Kirkpatrick-model: de 4 niveaus, praktijkvoorbeelden en templates

Ga in enkele minuten van storyboard naar een interactieve cursus

Begin gratis

Stel je een cursus tillen en dragen voor met 100% voltooiing en een gemiddelde quizscore van 94%. Iedereen die je het vroeg, was er positief over. Dan komt het ongevallenregister van het afgelopen kwartaal binnen en blijkt het aantal rug- en schouderblessures in het magazijn geen millimeter gedaald. Al je cijfers klopten, maar geen ervan gaf antwoord op de vraag die het bedrijf eigenlijk stelde. Precies voor dat gat is het Kirkpatrick-model bedoeld, en het werkt pas echt als je terugredeneert vanaf het bedrijfsresultaat.

Ik werk als instructional designer bij Coursebox, waar we een AI-LMS met ingebouwde rapportage over cursisten maken. Daardoor zie ik van dichtbij wat opleidingsteams wel en niet kunnen aantonen met de data uit hun platform. In dit artikel neem ik één magazijncursus mee door alle vier niveaus, laat ik echte evaluaties uit vijf landen zien, test ik wat onze eigen rapportage per niveau kan bewijzen en krijg je twee gratis templates.

Wat is het Kirkpatrick-model?

Het Kirkpatrick-model is een raamwerk met vier niveaus om opleidingen te evalueren: reactie, leren, gedrag en resultaten. Donald Kirkpatrick beschreef het in 1959 en 1960 in een artikelreeks van vier delen in de Journal of the ASTD, en veel latere richtlijnen voor het evalueren van trainingen bouwen erop voort.

Elk niveau stelt een andere vraag:

• Vonden mensen de training relevant?
• Hebben ze geleerd wat de training behandelde?
• Doen ze op het werk dingen anders?
• Is het resultaat waar de organisatie om gaf veranderd?

Plan de evaluatie van achteren naar voren. Kirkpatrick Partners, het bedrijf van de familie Kirkpatrick, is daar duidelijk over: “het is cruciaal om te beginnen bij niveau 4: resultaten”.

Casus: een intensive care in Egypte, waar het gedrag verbeterde en de resultaten niet

Een overheidsziekenhuis voor infectieziekten in Shebin El Kom trainde in 2024 106 verpleegkundigen en artsen in infectiepreventie en evalueerde alle vier niveaus.

• Niveau 3: het aseptisch werken van verpleegkundigen, vastgesteld via observatie, steeg van 40% naar 84%.
• Niveau 4: er werden “geen significante veranderingen waargenomen” in ziekenhuisinfecties, sterfte of kosten.
• De les: volgens de auteurs was twee maanden follow-up “waarschijnlijk onvoldoende” om resultaten te laten zien (Antimicrobial Resistance and Infection Control, 2025). Gedrag kan al lang veranderd zijn voordat het resultaat meebeweegt, dus stem het moment van je meting op niveau 4 af op de meetwaarde.

De update van 2026: het model heeft een nieuwe naam en een extra laag

Heb je het model geleerd als het “New World Kirkpatrick Model”, dan ken je de versie van 2015, waarin James en Wendy Kirkpatrick ideeën als voorlopende indicatoren (leading indicators) en noodzakelijke drivers (required drivers) toevoegden. In 2026 verving Kirkpatrick Partners die versie door het “new Kirkpatrick Model”, gebaseerd op het boek Building a Culture of Evaluation van Vanessa Alzate (ATD Press, mei 2026).

De belangrijkste toevoeging is de prestatieomgeving: de systemen, leidinggevenden, tools en prikkels rond de cursist. Volgens Kirkpatrick Partners kan die omgeving “op elk niveau vooruitgang ondersteunen of blokkeren”. In de praktijk evalueer je dus niet alleen de training maar ook de werkplek, want mensen kunnen hun manier van werken niet veranderen als de werkplek hen belet de vaardigheid te gebruiken.

Volgens de versie van 2026 is het model bovendien “niet lineair, maar cyclisch”, dus je controleert de niveaus tijdens het programma en niet alleen achteraf.

Casus: training spoedeisende zorg in heel Nepal

Het National Health Training Center van Nepal evalueerde zijn zesdaagse cursus Primary Emergency Care aan de hand van gegevens van 295 deelnemers die de cursus hadden afgerond, met vervolgmetingen bij 48 van hen in 11 ziekenhuizen.

• Niveau 2: de kennis steeg na de training met 35,9% en nam tot aan de vervolgmeting weer met 7,2% af.
• Niveau 3: de vervolgmeting omvatte toetsen van klinische vaardigheden en simulaties; uit interviews en observaties op de werkvloer bleek ook dat deelnemers het geleerde toepasten en kennis met collega's deelden.
• Wat de uitkomst beïnvloedde: de omstandigheden in het ziekenhuis, van apparatuur tot bezetting, bepaalden mede of mensen de vaardigheden konden gebruiken (BMC Emergency Medicine, 2026). Dat is precies de prestatieomgeving uit de update van 2026.

De vier niveaus, uitgewerkt voor één cursus

Ik gebruik een fictieve cursus tillen en dragen voor 120 orderpickers in een distributiecentrum, locatie A. De cursus bereidt hen erop voor om lasten te beoordelen, hulpmiddelen te gebruiken en om hulp te vragen volgens de goedgekeurde procedures van de locatie, met als beoogd bedrijfsresultaat minder letsel door tillen en dragen. Een tweede locatie met vergelijkbaar werk, locatie B, wordt zes maanden later getraind en dient zo als vergelijking voor veranderingen in het letselcijfer. Alle getallen zijn illustratief. Het voorbeeld laat zien hoe een bedrijfsresultaat bepaalt welk gedrag, welk leren en welke ervaring we moeten evalueren.

Ik volg het advies van het model zelf en begin bovenaan.

Niveau 4: resultaten

Niveau 4 meet of het beoogde organisatieresultaat is veranderd. Kirkpatrick Partners definieert het als “de mate waarin beoogde organisatieresultaten optreden als gevolg van een ervaring of initiatief en prestatieondersteuning”.

• Wat je meet: letsel door tillen en dragen per 100 orderpickers, het getal waar het bedrijf naar vroeg.
• Waar de data staat: in het ongevallenregister, beheerd door de arbocoördinator. De meeste data voor niveau 4 bestaat al ergens.
• De rekensom: in de zes maanden vóór de training had locatie A 4,0 letselgevallen per 100 orderpickers en locatie B 3,8. In de zes maanden erna daalde locatie A naar 2,0, terwijl de ongetrainde locatie B naar 3,6 zakte. Locatie A verbeterde met 2,0 en locatie B met 0,2: een extra daling van 1,8 letselgevallen per 100 orderpickers op de getrainde locatie. Dat is een waargenomen verschil, geen bewijs dat de training het veroorzaakte.
• Wat dit op zichzelf niet bewijst: een nieuwe transportkar, een rustiger seizoen of een nieuwe leidinggevende kan het getal ook verschuiven. Kijk naar eerdere trends op beide locaties en naar veranderingen in bezetting, werkdruk, materieel en registratie. Gebruik dezelfde meetperiode en vergelijkbare blootstelling; een vergelijkingslocatie maakt het bewijs alleen sterker als de vergelijking geloofwaardig is.

Deze berekening heet difference-in-differences: je vergelijkt de verandering op de getrainde locatie met die op de ongetrainde. De rekensom is eenvoudig. Een causale interpretatie veronderstelt wel dat beide locaties zonder training een vergelijkbare trend hadden gevolgd en dat geen andere verandering één locatie anders raakte. Bij weinig letselgevallen en maar twee locaties kan het resultaat ook op toeval berusten. Gebruik dit voorbeeld om je bewijs te plannen, en schakel analytische hulp in voordat je een causale claim met grote gevolgen doet.

Casus: compliancevoorlichting bij de Amerikaanse Federal Aviation Administration

De FAA ontwikkelde vijf interventies om zo'n 7.200 gereguleerde luchtvaartbedrijven te helpen de regels voor drugs- en alcoholtests na te leven. Niveau 4 mat de FAA door de trend in de eigen compliancedata vóór en na de interventies te vergelijken, een methode die een onderbroken tijdreeks (interrupted time series) heet.

• Resultaat: de sanctiekosten lagen na de interventies 24,21% lager dan ervoor (Evaluation and Program Planning, 2019).
• De les: bestaande compliancedata kan een evaluatie op niveau 4 onderbouwen. De onderzoekers gebruikten een model voor onderbroken tijdreeksen; alleen een trendlijn van vóór en na trekken levert niet hetzelfde bewijs op.

Niveau 3: gedrag

Niveau 3 meet of mensen het cruciale gedrag op het werk vertonen en daarbij ondersteund worden. Minder organisaties meten dit dan niveau 1 en 2, terwijl juist deze data helpt verklaren of niveau 4 door de training is verschoven.

• Cruciaal gedrag: controleert het gewichtslabel, gebruikt een transportkar voor lasten boven de gewichtslimiet van de locatie, vraagt om samen te tillen bij lastige lasten, houdt de last dicht bij het lichaam zonder te draaien en meldt pijn nog in dezelfde dienst.
• Hoe je het meet: ploegleiders observeren per orderpicker 10 tilmomenten aan de hand van een checklist.
• Wanneer: op dag 14 en dag 30, daarna maandelijks. Volgens Kirkpatrick Partners kan gedragsmeting “niet pas 90 dagen na het leren beginnen”, dus het oude advies om drie tot zes maanden te wachten is achterhaald.
• Wat je er ook bij noteert: wat in de weg zat. Laten orderpickers de transportkar staan omdat er maar één per gangpad is, dan is dat een probleem in de prestatieomgeving en lost een nieuwe training het niet op.

Een latere meting helpt ook. Vijf SAFE-cursussen obstetrische anesthesie in de Republiek Congo en Madagaskar werden geëvalueerd met interviews na 4 maanden en opnieuw na 12 tot 18 maanden. Deelnemers meldden op beide momenten dezelfde veranderingen in samenwerking en voorbereiding, en noemden steun van senior collega's als katalysator en het ontbreken daarvan als drempel (Anesthesia and Analgesia, 2019). Daarom vragen de check-ins in de kit hieronder niet alleen naar gedrag, maar ook naar obstakels.

Niveau 2: leren

Niveau 2 meet of mensen de kennis, vaardigheden, houding, het zelfvertrouwen en het commitment hebben opgedaan die het werk vraagt. Zelfvertrouwen en commitment horen bij de huidige definitie, dus vraag er hier naar.

• Hoe je het meet: een korte voor- en natoets over de veiligste manier om een last te verplaatsen, zoals met een transportkar, samen tillen of alleen tillen, plus een praktische tildemonstratie die met een rubric wordt beoordeeld.
• Waarom een voortoets: een quiz aan het eind van de cursus laat alleen zien wie geslaagd is. Een voortoets laat zien hoeveel ieder persoon heeft geleerd.
• Zelfvertrouwen en commitment: twee enquêtevragen aan het eind, zoals “Ik heb er vertrouwen in dat ik de regel voor samen tillen in mijn volgende dienst kan toepassen.”

Een korte toets aan het eind van de cursus laat je zien of mensen de vragen kunnen beantwoorden, niet hoeveel ze hebben geleerd. Halen veel deelnemers bij de eerste poging al de volle score, dan heeft de toets weinig ruimte om vooruitgang te laten zien. Voeg een toets vóór de training en een realistische praktijkopdracht toe als je leerwinst wilt onderscheiden van simpelweg slagen aan het eind.

Niveau 1: reactie

Niveau 1 meet of mensen de training positief, boeiend en relevant vinden. Kirkpatrick Partners noemt relevantie expliciet als het onderdeel dat het best voorspelt of er gedragsverandering volgt.

• Wat je vraagt: drie vragen aan het eind. Was dit relevant voor je diensten? Hield het je aandacht vast? Wat zou je kunnen tegenhouden om het op het werk toe te passen?
• Wanneer: aan het eind, plus een snelle peiling halverwege, zodat je problemen kunt oplossen terwijl de cursus nog loopt.
• Wat je niet moet doen: alleen vragen of mensen het leuk vonden. Een meta-analyse uit 1997 liet zien dat oordelen over bruikbaarheid sterker samenhangen met leren en prestaties op het werk dan oordelen over plezier.

Zo gebruik je het Kirkpatrick-model, stap voor stap

1. Spreek het resultaat op niveau 4 af met de opdrachtgever van de training. Eén meetwaarde, de nulmeting, een doel en wie eigenaar is van de data. Kan niemand een meetwaarde noemen, dan is de aanvraag nog niet rijp.
2. Kies een vergelijking. Een locatie, team of instroomgroep die later getraind wordt, of een tijdreeks van de meetwaarde die minstens een jaar teruggaat.
3. Kies drie tot vijf cruciale gedragingen die dat resultaat het meest beïnvloeden, en bepaal wie ze wanneer observeert.
4. Ontwerp het leren en de toetsing zo dat ze dat gedrag opbouwen, met een voortoets of nulmeting.
5. Stel de reactievragen op rond relevantie en betrokkenheid.
6. Controleer de prestatieomgeving vóór de lancering: geven leidinggevenden, tools en tijd mensen de ruimte om de vaardigheid te gebruiken?
7. Verzamel de data en lees de niveaus daarna in samenhang.

Wat opleidingsteams ons vragen, en wat het onderzoek zegt

In de supporttickets die ik doornam, is de evaluatievraag die we het vaakst krijgen een variant op “heeft deze cursist de cursus afgerond, en wat was de score?” Voor opleidingsaanbieders en Australische erkende opleidingsinstituten (RTO's) is dat rapport bewijs dat ze aan een auditor of klant overhandigen. Ik heb met gerichte zoekopdrachten zo'n 807 tickets gescreend; vragen over rapportage van voltooiing en voortgang kwamen bij ongeveer 12 klanten voor, terwijl ik in die selectie geen expliciete vraag vond om gedrag op de werkvloer of de ROI van training te meten. Die zoekopdrachten geven een beeld van de vraag bij support, geen representatieve enquête onder onze gebruikers. Eén onderwijsinstelling vroeg om een ingebouwde vergelijking van voor- en natoetsscores om leerwinst te laten zien.

Alles bij elkaar richten de opleidingsteams die we spreken zich op voltooiing en scores, en brengen ze niveau 3 en 4 zelden ter sprake. Het evaluatieonderzoek van ATD uit 2019, een enquête onder 779 professionals in talentontwikkeling, laat een vergelijkbaar patroon zien: ongeveer acht op de tien organisaties evalueerden op niveau 1 en 2.

De grootste drempel in die enquête, genoemd door 41%, was de moeite om het effect van de training op resultaten te isoleren. De methode met een vergelijkingslocatie uit het deel over niveau 4 is het eenvoudigste antwoord daarop dat ik ken.

Ik heb getest wat Coursebox per niveau kan aantonen

Ik wilde precies weten welke niveaus ons eigen platform kan onderbouwen, dus op 6 oktober 2026 heb ik onze rapportage doorgelicht en de onderdelen voor de evaluatie in Coursebox opgezet. Coursebox is ons eigen product, dus houd daar rekening mee bij mijn oordeel.

Rapportage. De rapporten van Coursebox laten zien wie is ingeschreven, hoe ver elke cursist is gevorderd, wat de toetsscores zijn en wie een certificaat heeft behaald, telkens met een CSV-download. Daarmee zijn voltooiing en scores op niveau 2 gedekt. Voor niveau 1 raadt ons helpcentrum aan een enquêtetool zoals SurveyMonkey in de cursus in te sluiten en de resultaten daar te bekijken.

Het rapportagescherm van Coursebox: inschrijvingen, voltooiingen en statistieken per cursus.

Het deel voor leidinggevenden. Niveau 3 staat of valt met leidinggevenden, dus maakte ik een korte cursus voor hen in plaats van evaluatielessen aan de cursus van de orderpickers toe te voegen. Ik vroeg om een cursus van 15 minuten die magazijnleidinggevenden voorbereidt op de follow-up 30 dagen na de training tillen en dragen: de vier tilgedragingen om op te letten, een checklist voor de werkvloer in week 1 en week 4, een gesprek van twee minuten met elke orderpicker en een logboek van bijna-ongevallen en letsel om te vergelijken met de 30 dagen vóór de training.

Coursebox maakte “Manual Handling Follow-Up”: drie secties, vier pagina's en ongeveer 19 minuten. De cursus behandelt de vier gedragingen om op te letten, de controle op de werkvloer met een coachingsgesprek van twee minuten, een opdracht waarin de leidinggevende oefent met het corrigeren van een onveilige til, en het opbouwen van het follow-updossier. De cursus voor de orderpickers blijft gericht op tillen, en de mensen die het bewijs voor niveau 3 verzamelen krijgen hun eigen korte voorbereiding.

Mijn conclusie: gebruik het platform voor voltooiing en niveau 2, een ingesloten enquête voor niveau 1 en een korte cursus voor leidinggevenden om de mensen voor te bereiden die op niveau 3 observeren. Een LMS kan bewijs van de werkvloer opslaan of koppelen, maar vervangt geen passende observaties en bedrijfsmetingen op niveau 3 en 4.

Kritiek op het Kirkpatrick-model

Het model bepaalt al meer dan 60 jaar hoe we trainingen evalueren, en het heeft goed gedocumenteerde zwakke plekken.

• De niveaus zijn niet causaal verbonden. In 1989 benoemden Alliger en Janak drie “problematische aannames”: dat de niveaus in waarde oplopen, dat elk niveau het volgende veroorzaakt en dat ze met elkaar correleren. Positieve reacties garanderen geen leren, leren garandeert geen gedrag en beter gedrag garandeert geen resultaten, zoals het voorbeeld uit Egypte laat zien.
• Het beschrijft uitkomsten in plaats van je te vertellen hoe je evalueert. Holton stelde in 1996 dat het “eigenlijk een taxonomie van uitkomsten is en als evaluatiemodel tekortschiet”.
• Toeschrijving op niveau 4 is lastig. Kirkpatrick Partners pleit inmiddels voor contributieve ROI, waarbij training als één van de bijdragers aan het resultaat geldt. Zij noemen dat een “geloofwaardigere aanpak dan proberen training te isoleren als enige oorzaak”. De Phillips ROI-methodologie kiest het tegenovergestelde standpunt en voegt een stap toe om het effect van de training te isoleren.
• Niveau 2 gooit verschillende soorten leren op één hoop. Het Learning-Transfer Evaluation Model (LTEM) van Will Thalheimer splitst leren op in kennis, besluitvorming en taakuitvoering, verdeeld over acht niveaus.

Die beperkingen zijn juist redenen om de niveaus in samenhang te lezen, waar mogelijk een vergelijking te gebruiken en helder te zeggen wat je bewijs wel en niet kan aantonen.

Kirkpatrick vergeleken met andere evaluatiemodellen

Wil je een breder beeld van hoe je de effectiviteit van een trainingsprogramma evalueert, of een model rond programmaplanning zoals het CIPP-model? Dan loont het ook om die te vergelijken.

In de praktijk gebruik ik Kirkpatrick als ruggengraat, neem ik de niveaus van LTEM erbij als ik toetsen ontwerp en zet ik de Brinkerhoff Success Case Method in als de resultaten van een programma wisselend zijn en ik wil weten waarom. Vraagt de financiële afdeling om een rendementspercentage, dan komt de berekening van de ROI van training bovenop niveau 4. En ontwerp je de cursus zelf, dan helpt Finks taxonomie van betekenisvol leren je om doelen te stellen die verder gaan dan kennis en die je op niveau 2 en 3 vervolgens kunt meten.

Laat het gewenste resultaat je evaluatie sturen

Het Kirkpatrick-model geeft je een bruikbare set vragen, maar de vier niveaus vormen geen keten waarin het ene niveau het volgende garandeert. Tevreden deelnemers zeggen nog niets over wat ze geleerd hebben, en wie de toets haalt, past de vaardigheid daarmee nog niet toe op een werkplek die dat ook mogelijk maakt. Begin daarom bij het beoogde resultaat en verzamel bewijs op de niveaus die kunnen verklaren wat er gebeurde.

Spreek bij je volgende programma eerst het bedrijfsresultaat en het cruciale gedrag af, en kies pas daarna de toets of enquête. Leg een nulmeting vast, bepaal wie het gedrag op de werkvloer gaat ondersteunen en plan wanneer je het kunt observeren. Verandert het resultaat, kijk dan eerst naar blootstelling, andere veranderingen en de sterkte van je vergelijking voordat je een effect claimt. Zo krijg je een evaluatie waarmee je het programma echt verbetert en onderbouwd kunt beslissen of het doorgaat.