De zelfdeterminatietheorie (ZDT) stelt dat mensen naast de behoefte aan autonomie en verbondenheid ook een fundamentele behoefte aan competentie hebben. Bij pogingen om deze behoefte aan competentie te gebruiken in educatieve software, ontdekten onderzoekers dat de definitie ervan verwarrend en onvolledig was. Twee recente artikelen bieden hiervoor een oplossing door de definitie te verduidelijken en te formaliseren.

De zelfdeterminatietheorie

De zelfdeterminatietheorie (ZDT) is momenteel de meest invloedrijke motivatietheorie in de psychologie. De theorie stelt dat mensen drie psychologische basisbehoeften hebben: autonomie, verbondenheid en competentie. Deze behoeften vormen de basis voor optimale motivatie en welzijn.

De behoefte aan competentie

De behoefte aan competentie wordt meestal gedefinieerd als de behoefte om effectief te zijn in onze interacties met de omgeving en om onze capaciteiten te ontwikkelen. Recent onderzoek heeft echter een probleem blootgelegd: de definitie van de behoefte aan competentie blijkt niet zo eenduidig als gedacht. Dit werd vooral duidelijk toen onderzoekers en ontwikkelaars de theorie wilden toepassen in educatieve software en andere digitale toepassingen. Computers vereisen namelijk heldere, ondubbelzinnige definities – en die bleken te ontbreken.

Stap 1: het identificeren van vier facetten

In hun artikel “Why Self-Determination Theory Needs Formal Modelling” analyseerden Deterding et al. de ZDT-literatuur op een systematische manier. Ze ontdekten dat wat we ‘competentie’ noemen eigenlijk bestaat uit vier verschillende facetten:

1. Effectance: Het waarnemen dat je acties effect hebben op de omgeving
2. Vaardigheidsgebruik: Het kunnen toepassen van je capaciteiten
3. Taakprestatie: Het goed presteren bij beoogde taken
4. Capaciteitsgroei: Het ontwikkelen van nieuwe of sterkere vaardigheden

Deze ontdekking was belangrijk omdat deze facetten niet altijd samengaan. Je kunt bijvoorbeeld effect hebben op je omgeving zonder dat je presteert zoals bedoeld, of je kunt een taak goed uitvoeren zonder nieuwe vaardigheden te ontwikkelen.

Stap 2: Computationele Modellen

Het vervolgonderzoek van Lintunen et al. (2025) bouwde hierop voort met behulp van computationele modellen. Dit zijn wiskundige modellen die in computerprogramma’s kunnen worden omgezet. Ze beschrijven precies hoe bepaalde processen werken. Denk bijvoorbeeld aan hoe een thermostaat de temperatuur regelt: die gebruikt een model dat beschrijft wanneer de verwarming aan of uit moet.

De onderzoekers ontdekten dat voor elk facet van competentie al bruikbare modellen bestonden in de kunstmatige intelligentie:

• Voor effectance: Een model (RIDE- Rewarding Impact-Driven Exploration) dat precies bijhoudt hoeveel effect acties hebben op de omgeving
• Voor vaardigheidsgebruik: Een model (VIC- Variational Intrinsic Control) dat leert wanneer welke vaardigheden het beste gebruikt kunnen worden
• Voor taakprestatie: Een model (RIG – Reinforcement Learning with Imagined Goals) dat meet hoe goed vooraf gestelde doelen worden bereikt
• Voor capaciteitsgroei: Een model (IMRL – Intrinsically Motivated Reinforcement Learning) dat bijhoudt hoe vaardigheden zich ontwikkelen

Door deze modellen wordt het mogelijk om veel preciezer te bepalen wat elk facet van competentie inhoudt en hoe verschillende situaties dit beïnvloeden. Deze verbeterde definities maken het mogelijk om scherpere metingen te ontwikkelen, betere educatieve software te maken en de theorie strenger te toetsen.

Theorie en praktijk versterken elkaar

Deze ontwikkelingen laten zien hoe praktische toepassingspogingen kunnen leiden tot theoretische verbeteringen. De noodzaak om ZDT te implementeren in computersystemen dwong onderzoekers om preciezer te zijn dan ooit tevoren. Dit heeft niet alleen geleid tot betere definities, maar ook tot nieuwe inzichten in hoe competentie werkt. Dit laat zien hoe theorievorming en praktische toepassing elkaar kunnen versterken. Het streven naar praktische toepasbaarheid dwingt tot precisie, wat weer leidt tot theoretische verfijning. Deze ontwikkeling illustreert hoe psychologische theorieën kunnen groeien door confrontatie met de eisen van de digitale wereld.