AI raamwerk voor de opleiding van docenten samengevat

De samenstellers benadrukken dat AI moet bijdragen aan belangrijke elementen van effectief onderwijs:

• Expertise van docenten,
• Relaties tussen docenten en lerenden,
• Professioneel oordeel van docenten.

Met het raamwerk streven de samenstellers naar de volgende doelen:

1. Verantwoorde AI-integratie. Docentopleidingen moeten AI niet klakkeloos omarmen, maar doordacht en ethisch inzetten.
2. Kritisch vermogen ontwikkelen.Toekomstige docenten moeten niet alleen AI-tools kunnen gebruiken, maar ook:
   • Ze kritisch evalueren,
   • Beperkingen en vooroordelen (biases) herkennen,
   • Weloverwogen beslissingen nemen over wanneer AI wel of niet gepast is in het onderwijs.
3. Behoud van menselijke waarden in het onderwijs. Het raamwerk onderstreept dat technologie nooit de menselijke component (zoals pedagogisch inzicht en interpersoonlijke vaardigheden) mag overschaduwen.

Het raamwerk is opgesteld door een adviescommissie van wetenschappers van Amerikaanse universiteiten. Uitgangspunt is dat AI de expertise, relaties en het professionele oordeel van docenten moet aanvullen, niet vervangen. Het raamwerk bestaat uit vier pijlers met in totaal twaalf principes, die zowel gelden voor de opleiding zelf als voor de stages op scholen.

De eerste pijler, ethische en beleidsmatige kaders, begint met een ‘recht om te weigeren’. Volgens het raamwerk moeten opleidingen transparant beleid opstellen waarin docenten, aanstaande docenten en lerenden interactie met specifieke AI-toepassingen mogen afwijzen, bijvoorbeeld om redenen van privacy, ethiek of religie. Opleidingen zouden alternatieve routes zonder AI moeten aanbieden, zodat weigeren geen belemmering vormt voor diploma of bevoegdheid. Daarnaast noemt deze pijler AI-geletterdheid een kerncompetentie van docenten. Dat gaat verder dan technische vaardigheid, maar omvat ook begrip van hoe systemen worden getraind, inzicht in beperkingen en onjuistheden, en oog voor vooringenomenheid, privacy en intellectueel eigendom. Het derde principe betreft gelijke toegang. AACTE wil voorkomen dat alleen goed gefinancierde instellingen beschikken over veilige en toegankelijke AI-toepassingen, en verwijst daarbij naar toegankelijkheidsnormen als WCAG 2.2.

De tweede pijler vertaalt dit naar de dagelijkse praktijk. Aanstaande docenten moeten volgens het raamwerk onderscheid kunnen maken tussen regelgebaseerde systemen, adaptieve leerplatforms, generatieve AI en agentische AI, omdat deze verschillen in doel, transparantie en risico. Agentische AI, systemen die zelfstandig acties ondernemen, wordt benoemd als onderwerp voor verder onderzoek. Losse workshops volstaan volgens het raamwerk niet als professionalisering; opleidingen zouden samen met scholen langdurige leertrajecten moeten opzetten, met ruimte voor mentoring, feedback en reflectie. Aanstaande docenten moeten daarbij vertrouwd raken met de toepassingen en gebruiksafspraken van hun stagescholen. Tot slot vraagt deze pijler om menselijk toezicht. AI-output, zoals lesplannen en rubrics, moet worden gecontroleerd op juistheid en aansluiting bij de ontwikkelingsfase van lerenden. Beslissingen met grote gevolgen, zoals toelating, stagebeoordeling en certificering, mogen niet worden overgelaten aan geautomatiseerde beoordelingsmodellen.

De derde pijler richt zich op cognitie. Volgens het raamwerk zijn de meeste AI-toepassingen commerciële producten die niet voor onderwijs zijn ontworpen. AACTE pleit daarom voor co-design met docenten en onderzoekers, en voor transparant, peer-reviewed bewijs over veiligheid en effectiviteit voordat toepassingen in de klas worden ingezet. Aanstaande docenten moeten ook leren om ‘automation bias’ te weerstaan: de neiging om machine-output meer te vertrouwen dan eigen waarneming en kennis. Ook moeten zij herkennen hoe generatieve AI stereotypen kan versterken of minderheidsperspectieven kan weglaten. Tegelijkertijd ziet AACTE AI als mogelijke cognitieve partner. Door routinetaken uit te besteden, zoals een eerste opzet voor een les of teksten op verschillende leesniveaus, zou de extrinsieke cognitieve belasting dalen. Docenten houden dan meer ruimte voor relaties en het opsporen van misconcepties.

De vierde pijler benadrukt professionele expertise en menselijk oordeel. Docenten blijven eindverantwoordelijk voor beslissingen over leren, toetsen en welzijn, en moeten AI-output kunnen accepteren, aanpassen of verwerpen. Volgens het raamwerk vergroot de beschikbaarheid van AI-content juist de behoefte aan vakkennis en didactische expertise: zonder die kennis herken je fouten, weglatingen en simplificaties niet. Ook de relatie tussen docent en lerende en cultureel responsief handelen kunnen volgens AACTE niet aan systemen worden overgedragen.

Mijn opmerkingen

Het AACTE-raamwerk is een interessant en bondig document dat veel bekende inzichten bundelt. De nadruk op vakkennis als voorwaarde voor het beoordelen van AI-output zag ik ook terug in mijn vergelijking van raamwerken voor AI-geletterdheid. Het raamwerk formuleert vooral wat opleidingen ‘zouden moeten’, zonder niveaus, leerlijnen of uitgewerkte voorbeelden.

Opvallend vind ik het recht om te weigeren Ai te gebruiken. Op zich ben ik het daarmee eens. Maar zou daar tegenover niet ook het recht moeten staan om AI juist wel te gebruiken (uiteraard doordacht en verantwoord)? In Nederland zou ik de discussie ook koppelen aan de Europese AI-verordening. Die classificeert AI-systemen voor toelating en beoordeling in het onderwijs als hoog-risico. Dat sluit  aan bij de grenzen die AACTE trekt. Sterk vind ik weer het pleidooi om te investeren in grondige professionele ontwikkeling, en niet in eenmalige studiebijeenkomsten. Principe 12 benadrukt op een goede manier wat de meerwaarde van docenten ten opzichte van AI-begeleiding in feite is.

De derde pijler sluit aan op wat ik eerder geschreven heb over cognitief ontlasten versus cognitief uitbesteden: het eerste kan helpen bij het leren, het tweede belemmert leren op langere termijn. Voor docenten in opleiding geldt dit ook. AI kan helpen routinematige taken te ontlasten, zodat je meer ruimte hebt voor -bijvoorbeeld- het investeren in relaties met lerenden.

Nederlandse docentenopleidingen kunnen het naast het raamwerk docentcompetenties onderwijs met ICT leggen om te zien waar aanvulling nodig is.

Mijn bronnen over (generatieve) artificiële intelligentie

Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.