NOLAI · Werkgroep 2 · IRL & nulmeting
Voorstel-framework

OnderwijsTech Innovation Readiness Level
(OT-IRL)

De EdTech-variant van het KTH Innovation Readiness Level. Vier generieke innovatie-assen, bewerkt voor de schoolcontext, plus vier assen die generieke frameworks missen: leeropbrengst, dataveiligheid, interoperabiliteit en verantwoorde AI. Elke as loopt van niveau 1 tot 9, met per niveau de mijlpaal die je nodig hebt om door te groeien.

Ontwerpprincipe

Vier assen bewerkt, vier assen toegevoegd

Het KTH-model meet Customer, Technology, Business, Team, IPR en Funding. Dat werkt voor generieke startups, maar mist waar EdTech staat of valt. Een product kan technologisch op niveau 9 zitten en pedagogisch op niveau 2: ziet er prachtig uit, geen enkel bewijs dat een leerling er iets van leert. De vier toegevoegde assen zijn de onderscheidende kern van OT-IRL.

Overgenomen van KTH, bewerkt voor onderwijs

Generieke innovatie-assen, hergeijkt op de schoolrealiteit
1
Technologie — werkt de tech robuust in een echt klaslokaal, ook op piekmomenten
2
Gebruiker & adoptie — koper ≠ gebruiker ≠ begunstigde: bestuurder koopt, leraar gebruikt, leerling profiteert
7
Business & inkoop — aanbesteding, lumpsum, budgetcyclus: onderwijsinkoop is geen SaaS-checkout
8
Team, organisatie & funding — onderwijskundige én technische competentie aan boord

★ EdTech-specifiek toegevoegd

Waar generieke frameworks blind zijn
3
Pedagogische effectiviteit — van claim naar onafhankelijk gevalideerde leerwinst
4
Data, privacy & veiligheid — AVG, kinderdata, Privacyconvenant Onderwijs, ROSA-normenkader
5
Interoperabiliteit — Entree Federatie, ECK iD, Edu-API, LTI: past het in het school-IT-ecosysteem
6
Verantwoorde AI — EU AI Act rekent onderwijs-AI tot hoog-risico: uitlegbaarheid, menselijk toezicht, bias
De schaal

Acht dimensies, elk van niveau 1 tot 9

Elke dimensie kent drie banden: verkenning (1–3), validatie & pilot (4–6), opschaling & borging (7–9). De niveaudefinitie ís de vervolgstap: waar je nu staat, vertelt je wat er moet gebeuren om één niveau te stijgen.

1

Technologie

KTH, bewerkt

Werkt de kern-tech betrouwbaar in een echte lesomgeving, niet alleen in de demo.

◆ Verkenning
1 Concept beschreven
2 Technische haalbaarheid ingeschat
3 Proof-of-concept in labomgeving
◆ Validatie
4 Werkend prototype in één klaslokaal
5 Stabiel in meerdere lesomgevingen
6 Betrouwbaar onder piekbelasting
◆ Opschaling
7 Productierijp, schaalbare infra
8 Bewezen stabiel over een schooljaar
9 Volwassen, hoge beschikbaarheid
2

Gebruiker & adoptie

KTH, bewerkt

Koper, gebruiker en begunstigde zijn in het onderwijs verschillende mensen. Deze as meet of alle drie zijn geadresseerd.

◆ Verkenning
1 Doelgroep en probleem-aanname benoemd
2 Eerste gesprekken met leraren/leerlingen
3 Probleem bevestigd bij ~15 gebruikers
◆ Validatie
4 Pilot met early-adopter-leraren
5 Herhaald gebruik zonder aansporing
6 Adoptie verspreidt zich binnen een school
◆ Opschaling
7 Structureel bij meerdere scholen; koper ≠ gebruiker geadresseerd
8 Adoptie over besturen; referentieklanten
9 Standaard in het segment, organische groei
3

Pedagogische effectiviteit

★ EdTech-kern

De belangrijkste as, en degene die generieke frameworks niet hebben. Van "wij denken dat het helpt" naar onafhankelijk gevalideerde leerwinst. Sluit aan op de evidence-agenda van NOLAI.

◆ Verkenning
1 Beoogde leeropbrengst expliciet benoemd
2 Onderbouwd vanuit leerwetenschap (theory of change)
3 Ontwerp op erkende didactische principes
◆ Validatie
4 Eerste indicatie leerwinst (pre/post, klein)
5 Positief effect in meerdere klassen
6 Gecontroleerde vergelijking (met/zonder) toont effect
◆ Opschaling
7 Onafhankelijk gevalideerd (RCT/quasi-experiment)
8 Effect gerepliceerd over contexten en leerjaren
9 Erkende evidence-base, in richtlijnen opgenomen
4

Data, privacy & veiligheid

★ EdTech-kern

Kinderdata onder de AVG is strenger dan gewone persoonsdata. Deze as gebruikt de NL-normenkaders: Privacyconvenant Onderwijs, ROSA, Edu-K.

◆ Verkenning
1 Inzicht in welke (persoons)data verwerkt wordt
2 Dataminimalisatie in ontwerp toegepast
3 Grondslag + privacy-by-design vastgelegd
◆ Validatie
4 Verwerkersovereenkomst conform Privacyconvenant; DPIA gestart
5 DPIA afgerond; beveiliging getoetst (pen-test)
6 Voldoet aan onderwijs-normenkader (ROSA/Edu-K)
◆ Opschaling
7 Onafhankelijke audit/certificering (bv. ISO 27001)
8 Aantoonbaar conform over besturen; incidentproces bewezen
9 Referentie voor dataveiligheid in de sector
5

Interoperabiliteit & integratie

★ EdTech-kern

Een tool die niet inlogt via Entree of resultaten niet terugschrijft naar het LMS, wordt niet gebruikt. Deze as meet de fit met het NL-onderwijs-IT-ecosysteem.

◆ Verkenning
1 Bewust van school-IT-context (LMS, LAS, SSO)
2 Beoogde koppelingen benoemd
3 Standaarden gekozen (Entree/ECK iD, Edu-API, LTI)
◆ Validatie
4 Eén koppeling werkend (bv. SSO via Entree)
5 Meerdere kernkoppelingen werkend
6 Werkt met de gangbare LMS'en/LAS'en
◆ Opschaling
7 Geregistreerde koppelingen (Edu-K); plug-and-play
8 Bewezen bij verschillende IT-landschappen
9 Onderdeel van het standaard-ecosysteem
6

Verantwoorde AI

★ EdTech-kern · NOLAI

De EU AI Act rekent AI voor toegang en beoordeling in het onderwijs tot de hoog-risico-categorie. Deze as is het hart van de NOLAI-missie: AI die de leraar de regie laat.

◆ Verkenning
1 Bewust waar en waarom AI wordt ingezet
2 Risico-inschatting (bias, uitlegbaarheid, toezicht) gestart
3 Ethische uitgangspunten vastgelegd (human-in-the-loop)
◆ Validatie
4 Uitlegbaarheid + docent-override in prototype
5 Bias/kwaliteit getest op representatieve data
6 AI-transparantie naar leerling/ouder; correctieproces
◆ Opschaling
7 Conform AI Act hoog-risico: risicobeheer, logging, toezicht
8 Onafhankelijk getoetst; monitoring van model-drift
9 Referentie voor verantwoorde onderwijs-AI
7

Business & inkoop

KTH, bewerkt

Onderwijsinkoop kent aanbestedingen, budgetcycli en lumpsum. Verdienmodel-validatie ziet er anders uit dan bij consumenten-SaaS.

◆ Verkenning
1 Waardepropositie benoemd
2 Aanname over betalende partij
3 Prijsmodel-hypothese; betalingsbereidheid gepeild
◆ Validatie
4 Eerste betalende pilot(s)
5 Herhaalaankoop/verlenging bij pilotscholen
6 Inkoopproces onderwijs doorgrond
◆ Opschaling
7 Schaalbaar verdienmodel; meerdere besturen
8 Positieve unit-economics; voorspelbare groei
9 Duurzaam winstgevend, marktpositie geborgd
8

Team, organisatie & funding

KTH, bewerkt

EdTech vraagt onderwijskundige én technische competentie. Deze as bundelt team-, organisatie- en financieringsvolwassenheid.

◆ Verkenning
1 Initiatiefnemer(s) met domeinkennis
2 Kernteam met onderwijs- én tech-competentie
3 Rollen belegd; onderwijskundige aan boord
◆ Validatie
4 Team compleet voor pilot; eerste financiering
5 Ingericht voor levering/support aan scholen
6 Gefinancierd tot break-even-zicht
◆ Opschaling
7 Schaalbare organisatie; implementatie-capaciteit
8 Governance passend; groeifunding geborgd
9 Volwassen, zelfvoorzienende organisatie

★ Waarom de pedagogiek-as het framework maakt

Elk EdTech-product kan een mooie radar-score halen op technologie, adoptie en business en tóch niets bijdragen aan leren. Door pedagogische effectiviteit als volwaardige as met een 1–9-schaal te behandelen, dwingt OT-IRL het bewijs voor leerwinst af op hetzelfde niveau als het bewijs voor techniek. Dat is precies het onderscheid dat de nulmeting van NOLAI moet kunnen maken tussen "ziet er goed uit" en "werkt aantoonbaar".

Van meting naar verbetering

De nulmeting-naar-roadmap-lus

Dezelfde lus als KTH, maar met de EdTech-assen. Dit is het mechaniek dat opdracht 2 (nulmeting) aan werkgroep 4 (roadmap-matrix) koppelt.

STAP 1

Zelf-assessment

Gestructureerde vragen per dimensie. Bedrijf of begeleider scoort elke as 1–9.

STAP 2

Radar & gap

Resultaat als radardiagram over 8 assen. Zwakke dimensies meteen zichtbaar.

STAP 3

Roadmap

De laagste assen bepalen de vervolgstap. Tech op 6 maar pedagogiek op 2 → eerst leerwinst valideren.

STAP 4

Hermeten

Zelfde meting later herhaald: ontwikkeling en portfoliovoortgang worden meetbaar.

Op ecosysteem-niveau (de NOLAI/Vinnova-parallel): één gedeelde OT-IRL maakt een hele portefeuille EdTech-aanbieders onderling vergelijkbaar en voortgang over tijd zichtbaar, precies wat werkgroep 1 (ecosysteemoverzicht) en werkgroep 4 (orkestrerende laag) nodig hebben.

Dutch Edtech-criteria toegepast

Twee lagen op één kaartje

De Dutch Edtech-datastructuur (Jitske van Os) en OT-IRL doen twee verschillende dingen en botsen dus niet. Dutch Edtech classificeert beschrijvend: wat is dit voor bedrijf, welk segment, welke doelgroep. OT-IRL meet evaluatief: hoe volwassen is het op acht assen. Op het EEP-platform horen ze op hetzelfde bedrijfskaartje: de Dutch Edtech-velden zijn de kop, de OT-IRL-radar is de diepte. Samen vormen ze exact de twee assen van de werkgroep 4-roadmap-matrix: subsector (Dutch Edtech Segment × Market Focus) × readiness (OT-IRL).

Dutch Edtech — beschrijvend (WÁT)

Statisch feit over het bedrijf. Verandert zelden.

  • Type, Segment, Market Focus, Customer type
  • Omvang (FTE-range), oprichtingsjaar, locatie
  • Company Status, Ownership Status
OT-IRL — evaluatief (HOE VER)

Volwassenheid die groeit. Je hermeet 'm over tijd.

  • 8 assen, elk niveau 1–9
  • Radar + gap-analyse per bedrijf
  • Vervolgstap = de laagste as

Elk Dutch Edtech-veld krijgt een rol in OT-IRL

Dutch Edtech-veldRol in OT-IRLWaarom
Company Status
(Operational / Low-activity / …)
InstapvoorwaardeAlleen Operational krijgt een meting, spiegelt hun eigen platformregel. Rest wordt niet gescoord.
Type + Employees Range + Founding yearVoedt as 8 Team/org/fundingFTE en leeftijd zijn directe proxies voor organisatie- en funding-volwassenheid.
Ownership Status
(founder / acquired NL / INT)
Voedt as 7 + 8Overgenomen bedrijf heeft een ander funding- en governance-verhaal.
Customer type
(B2B / B2C / B2B2C / B2G)
Voedt as 2 + 7B2B2C maakt de koper ≠ gebruiker-splitsing expliciet; B2G betekent aanbesteding.
Product type
(Software / Hardware / Hybrid)
Kleurt as 1 + 5Hardware kent een ander TRL- en integratie-traject dan pure SaaS.
Segment (11) + Market FocusBepaalt de wegingBeslist wélke assen zwaar wegen (zie hieronder) én levert de subsector-as van de WG4-matrix.
De scherpe toepassing

Segment-gewogen OT-IRL

Eén IRL-lat voor alle 11 segmenten is oneerlijk. Een Administratief Systeem hoeft geen sterke pedagogiek-score; een Assessment-tool absoluut wél, plus verantwoorde AI (de EU AI Act rekent beoordeling in het onderwijs tot hoog-risico). Daarom weegt OT-IRL de acht assen per Dutch Edtech-segment. Alle assen worden gemeten; deze bepalen de readiness-conclusie en de eerste roadmap-stap.

Dutch Edtech-segmentZwaarst wegende OT-IRL-assen
Assessment & Verification3 Pedagogiek6 Verantwoorde AI4 Data/privacy
Tutoring & Homework help3 Pedagogiek6 Verantwoorde AI4 Data/privacy
Language Learning3 Pedagogiek2 Gebruiker6 Verantwoorde AI
Learning Content Platforms3 Pedagogiek5 Interoperabiliteit2 Gebruiker
STEAM & Coding3 Pedagogiek1 Technologie2 Gebruiker
Immersive Tech (AR/VR)1 Technologie3 Pedagogiek2 Gebruiker
Learning Management Systems5 Interoperabiliteit4 Data/privacy1 Technologie
Administrative Management Systems5 Interoperabiliteit4 Data/privacy7 Business/inkoop
Reskilling · Upskilling7 Business/inkoop3 Pedagogiek2 Gebruiker
Jobs & Internships4 Data/privacy7 Business/inkoop2 Gebruiker
Market Focus verzwaart privacy & AI

Bij Pre-K-12 en Primary Education wegen as 4 (data/privacy) en as 6 (verantwoorde AI) extra zwaar: jonge kinderen, strengere AVG-kaders, gevoeliger onder de AI Act. Bij Tertiary en Lifelong Learning verschuift het gewicht naar as 7 (business/inkoop).

Groeiambitie bepaalt de bovengrens

Dutch Edtech onderscheidt bedrijven mét (Startup/Scaleup) en zónder groeiambitie (Eenpitter/MKB). De opschaal-niveaus 7–9 zijn alleen een doel voor de eerste groep. Een stabiele Eenpitter op niveau 5 is niet "achter", die is af. OT-IRL mag zo'n bedrijf niet als falend lezen.

Beslispunten

Wat ik van jou nodig heb om dit af te maken

1
Acht assen, of comprimeren? Acht geeft rijkdom maar kost invultijd per bedrijf. KTH doet zes. Wil je Business en Team/funding samenvoegen tot zeven, of blijft het acht?
2
Verantwoorde AI apart of ingebed? Nu een eigen as (NOLAI-logisch). Alternatief: verweven door alle assen. Aparte as maakt het meetbaar en zichtbaar, dat pleit ervoor.
3
Object van meting. Meet OT-IRL een product, een bedrijf, of een specifieke inzet-in-een-school? De niveaudefinities verschillen subtiel per keuze. Ik ga nu uit van product/aanbod.
4
Klopt het wegingsprofiel per segment? De segment-tabel is mijn eerste inschatting van welke assen zwaar wegen. Dit is precies waar Jitske (Dutch Edtech) en Ton (nulmeting) meelezen, want zij kennen de segmenten in de praktijk.
5
Afstemming met Ton én Jitske. OT-IRL is de readiness-as van opdracht 2; Dutch Edtech levert de subsector-as en de bedrijfsdata. Wil je dat ik het als WG2-notitie uitwerk, of eerst een gezamenlijk matrix-schetsje maak dat beide assen samenbrengt (de WG4-brug)?
OnderwijsTech Innovation Readiness Level (OT-IRL) · concept-framework voor NOLAI Werkgroep 2 · gebaseerd op het KTH Innovation Readiness Level™, bewerkt en uitgebreid voor de Nederlandse onderwijs-EdTech-context · gekoppeld aan de Dutch Edtech-datastructuur v4 (Jitske van Os, juni 2026) · Mission Relearn, 14 juli 2026