina 35
Aanbevelingen samengevat
5
Focus op
groeikansen
y Vertrek vanuit hoge, realistische verwachtingen en
ga ervan uit dat elke leerling kan groeien. Deze kijk
versterkt de brede basiszorg en verhoogde zorg en
voorkomt snelle, eenzijdige conclusies.
y Richt je op wat een leerling al beheerst en welke
volgende stap haalbaar is.
y Vervang labels en aannames door observeerbaar
gedrag dat richting geeft aan handelen.
y Focus op factoren waarop jij en je collega’s
invloed hebben, zoals instructie, oefenkansen en
ondersteuning.
→Lees hierover meer op pagina 43
6
Ga samen aan de slag met data en
benut elkaars expertise
y Zorg voor een teamgerichte benadering: maak
samen gebruik van data binnen een team- of
zorgoverleg.
y Maak zichtbaar waarover jullie spreken door data te
delen en samen te interpreteren.
y Combineer perspectieven door bijvoorbeeld leerlin
gen, collega’s, zorgcoördinatoren, leerlingbegeleiders
en, waar nodig, externe partners te betrekken. Dit
verdiept interpretaties en verkleint blinde vlekken.
y Verhoog de kwaliteit, consistentie en draagvlak van
zorgbeslissingen door deze samenwerking.
→Lees hierover meer op pagina 51
10
Leidraad Data-ondersteund werken
11
Inleiding
In kwaliteitsvol onderwijs streven schoolteams ernaar
om alle leerlingen maximale leerkansen te bieden.
Om dat te realiseren is het noodzakelijk om onder
wijsbehoeften vroegtijdig te herkennen, gepast te
handelen en effecten kritisch op te volgen. Dit gebeurt
in Vlaanderen binnen het zorgcontinuüm, dat onder
steuning stapsgewijs organiseert: eerst versterken wat
binnen de brede basiszorg (BBZ) mogelijk is en pas
intensiveren wanneer nodig via verhoogde zorg (VZ).
Data-ondersteund werken kan hierbij een krachtige
hefboom zijn. Het vertrekt vanuit het principe dat
beslissingen in de klas- en zorgpraktijk onderbouwd
worden met gegevens over de klas, de leerlingen en
hun leerproces. Deze informatie wordt steeds gecom
bineerd met de praktijkkennis van onderwijsprofes
sionals op de klasvloer en wetenschappelijke kennis.2
Daarnaast worden beslissingen niet individueel geno
men, maar in overleg binnen de schoolteams.3
Deze leidraad biedt handvatten om data op een door
dachte manier in te zetten binnen het zorgcontinuüm,
zonder je eigen professionele autonomie te ondermij
nen. Het document ondersteunt je om via een cyclische
en praktijkgerichte aanpak groeikansen te vergroten,
zowel binnen BBZ als in VZ.
1.1. Het zorgcontinuüm
Het zorgcontinuüm vormt in Vlaanderen een toonaan
gevend model voor het organiseren van leerlingbege
leiding binnen het basis- en secundair onderwijs. Het
beoogt dat elke leerling maximale ontwikkelingskansen
krijgt binnen het regulier onderwijs en beschrijft hoe
scholen stapsgewijs en doelgericht ondersteuning
kunnen bieden, te beginnen met een basisaanbod dat
voor alle leerlingen geldt, maar uitgebreider is voor
leerlingen die meer behoefte hebben aan bijkomende
ondersteuning. (Zie figuur 1)
1. Inleiding
Binnen dit kader worden twee hoofdvormen onder
scheiden: brede basiszorg en verhoogde zorg.
Brede basiszorg omvat alle maatregelen die voor alle
leerlingen worden aangeboden binnen een kwali
teitsvolle, inclusieve leeromgeving. Ze bestaat uit
krachtige instructie, differentiatie, doelgerichte acties,
een positief leer- en klasklimaat en het versterken
van welbevinden en betrokkenheid van de leerlingen
in de klas. BBZ heeft tevens een preventief karakter.
Door tijdig in te spelen op uiteenlopende onderwijs- en
ondersteuningsbehoeften, zoals moeilijkheden met
leren, faalangst, stress, desinteresse of een behoefte
aan extra uitdaging, krijgen leerlingen meer kansen
tot groeien. Door daarnaast beschermende factoren
zoals doorzettingsvermogen en zelfvertrouwen te ver
sterken, kan worden voorkomen dat leerlingen later in
hun schoolloopbaan nood hebben aan een intensiever
zorgtraject. BBZ vertrekt vanuit de overtuiging dat een
sterk basisaanbod de belangrijkste vorm van zorg is:
leren staat centraal en zorg voor iedereen is ingebed in
de dagelijkse klaspraktijk.4
Figuur 1. Het zorgcontinuüm 11
Verhoogde zorg
Fase 1
Uitbreiding
van zorg
Fase 2
IAC/
OV4
Fase 3
Brede basiszorg
Fase 0
Visie en beleid op
leerlingenbegeleiding
12
Leidraad Data-ondersteund werken
Wanneer dit basisaanbod, geëvalueerd aan de hand
van vooraf afgesproken doelen en criteria, onvoldoende
vooruitgang oplevert, wordt de verhoogde zorg inge
schakeld. In deze fase wordt de ondersteuning inten
siever en (doel)gerichter. Een analyse brengt in kaart
wat leerlingen nodig hebben en welke factoren bij de
leerling en de leeromgeving het leren ondersteunen of
belemmeren. In deze fase wordt de aanpak gekozen en
de voortgang cyclisch en systematisch gemonitord. VZ
wordt bij voorkeur georganiseerd in samenwerking met
de leerling, zijn ouders, het zorgteam en het school
team. De ondersteuning wordt zoveel mogelijk ingebed
in de reguliere klascontext, zodat de leerling (maximaal)
het gemeenschappelijk curriculum kan volgen.5
Indien VZ, na evaluatie op basis van vooraf vastgelegde
doelen en criteria, onvoldoende effect heeft of wanneer
de ondersteuningsvraag complex blijkt, kan het traject
worden opgeschaald naar uitbreiding van zorg. Deze
opschaling gebeurt in samenwerking met externe
partners, zoals het Centrum voor Leerlingenbegeleiding
(CLB), het Leersteuncentrum of andere gespeciali
seerde diensten. Dit kan leiden tot bijkomende diag
nostiek en/of meer geïndividualiseerde ondersteuning,
die de meest intensieve vorm van zorg binnen het
continuüm vertegenwoordigt. Ook in deze fase blijft
het belangrijk te kiezen voor een aanpak die leerlingen
maximaal laat participeren in een zo inclusief mogelijke
leeromgeving.
Het zorgcontinuüm is geen lineair stappenplan dat
je van begin tot eind doorloopt, maar een flexibel en
dynamisch model waarin leerlingen op- of afschalen
naargelang hun onderwijsbehoeften. Teams maken
die keuzes op basis van duidelijke doelen, de onder
wijsbehoeften van de leerling en de effecten van de
ondersteuning die al werd ingezet. Leerlingen kunnen
dus in de loop van de tijd tussen de verschillende lagen
van het zorgcontinuüm bewegen, afhankelijk van hun
ontwikkeling en veranderende behoeften. De focus blijft
daarbij steeds gericht op wat een leerling nodig heeft
om verder te ontwikkelen binnen een zo inclusief moge
lijke leeromgeving.6
1.2. Data-ondersteund werken
Binnen deze leidraad wordt de term ‘data’ breed opge
vat. Het gaat niet enkel om toetsresultaten of cijfers,
maar om alle informatie die zicht geeft op het leren en
functioneren van leerlingen, waaronder bijvoorbeeld
observaties, taken, klasgesprekken en feedback. ‘Data’
sluit daarmee aan bij bestaande praktijken van leraren.
Het verschil zit niet zozeer in de aard van de informatie,
maar in de manier waarop deze informatie bewust,
systematisch en doelgericht wordt gebruikt om het
onderwijs af te stemmen op de onderwijsbehoeften van
leerlingen.7
Data-ondersteund werken houdt in dat onderwijspro
fessionals systematisch verschillende soorten data
verzamelen, interpreteren en benutten om het onder
wijs doelgericht vorm te geven.8 Door deze informatie te
analyseren en te combineren met professionele prak
tijkkennis en ervaring, kunnen zij beter inschatten wat
leerlingen nodig hebben en welke acties aangewezen
zijn.
Binnen de brede basiszorg en verhoogde zorg wordt
data ingezet om na te gaan in welke mate leerlingen
de vooropgestelde onderwijsdoelen bereiken, waar
bijsturing nodig is en welke interventies effect hebben.9
Data-ondersteund werken is daarbij geen doel op zich,
maar een middel om tot onderbouwde beslissingen en
gerichte ondersteuning te komen. Het maakt deel uit
van een breder model voor evidence-informed onder
wijs waarin onderwijsprofessionals doelen evalueren,
interventies ontwerpen, effecten opvolgen en succes
volle aanpakken verankeren in hun dagelijkse praktijk.
Inclusieve onderwijs
praktijk
leerpunt.be
LEESTIP
Een inclusieve leeromgeving ontwikkelen
Voor een uitgebreide toelichting op brede basiszorg en verhoogde zorg
en het onderliggende zorgcontinuüm verwijzen we naar de leidraad van
Leerpunt ‘Inclusieve onderwijspraktijk’ met vijf aanbevelingen voor brede
basiszorg en verhoogde zorg in het basis-, en secundair onderwijs.12
13
Inleiding
Data-ondersteund werken helpt daarbij niet alleen om
bestaande leernoden bij te sturen, maar biedt ook kan
sen om onderwijsbehoeften vroegtijdig te signaleren en
preventief te handelen.
Data-ondersteund werken speelt zich niet enkel af op
school- of zorgniveau, maar in de eerste plaats in de
dagelijkse klaspraktijk. Leraren gebruiken voortdu
rend informatie om hun instructie, ondersteuning en
differentiatie bij te sturen, vaak zonder dit expliciet als
‘datagebruik’ te benoemen. Deze leidraad vertrekt dan
ook expliciet vanuit het klasniveau. Data wordt ingezet
als middel om het leerproces beter te begrijpen. Door
zicht te krijgen op wat leerlingen al beheersen en
welke onderwijsbehoeften er nog zijn, kan je bepalen
welke aanpak de beste is. Op die manier ondersteunt
data-ondersteund werken leraren in het maken van
doordachte en doelgerichte keuzes in hun klaspraktijk.
Ethisch datagebruik
Verantwoord data-ondersteund werken vraagt niet
alleen aandacht voor wat we met data doen, maar
ook voor hoe we met leerlinggegevens omgaan. Dat
betekent bewust omgaan met vragen als: wie heeft
toegang tot welke gegevens, hoe worden ze bewaard en
gedeeld, en welke afspraken gelden schoolbreed en ook
in de klas?
Sinds eind mei 2018 geldt in heel Europa de Algemene
Verordening Gegevensbescherming (AVG), ook voor
onderwijsinstellingen. Scholen zijn verplicht om
duidelijke afspraken te maken over het gebruik van
gegevens: wie toegang heeft, hoe lang informatie
wordt bewaard en hoe wordt omgegaan met mogelijke
datalekken. Onderwijskoepels ondersteunen scholen bij
het uitwerken van deze afspraken. Omdat regelgeving
en richtlijnen mee evolueren met maatschappelijke
ontwikkelingen, verwijzen we voor actuele informatie
naar ikbeslis.be. Toch zijn er enkele richtinggevende
basisprincipes:
y Gebruik niet meer gegevens dan nodig
Verzamel en gebruik persoonsgegevens uitsluitend
wanneer ze functioneel zijn voor je pedagogische
opdracht, bijvoorbeeld voor begeleiding, evaluatie
of communicatie met ouders. Overbodige of gevoe
lige informatie wordt niet genoteerd of gedeeld.
Gegevens bespreek je enkel met collega’s die hier
professioneel bij betrokken zijn.
y Wees transparant en vraag toestemming waar nodig
Leerlingen en ouders hebben het recht te weten
welke gegevens worden gebruikt, met welk doel en
voor welke duur. Als onderwijsprofessional communi
ceer je daar helder over. Ga na of de school de nodige
toestemming heeft en respecteer die keuzes zonder
gevolgen voor de leerling. Wanneer je data gebruikt
om het leerproces te ondersteunen en de onder
wijskwaliteit te bewaken, hoef je als school daarvoor
geen expliciete toestemming te vragen. Het is aange
raden om dit op te nemen in het schoolregelement,
zodat leerlingen en ouders vooraf geïnformeerd zijn.
y Bescherm gegevens, digitaal én fysiek
Deel leerlinggegevens enkel via de afgesproken,
beveiligde kanalen van de school. Vermijd privé-
e-mailadressen of persoonlijke berichtenapps. Ga
ook zorgvuldig om met papieren documenten en
mondelinge informatie: dossiers worden veilig opge
borgen en gesprekken over individuele leerlingen
horen niet thuis in publieke ruimtes.
Privacy beschermen is geen eenmalige actie, maar een
professionele houding. Door bewust om te gaan met
informatie, kritisch te zijn bij het delen van gegevens en
elkaar hierin aan te spreken, wordt ethisch datagebruik
een vanzelfsprekend onderdeel van kwaliteitsvol
onderwijs.
14
Leidraad Data-ondersteund werken
1.3. Data inzetten in een cyclisch proces
binnen het zorgcontinuüm
Om binnen het zorgcontinuüm doordachte beslissin
gen te nemen over wat leerlingen nodig hebben om te
leren en te groeien, werk je stapsgewijs en doelgericht.
Je vertrekt vanuit BBZ en verfijnt waar nodig naar
VZ. Dat vraagt een cyclisch proces van onderzoeken,
plannen, handelen en bijsturen. Het doorlopen van het
zorgcontinuüm omvat onder meer het signaleren van
onderwijsbehoeften, het begrijpen van de situatie via
analyse, het formuleren van doelen en interventies, de
uitvoering van acties en de evaluatie van effecten. Data
spelen in elke fase een ondersteunende rol, zoals bij:
y signaleren (bv. observaties, screenings);
y analyseren (bv. interpretatie van resultaten, gesprek
ken met ouders of leerling);
y plannen (bv. haalbare doelstellingen formuleren);
y opvolgen (bv. evaluatie en reflectie).
Door deze data systematisch te verzamelen en te
gebruiken en vergelijken met data uit andere bronnen
(triangulatie), ontstaat een onderbouwde basis voor
beslissingen binnen het zorgproces.
Deze cyclische manier van werken binnen het zorg
continuüm sluit aan bij evidence-informed onderwijs,
waarin onderwijsprofessionals beslissingen nemen op
basis van drie vormen van evidentie: data, praktijkken
nis en wetenschappelijke inzichten.10 (Zie figuur 2)
Het model voor evidence-informed onderwijs beschrijft
een cyclisch proces in zeven fasen. Belangrijke elemen
ten uit kwaliteitsvolle ondersteuning zijn daarbij onder
andere dat teams systematisch
1
de context en beginsituatie analyseren;
2
doelen formuleren;
3
informatie uit meerdere bronnen verzamelen en
combineren (triangulatie);
4
hypothesen formuleren;
5
onderbouwde acties ontwerpen en uitvoeren;
6
effecten van die acties opvolgen, evalueren en
bijsturen;
7
succesvolle aanpakken borgen en delen.
Deze leidraad zoomt vooral in op één van de drie
bronnen binnen het model voor evidence-informed
onderwijs: data. Contextspecifiek verzamelde data
uit de eigen praktijk dragen rechtstreeks bij tot het
begrijpen van concrete onderwijsbehoeften, acties te
plannen en effecten op te volgen binnen BBZ en VZ.
Data uit de praktijk staan nooit op zichzelf en krijgen
pas betekenis wanneer ze worden geïnterpreteerd in
samenhang met praktijkkennis en wetenschappelijke
kennis. Data-ondersteund werken is dus geen aparte
werkwijze naast evidence-informed onderwijs, maar
een essentieel onderdeel ervan: het concretiseert hoe
je data systematisch kan inzetten binnen een breder,
onderbouwd kader.
Zoals eerder beschreven, is het zorgcontinuüm geen
lineair traject. Daarom is het nodig om de ondersteu
ning aan te passen, op te schalen of terug te schakelen
naargelang het effect van eerdere stappen. Data-
ondersteund werken helpt teams om zorgbeslissingen
te onderbouwen, samen te bespreken en tijdig bij te
sturen. Het zorgcontinuüm biedt in de eerste plaats een
structuur om ondersteuning stapsgewijs te organise
ren. Door data systematisch te gebruiken binnen die
structuur, wordt het ook een hulpmiddel om beslissin
gen te onderbouwen en bij te sturen. Het schoolteam
kan zo samen bespreken welke ondersteuning nodig is,
op basis van concrete gegevens over het leerproces van
de leerling.
Onderzoeks-
vragen
en doelen
Informatie-
verzameling en
interpretatie
Plan en
ontwerp
Implementatie
en feedback-
lussen
Evaluatie
en reflectie
Kennisdeling
en borging
Contextanalyse
en probleem-
definiëring
Leerling
School
Leerkracht
Praktijk-
kennis
Data
Weten-
schappelijke
kennis
Evidence-
informed
onderwijs
Figuur 2. Model voor evidence-informed onderwijs 13
15
Inleiding
Evidence-informed handelingsgericht werken
Handelingsgericht werken (HGW) 14 vormt in Vlaanderen
een vertrouwd praktijkkader om onderwijs- en zorgbe
slissingen planmatig vorm te geven. Het beschrijft hoe
onderwijsprofessionals stapsgewijs waarnemen, begrij
pen, plannen en realiseren.
De evidence-informed cyclus 15 vertrekt vanuit een
ander perspectief. Deze cyclus is geen vervanging
of verfijning van HGW, maar een onderliggend rede
neermodel dat verschillende cyclische kaders kan
voeden. Evidence-informed werken maakt expliciet op
basis waarvan beslissingen worden genomen: via een
bewuste triangulatie van data, praktijkkennis en weten
schappelijke kennis.
In die zin kan evidence-informed werken worden
gezien als de ‘brandstof’ voor cyclische werkvormen
zoals HGW: het helpt onderwijsprofessionals om in elke
stap van de cyclus bewuster onderbouwde keuzes te
maken, op basis van data, praktijkervaring en weten
schappelijke inzichten. Het biedt een expliciet kader dat
helpt om een soortgelijke cyclus inhoudelijk sterker te
onderbouwen.
Waar HGW de grote stappen van waarnemen, begrij
pen, plannen en uitvoeren beschrijft, splitst de
evidence-informed benadering deze verder uit in zeven
fasen. (Zie figuur 3)
Evidence-informed werken versterkt zo het handelings
gerichte kader zonder het te vervangen. Het maakt
zichtbaar waarop beslissingen steunen en helpt teams
om cyclisch te werken vanuit een expliciet en gedeeld
redeneermodel.
In deze leidraad staat een handelingsgerichte
benadering centraal. Deze benadering sluit aan bij
handelingsplanmatig werken (HPW), waarin dit proces
systematisch wordt opgebouwd in verschillende fasen,
zoals beginsituatiebepaling, doelenselectie, uitvoering
en evaluatie. 16 Binnen deze leidraad ligt de nadruk op
het denken en handelen zelf in de klaspraktijk. Het for
maliseren van dit proces in plannen of documenten kan
daarbij ondersteunend zijn, maar is geen doel op zich.
LEESTIP
Procesmatig evidence-informed werken
Wil je graag meer informatie over de zeven fasen? Dan kan je terecht
op de website van Leerpunt, via evidence-informed onderwijs.
Zeven fases van evidence-
informed werken
leerpunt.be
Figuur 3. HGW-model 17 versus procesmatig evidence-
informed werken
Waarnemen
Uitvoeren
Begrijpen
Plannen
HGW-MODEL
EVIDENCE-INFORMED WERKEN
Waarnemen
Fase 1: Beginsituatie en noden in kaart brengen
Fase 2: Formuleren onderzoekvragen
Begrijpen
Fase 3: Verzamelen en interpreteren van info
Plannen
Fase 4: Ontwerpen van gerichte acties
Fase 5: Implementatie en feedbacklussen
Uitvoeren
Fase 6: Evalueren en refecteren
Fase 7: Delen en borgen van dit werk
16
Leidraad Data-ondersteund werken
2. Aanbevelingen
TIP
Aan de slag met deze aanbeveling
Download via onze website de infofiche die hoort
bij deze aanbeveling of het sjabloon dat jou van data
naar gerichte actie brengt. Bekijk ook de beslissings
boom die helpt bij de schakeling tussen basiszorg en
verhoogde zorg.
leerpunt.be/leidraden/data-ondersteund-werken
17
Aanbeveling 1: Kijk naar je klasgroep: gebruik data van breed naar smal
Binnen een evidence-informed proces vormt het ver
kennen van de beginsituatie op klasniveau een eerste
cruciale stap. Analyseren van de beschikbare data kan
bredere patronen in het leren en andere aandachts
punten binnen de groep aan het licht brengen. Dit
helpt om na te gaan in welke mate onderwijsbehoeften
of -uitdagingen samenhangen met het aanbod, de
instructie of het oefenmoment, en niet uitsluitend met
individuele leerlingen. Vanuit dit bredere beeld kan
vervolgens gerichter ingezoomd worden op specifieke
leerlingen of leerdoelen. Onderzoek toont aan dat het
analyseren van klasbrede patronen essentieel is om een
onderscheid te maken tussen individuele onderwijs
behoeften en factoren die verbonden zijn aan de onder
wijscontext.18 Dit voorkomt dat je te snel individuele
verklaringen zoekt voor wat mogelijk een bredere leer-
of instructievraag is. Deze manier van werken helpt
om ondersteuning systematisch op te bouwen, eerst
binnen de brede basiszorg en pas te verdiepen wanneer
dat nodig is. Data fungeren daarbij als richtinggevend
hulpmiddel om gefaseerd, doelgericht en onderbouwd
te handelen binnen het zorgcontinuüm.
Aanbeveling 1
Kijk naar je klasgroep:
gebruik data van breed naar smal
1. Van brede dataverzameling naar
gerichte dataverdieping
Data-ondersteund werken binnen BBZ en VZ start met
een brede dataverzameling waarbij je de beginsituatie
in kaart brengt. Dit houdt in dat je data verzamelt rond
een leerdoel over de volledige klasgroep. Wanneer
de klasbrede data vragen oproepen over de onder
wijsbehoeften bij bepaalde leerlingen, kan je meer
gericht data verzamelen om inzicht te krijgen in deze
behoeften.19
Dit principe kan worden voorgesteld als een trechter.
De dataverzameling wordt daarbij stapsgewijs gerich
ter.20 Eerst worden gegevens verzameld op klasniveau
om zicht te krijgen op het leren van alle leerlingen.
Vervolgens wordt, waar nodig, verdiepende data verza
meld om de onderwijsbehoeften van specifieke leerlin
gen beter te begrijpen. (Zie figuur 4)
Binnen het zorgcontinuüm ondersteunt dit trechter
principe een doordachte en proportionele inzet van
middelen en inspanningen door het onderwijsteam.
Dat helpt te voorkomen dat onderwijsprofessionals te
snel focussen op individuele verklaringen en helpt om
beslissingen te baseren op een samenhangend en vol
ledig beeld van het leerproces.21
Figuur 4. Het trechterprincipe van data-ondersteund
werken binnen BBZ en VZ
Brede dataverzameling op klasniveau
Doel: Inzicht krijgen over het leren van alle leerlingen
Verdiepende data verzamelen bij specifieke leerlingen
Doel: leernoden beter begrijpen
18
Leidraad Data-ondersteund werken
2. Eerst breed kijken:
beginsituatieanalyse
De eerste stap in de trechter is het verzamelen van
data bij alle leerlingen. Dat gebeurt via een grondige
analyse van de beginsituatie vanuit een bepaald doel.
Een beginsituatieanalyse vervult een essentiële functie
binnen data-ondersteund werken, omdat ze toelaat om
vroegtijdig aandachtspunten te detecteren, zonder
meteen uitspraken te doen over oorzaken, verklaringen
of diagnoses.22 Dergelijke beginsituatieanalyses hebben
vooral een signalerende functie en dienen als startpunt
voor verdere, meer gerichte analyse, eerder dan als
basis voor diagnostische conclusies.23
Een beginsituatieanalyse betekent nagaan welke leer
lingen baat hebben bij het basisaanbod en in welke
mate dat aanbod aansluit bij hun onderwijsbehoeften.
Tegelijkertijd biedt ze de mogelijkheid om leerlingen
te identificeren die extra ondersteuning nodig heb
ben maar ook leerlingen die gebaat zijn bij meer
uitdaging.24 Om deze brede blik te realiseren, kan je
gebruikmaken van verschillende informatiebronnen,
zoals klasobservaties, analyses van leerlingenwerk en
screenings.25
Screening als onderdeel van de beginsituatieanalyse
Een screening is een hulpmiddel binnen de begin
situatieanalyse: een korte, gestandaardiseerde meting
(bijvoorbeeld een toets of peiling) die een algemeen
beeld geeft van de klasgroep. Een screening helpt om
snel patronen en verschillen zichtbaar te maken en
richting te geven aan verdere vragen, maar biedt op
zichzelf geen verklaringen voor het leerproces van indi
viduele leerlingen.27 Het heeft vooral een signaalfunctie:
welke leerlingen hebben nood aan extra ondersteuning
en welke leerlingen aan meer verdieping?
Onderzoek naar screeningpraktijken binnen data-
ondersteund werken benadrukt dat screening vooral
bedoeld is als startpunt voor verder handelen, niet als
instrument om leerlingen te labelen of te selecteren.
Beslissingen die uitsluitend gebaseerd zijn op één data
punt zijn minder accuraat dan beslissingen die meer
dere databronnen combineren.28
De onderstaande tabel vat de belangrijkste kenmerken
van effectieve screening samen en illustreert hoe die er
in de klaspraktijk kunnen uitzien.
KENMERK
TOELICHTING
VOORBEELD UIT DE PRAKTIJK
Gericht op
kernvaardigheden
Screening focust op essentiële leer
doelen die nodig zijn om verder te
leren, niet op brede of samengestelde
competenties
Alle leerlingen lezen 1 minuut hardop uit
een gekende tekst om leesvloeiendheid
in kaart te brengen
Efficiënt en haalbaar
Screening kan binnen de klaspraktijk
georganiseerd worden zonder extra
belasting of aparte testmomenten
De leerkracht gebruikt een korte reken
toets aan het einde van de les om te
peilen naar het automatiseren van tafels
Klasbreed afgenomen
Screening wordt afgenomen bij alle
leerlingen, niet enkel bij wie al opvalt
De hele klas maakt dezelfde korte
schrijfopdracht, zodat patronen zicht
baar worden
Startpunt voor
handelen
Resultaten van een screening dienen
om instructie en differentiatie bij te
sturen, niet om leerlingen te labelen of
te selecteren
Na de screening herhaalt de leerkracht
een instructiestap voor de hele klas
omdat meerdere leerlingen vastlopen
Ondersteunt BBZ
Screening helpt om klasbrede noden
te detecteren en het basisaanbod te
versterken vóór individuele trajecten
worden overwogen
De leerkracht past het oefenmoment
aan voor de hele klas op basis van de
screeningresultaten
19
Aanbeveling 1: Kijk naar je klasgroep: gebruik data van breed naar smal
3. Van breed naar gericht:
verdiepen wanneer nodig
Wanneer klasbrede data aangeven dat sommige leer
lingen een leerdoel nog niet bereikt hebben, volgt een
gerichte dataverdieping. De focus verschuift dan van
de vraag “Wie behaalt het doel niet?” naar “Wat zien we
precies bij deze leerlingen en welke bijkomende infor
matie hebben we nodig om hun leren beter te begrij
pen?”. Het gaat dan onder meer om gerichte observa
ties, analyse van het werk van individuele leerlingen,
signalen van ouders en diagnostische analyse. Op basis
van de analyse van de onderwijsbehoeften, kunnen
gerichte acties ondernomen worden.
Onderzoek benadrukt dat grondige analyse van het
leerproces noodzakelijk is om passende instructie- en
interventiebeslissingen te kunnen nemen.26
Klasbrede data gebruiken
om het basisaanbod te versterken
in wiskunde
In een tweede jaar secundair onderwijs start de
leraar wiskunde een nieuwe lesreeks rond lineaire
functies. Voor de start van het hoofdstuk neemt
hij een korte, klasbrede instapopdracht af waarin
leerlingen enkele basisvaardigheden toepassen,
zoals het lezen van grafieken en het herkennen
van verbanden tussen twee variabelen.
De analyse van deze beginsituatiegegevens toont
geen grote moeilijkheden: het merendeel van de
leerlingen beheerst de basisvaardigheden vol
doende. In plaats van te wachten tot deze moei
lijkheid zich later manifesteert in fouten of lagere
toetsresultaten, gebruikt de leraar deze informatie
om zijn instructie vooraf bij te sturen binnen de
brede basiszorg. Hij beslist om:
y expliciet te modelleren hoe je een grafiek ver
taalt naar een formule;
y denkstappen hardop te verwoorden tijdens de
instructie;
y leerlingen eerst samen te laten oefenen op het
verwoorden van verbanden, vóór ze individueel
aan de slag gaan.
Tijdens de daaropvolgende lessen observeert hij
via korte klasgesprekken en gerichte vragen of
leerlingen deze denkstappen oppikken. Hij merkt
dat leerlingen sneller en correcter verbanden for
muleren en minder vaak vastlopen bij oefeningen
waarin meerdere representaties gecombineerd
worden.
In dit voorbeeld wordt data niet gebruikt om een
probleem te detecteren, maar om het basisaanbod
doelgericht te versterken. Door klasbrede infor
matie vooraf te benutten, kan de leraar preventief
inspelen op mogelijke struikelblokken en blijft de
ondersteuning volledig binnen de brede basiszorg.
20
Leidraad Data-ondersteund werken
Wat leren we uit onderzoek naar screening en voortgangsmonitoring in 41 scholen? 29
In 41 scholen werd onderzocht hoe onderwijsprofessio
nals data gebruiken binnen het zorgcontinuüm.
Dit leverde belangrijke inzichten op:
y Screening werkt als startpunt, niet als eindpunt
Scholen gebruiken screening om risico’s te signale
ren, niet om diagnoses te stellen. Screening dient om
te bepalen waar verder moet worden gekeken, niet
om vast te leggen wat er precies aan de hand is.
(Zie ook kaderstuk ‘Screening als onderdeel van de begin
situatieanalyse’)
y Combinatie van screening en voortgangsmonitoring
is cruciaal
Scholen die screening combineren met korte opvol
gingsmomenten gedurende meerdere weken, kunnen
beter inschatten welke leerlingen extra ondersteu
ning nodig hebben en welke leerlingen voldoende
profiteren van het basisaanbod.
y Eerst versterken wat voor iedereen werkt
In veel scholen leidt screening tot aanpassingen in
instructie of klasorganisatie, nog vóór individuele
zorg wordt overwogen. Dit versterkt brede basiszorg
en vermindert de nood aan intensieve ondersteuning.
y Zorgvuldiger beslissen over verhoogde zorg
Door data gedurende een langere periode te verza
melen, nemen scholen minder beslissingen op basis
van één meetmoment. Verhoogde zorg wordt pas
ingezet wanneer meerdere databronnen aantonen
dat eerdere acties onvoldoende effect hebben.
Wat betekent dit voor de praktijk?
Het onderzoek toont aan dat werken van breed naar
smal niet alleen efficiënter is, maar ook leidt tot zorg
vuldiger en beter onderbouwde zorgbeslissingen. Data
helpen om eerst het onderwijs te versterken en pas
daarna te verdiepen waar dat nodig is.
Evidence-based reasoning
Data-ondersteund werken vraagt niet alleen het verza
melen van informatie, maar ook een doordachte manier
van redeneren over die informatie. In de literatuur
wordt dit beschreven als evidence-based reasoning:
een systematisch proces waarbij onderwijsprofessionals
op basis van verschillende bronnen van evidentie tot
onderbouwde beslissingen komen.30
Dit proces omvat meerdere stappen: het signaleren van
aandachtspunten, het verzamelen van relevante gege
vens, het interpreteren van deze informatie en het for
muleren van mogelijke verklaringen en vervolgstappen.
Daarbij wordt niet één datapunt centraal gesteld,
maar wordt informatie uit verschillende bronnen (zoals
observaties, leerlingwerk, toetsen en gesprekken)
gecombineerd en kritisch bekeken.
Onderzoek toont aan dat het expliciet doorlopen van
deze redeneerstappen helpt om te vermijden dat
onderwijsprofessionals te snel conclusies trekken op
basis van eerste indrukken of beperkte informatie.
Het ondersteunt een meer zorgvuldige en gefaseerde
besluitvorming, waarbij hypothesen worden getoetst en
bijgesteld op basis van bijkomende data.
Binnen deze leidraad sluit evidence-based reasoning
nauw aan bij het werken van breed naar smal: brede
dataverzameling helpt om relevante vragen te formu
leren, terwijl gerichte dataverdieping nodig is om het
leerproces beter te begrijpen en passende acties te
bepalen.
21
Aanbeveling 1: Kijk naar je klasgroep: gebruik data van breed naar smal
In deze fase gaat het niet meteen om intensiveren of
opschalen van de ondersteuning, maar om beter begrij
pen. Je onderzoekt gerichter welke denkstap ontbreekt,
welke voorkennis nog niet voldoende beheerst wordt of
welke instructie-aanpassing nodig is. Dat kan leiden tot
differentiatie of remediëring binnen BBZ.
Gerichte dataverzameling kan bijvoorbeeld bestaan uit:
y een analyse van specifieke leerlingproducten;
y een observatie tijdens begeleid oefenen;
y een kort hardop-denkmoment;
y een aanvullende taak die focust op één
deelvaardigheid.
Door eerst te begrijpen wat achter het niet behalen
van het leerdoel schuilgaat, vermijd je dat je te snel
spreekt over hardnekkige problemen of verhoogde
zorg. Pas wanneer na meerdere gerichte acties binnen
BBZ onvoldoende vooruitgang zichtbaar wordt, kan er
sprake zijn van stagnatie en wordt het zinvol om VZ te
overwegen.
Werken volgens dit trechterprincipe – eerst breed
kijken en pas daarna gericht verdiepen – maakt dat
data-ondersteund werken zowel efficiënt als zorgvuldig
blijft. Door eerst patronen op klasniveau te analyseren,
zet je jouw tijd en expertise doelgericht in en voorkom
je dat leerlingen te snel geïndividualiseerd of gelabeld
worden. Tegelijk verhoogt deze aanpak de kwaliteit van
beslissingen: keuzes zijn gebaseerd op samenhangende
patronen en evolutie in de tijd, niet op één los meetmo
ment. Bovendien wordt op deze manier BBZ versterkt.
Door klasbrede signalen te benutten om het basisaan
bod bij te sturen, wordt ondersteuning maximaal bin
nen de reguliere klaspraktijk georganiseerd.
Van grondige beginsituatieanalyse naar gerichte verdieping in leesonderwijs 31
In een basisschool worden alle leerlingen van het
eerste leerjaar drie keer per schooljaar gescreend op
technisch lezen met een korte, gestandaardiseerde
toets (nl. één minuut hardop lezen uit een genormeerde
tekst). Deze screening gebeurt klassikaal en neemt per
leerling nauwelijks tijd in beslag.
Na de herfstscreening analyseert het schoolteam de
resultaten niet alleen per leerling, maar ook gegroe
peerd per klas. Daarbij valt op dat in twee klassen de
leerlingen de leerdoelen niet bereiken terwijl het in
andere klassen eerder individuele leerlingen zijn.
In de klassen waar de meeste leerlingen uitvallen, gaat
het team op zoek naar klasbrede patronen:
y Hoeveel effectieve instructietijd krijgen leerlingen
voor beginnend lezen?
y Welke leesmethodes en oefenvormen worden
gebruikt?
y Hoe ziet begeleid lezen er concreet uit in deze
klassen?
In de klassen waar het gaat om één of twee leerlingen,
wordt individueel gekeken.
Op basis van deze brede analyse besluit het team
dat extra gerichte dataverzameling nodig is bij een
beperkte groep leerlingen. De leerkracht observeert
deze leerlingen tijdens begeleid lezen en laat hen korte
fragmenten hardop lezen, waarbij ze tussendoor ver
woorden hoe ze een woord aanpakken.
Die observaties tonen duidelijke verschillen:
y Sommige leerlingen raden woorden op basis
van het eerste letterbeeld → problemen met
klank-tekenkoppelingen.
y Andere leerlingen lezen correct maar zeer traag
→ problemen met automatisatie.
y Enkele leerlingen stoppen bij langere woorden
→ moeite met woordstructuur.
Dankzij deze verfijnde dataverzameling kan de leer
kracht doelgericht differentiëren binnen de klas, zonder
meteen individuele trajecten of intensieve zorg op te
starten. De oorspronkelijke screening is geen eind
punt, maar een richtinggevend startpunt voor verdere
analyse.