Een van onze aannames binnen het concept van leernetwerken is dat deelnemers met en van elkaar moeten leren willen ze in de huidige maatschappij hun kennis- en competentieniveau op peil houden. Deze kennisdeling is dus erg afhankelijk van interacties tussen deelnemers. Dat deze interacties niet altijd spontaan optreden, weten we allemaal. Daarom zijn we op zoek naar methodes en diensten voor leernetwerken die kennisdeling kunnen stimuleren. Welke processen spelen hierbij een rol? Het leernetwerk zal moeten vaststellen of er interacties tussen deelnemers plaatsvinden, en vervolgens deze interacties reguleren. Dat kan door het te organiseren: bijv. door effectieve (sub)communities te herkennen en deelnemers daarin te introduceren, door teams samen te stellen op basis van bepaalde selectie criteria, door te bevorderen dat vertrouwen opgebouwd wordt, door bronnen aan te bieden. En kennisdeling te sturen door middel van scripts en terugkoppeling. Terugkoppeling moet op diverse niveaus plaatsvinden en kan geschieden door (visueel) aan te geven hoever de deelnemer is (voortgang), door te vergelijken op basis van materiaal, cursus of andere deelnemers, en door instructie.
Wat kan de input zijn voor dergelijke diensten? Hoe kan een leernetwerk kennisdeling en samenwerking vaststellen? Veel is af te leiden uit taaluitingen van deelnemers, zowel in dialogen tussen deelnemers als in textuele uitingen (documenten, rapporten, blogposts, wiki-bijdragen, etc.). Deze kunnen door middel van natuurlijke taal technologie geanalyseerd worden. Als dit gecombineerd wordt met social netwerk analysis kan samenwerking tussen lerenden vastgesteld worden en gestimuleerd worden.
Kennisdeling is voor een deel afhankelijk van de motivatie van de deelnemers, maar ook de gemoedstoestand kan een groot effect hebben op het lerend vermogen. Als we dus emoties en gemoedstoestand kunnen afleiden, kunnen we specifieker sturen. De vraag is of we deze emoties in taaluitingen kunnen herkennen.
