Wat 2.000 muzieklessen MuseCool leren over AI in het muziekonderwijs

MuseCool heeft in de eerste zes maanden na zijn publieke lancering ongeveer 2.000 muzieklessen verwerkt. De belangrijkste les voor onderwijstechnologie: een muziekles laat zich niet vangen in alleen een transcript. De audio-AI van het bedrijf analyseert zowel wat docent en leerling zeggen als de muziek die zij spelen. 23

Dat is nog altijd een beperkte dataset die aan het bedrijf zelf is verbonden, geen definitief beeld van het volledige muziekonderwijs. Wel geeft zij een eerste inkijk in wat er tijdens individuele lessen gebeurt — en in wat AI voor muziekdocenten daadwerkelijk bruikbaar zou maken.

Spelen beslaat maar een deel van de les

Volgens MuseCool wordt in een gemiddelde muziekles ongeveer 40% van de tijd een instrument bespeeld. De rest van de les gaat op aan uitleg, voordoen, luisteren, gesprek en andere vormen van instructie. 6

Dat is relevant, omdat een systeem dat uitsluitend noten herkent of alleen gesproken taal omzet naar tekst, een groot deel van de les mist. Een docent kan techniek uitleggen, een passage voordoen, een probleem aanwijzen, terugluisteren, een oefendoel formuleren of spreken over interpretatie — soms rond een betrekkelijk kort moment waarop de leerling daadwerkelijk speelt.

Dat percentage van 40% verdient wel nuance. Het komt uit de eigen operationele data van MuseCool en is niet gepresenteerd als een representatief, onafhankelijk gecontroleerd onderzoek voor de hele sector. 36 Toch zet het vraagtekens bij het idee dat leskwaliteit simpelweg af te lezen is aan de hoeveelheid speeltijd.

AI die muziek begrijpt, niet alleen woorden

MuseCool omschrijft zijn technische aanpak als Music Information Retrieval: het analyseren van gespeelde muziek in combinatie met spraak en lescontext. Het doel is volgens het bedrijf te herkennen wat er gespeeld werd en te helpen duiden waaraan docent en leerling werkten, in plaats van enkel een gesprek uit te schrijven. 23

Dat onderscheid is essentieel voor het product. Een opname-app die alleen een algemeen transcript teruggeeft, kan een docent vooral extra leeswerk bezorgen. Een systeem dat ook de muziek begrijpt, kan de les juist omzetten in bruikbaar vervolg: een gestructureerde samenvatting, een overzicht van de muzikale activiteit en ondersteuning voor het oefenen tussen twee lessen.

MuseCool beschrijft daarnaast een platform dat live lesactiviteit gebruikt voor lesanalyses, passende bladmuziek en gepersonaliseerde oefengames, aangevuld met administratieve functies zoals betalingen. 15

Adoptie staat of valt met minder werk voor docenten

Nieuwe technologie invoeren in privéonderwijs is lastig. Lesmethoden zijn persoonlijk, vaak jarenlang ontwikkeld en bewust flexibel. Docenten zullen niet snel kiezen voor software die een strak werkproces oplegt of een extra administratieve taak toevoegt.

De vroege productkoers van MuseCool speelt daarop in. De les-AI is bedoeld om op de achtergrond te luisteren en vast te leggen, terwijl de docent lesgeeft. 2 De mogelijke meerwaarde zit dus niet in automatisering om de automatisering, maar in minder routinewerk na afloop en helderder materiaal dat docenten met leerlingen kunnen delen.

MuseCool heeft ook een marktplaats voor docenten. Op de docentensite vermeldt het bedrijf een community van meer dan 1.622 docenten en meer dan 2.000 individuele lessen per maand, online of op locatie. Dit zijn door MuseCool gerapporteerde cijfers en geen onafhankelijk gecontroleerde statistieken. 8

Marktplaats en lesinfrastructuur in één model

MuseCool begon in 2017 als muziekschool in Londen en biedt gepersonaliseerde lessen aan, online en op locatie. 910 De consumentenpagina’s adverteren individuele lessen aan huis en online, met voor bepaalde instrumenten een introductieaanbod. 45

Het model reikt daarmee verder dan een tool voor lesanalyse. Het combineert het vinden en koppelen van docenten met operationele hulpmiddelen en mogelijk ook leermiddelen. In de praktijk is dat een B2B2C-model: docenten en onderwijsorganisaties krijgen hulpmiddelen voor hun werkproces en inzicht in lessen, terwijl leerlingen een docent kunnen vinden.

Voor leerlingen omvat het huidige aanbod voor geselecteerde instrumenten de eerste maand gratis gebruik, met de mogelijkheid het instrument in die periode terug te sturen. Welke instrumenten en voorwaarden gelden, verschilt per aanbod. 1213

Wat een grotere lesdataset mogelijk kan maken

Een groeiende verzameling lesdata kan meer opleveren dan samenvattingen van individuele lessen. Mits er uitdrukkelijke toestemming is, privacy goed is beschermd en de uitkomsten zorgvuldig worden gevalideerd, kunnen instellingen lespatronen sneller signaleren, leerlingen die extra ondersteuning nodig hebben eerder herkennen en lesmethoden kwantitatiever onderzoeken.

MuseCool schetst dit als een manier om een activiteit die normaal privé is en moeilijk meetbaar blijft, op geaggregeerd niveau beter zichtbaar te maken. 3 Ook voor instrumentbouwers en partijen in de muziekindustrie kunnen zorgvuldig beheerde, geaggregeerde inzichten in repertoire en oefengedrag interessant zijn.

Dit zijn mogelijkheden, geen aangetoonde resultaten. De waarde van de dataset hangt af van datakwaliteit, representatieve dekking, geïnformeerde toestemming, goed bestuur en de vraag of de gebruikte metingen werkelijk goed leren weerspiegelen — in plaats van alleen wat een algoritme kan herkennen.

Ambities die nog bewezen moeten worden

MuseCool is in verband gebracht met samenwerking rond Music Information Retrieval met Queen Mary University of London. Ook is bericht over plannen rond een project van Innovate UK, de Britse publieke innovatieorganisatie. 6 Het beschikbare materiaal onderbouwt echter niet de precieze omvang, planning of financieringsstatus van dat werk. Die plannen moeten daarom als in ontwikkeling worden gezien, niet als vaststaande uitkomsten.

Dezelfde voorzichtigheid geldt voor bredere ambities, zoals publieke en gelicentieerde bladmuziekbronnen, intensiever contact met conservatoria, lokale marktplaatsen en AI-instrumenten die een hele muzikale ruimte kunnen interpreteren. Het concept past bij MuseCools focus op het gezamenlijk begrijpen van uitvoering en instructie, maar het beschikbare bewijs bevestigt geen voltooid product zoals een ‘pratende’ piano of een instrument dat de hele ruimte begrijpt. 23

Het voorlopige oordeel

De meest inhoudelijke vroege bijdrage van MuseCool is niet de claim dat AI de muziekdocent kan vervangen. De kern is dat de zinvolle analyse-eenheid de hele les is: geluid, spraak, voordoen, feedback en context.

De ongeveer 2.000 geanalyseerde lessen zijn genoeg om hypotheses op te stellen — met name de bevinding dat spelen slechts circa 40% van een gemiddelde les beslaat — maar niet om die voor het hele muziekonderwijs te bewijzen. 36 De volgende test is of de muziekspecifieke uitkomsten docenten echt tijd besparen, leerlingen beter laten oefenen en voldoen aan de hoge eisen rond privacy en vertrouwen die horen bij een persoonlijke lesrelatie.