Als het gaat om het gebruik van nieuwe technologie voor leren, opleiden en onderwijs, dan richten wij onze blik al gauw op de VS. In China gebeuren echter ook opzienbarende zaken, wat betreft de toepassing van artificiële (kunstmatige) intelligentie (AI) voor leren. Wat overigens niet wil zeggen dat we deze ontwikkelingen ook moeten omarmen.
Karen Hao heeft enkele weken geleden een zeer uitvoerige rapportage geschreven over twee zeer uiteenlopende initiatieven op het gebied van AI in het onderwijs: China has started a grand experiment in AI education. It could reshape how the world learns.
In deze bijdrage presenteert zij twee initiatieven die dankzij forse investeringen flink aan de weg timmeren. In de eerste plaats is dat het bedrijf Squirrel waarvan één van de oprichters eind november tijdens de Online Educa zal spreken.
Squirrel
Bij Squirrel kijkt een algoritme naar de voortgang van lerenden. Op basis van de analyse van data en dankzij een algoritme krijgen lerenden feedback en een beoordeling. Het programma is zeer adaptief, en stelt ook zeer effectief te zijn. Karen Hao geeft het voorbeeld van een leerling die dankzij Squirrel veel betere toetsresultaten is gaan behalen. Bij Squirrel leren lerenden niet alleen individueel via de computer. Ze maken ook gebruik van studiecentra waar docenten van vlees en bloed de voortgang van lerenden monitoren en hen face-to-face begeleiden. Docenten gebruiken dus ook data over leren om lerenden te ondersteunen.
Het bedrijf richt zich op het helpen van studenten om beter te scoren op jaarlijks gestandaardiseerde tests die in China tot veel stress leiden. Meer dan 80% van de lerenden komen volgens Squirrel elk jaar terug. Het systeem legt steeds meer gegevens vanaf het begin vast, waardoor volgens eigen zeggen allerlei personalisatie- en voorspellingsexperimenten mogelijk zijn geworden.
De innovatie van de aanpak zit hem in de fijnmazigheid en schaalgrootte. Daar zit ‘m ook de toegevoegde waarde ten opzichte van ‘concullega’s’. Voor elk vak werkt het technisch team van Squirrel samen met een groep master-docenten om het vak onder te verdelen in de kleinst mogelijke conceptuele eenheden. Het vak wiskunde is bijvoorbeeld onderverdeeld in meer dan 10.000 kleine elementen, of ‘kennispunten’, zoals rationele getallen, de eigenschappen van een driehoek en de stelling van Pythagoras. Het doel is om een zo nauwkeurig mogelijke diagnose te stellen van de hiaten in het begrip van een student. Dit is veel uitgebreider en gedetailleerder dan boeken dat doen, of andere online platforms. Op deze manier zegt Squirrel ook in korte tijd veel relevante informatie over lerenden te krijgen.
Meer standaardisering
Er is echter ook kritiek op deze benadering. Harvard-hoogleraar Chris Dede stelt bijvoorbeeld dat deze vorm van adaptief onderwijs niet hetzelfde is als gepersonaliseerd leren. Squirrel’s aanpak maakt duidelijk wat lerenden wel en niet weten. Er is volgens Dede echter geen aandacht voor wat lerenden willen leren en hoe zij het beste kunnen leren. Er wordt dus geen rekening gehouden met interesses en behoeften van lerenden, aan motivatie. Squirrel draagt bij aan lerenden efficiënter naar dezelfde gestandaardiseerde ‘plaats’ te brengen.
At best, (…) AI can help teachers foster their students’ interests and strengths. At worst, it could further entrench a global trend toward standardized learning and testing, leaving the next generation ill prepared to adapt in a rapidly changing world of work.
Er zijn echter ook pleitbezorgers van AI in het onderwijs die stellen dat AI gestandaardiseerd onderwijs kan verzorgen, waardoor docenten zich kunnen richten op andere onderdelen van het curriculum die zich richten op niet-lineaire onderdelen, op vaardigheden en socialisatie. In het artikel wordt de vergelijking gemaakt met een piloot die vaak op de automatische piloot vliegt, maar zelf in actie komt in bijzondere en complexe situaties. In het geval van het onderwijs is dat bijvoorbeeld als het gaat om menselijke begeleiding van lerenden (het voorbeeld van pesten wordt genoemd).
Alo7
Het tweede bedrijf, waarover Karen Hao, schrijft, is het bedrijf Alo7 van Pan Pengkai.
Unlike many other firms, though, it seeks to move away from test-oriented learning and instead foster creativity, leadership, and other soft skills. The company offers products and services for both physical and digital classrooms.
Het platform van dit bedrijf is bedoeld als aanvulling op het face-to-face onderwijs. Kennis die kan worden geoefend door middel van adaptief leren, zoals het leren van woordenschat, wordt thuis geoefend via de app. Dat geldt ook voor zaken als uitspraak. Algoritmes voor spraakherkenning spelen hierbij een belangrijke rol. Maar alles wat creativiteit vereist, zoals schrijven en conversatie, wordt in de klas geleerd. De bijdrage van de docent is dan van vitaal belang. Volgens de visie van de oprichter zou het onderwijs zich zelfs moeten ontdoen van gestandaardiseerde tests.
Op AI-gebaseerde leertechnologie wordt bij Alo7 dus veel specifieker ingezet, dan bij Squirrel het geval is. Ook vervangt Alo7 niet complete docenttaken, maar ondersteunt het platform docenten bij het uitvoeren van taken. Alo7 gebruikt echter ook technologie voor het herkennen van gezichtsuitdrukkingen en stemgebruik om docenten feedback te geven over het welbevinden van lerenden. Chris Dede waarschuwt hier weer voor:
cameras and other sensors could also be misused to judge a student’s emotions or state of mind, applications that have little grounding in science and could lead to over-surveillance.
De oprichter van Alo7 erkent dat je hier voorzichtig mee moet zijn, en dat meer onderzoek op dit gebied noodzakelijk is. Maar ondertussen wordt de technologie wel toegepast.
Squirrel heeft de ambitie om de vleugels ook in andere werelddelen uit te slaan. Dat verklaart vermoedelijk de aanwezigheid bij de Online Educa in Berlijn. Alo7 heeft vooralsnog de handen vol aan China.
Persoonlijk zie ik heil in dergelijk adaptieve toepassingen, voor een beperkt deel van curricula. Het gebruik van gezichts- en spraakherkenningstechnologie ten behoeve van het verzamelen van data voor de begeleiding van lerenden moet je op dit moment niet willen. We moeten eerst veel meer weten over de relatie tussen, bijvoorbeeld, gezichtsuitdrukkingen en motivatie.
Ik ken bijvoorbeeld mensen die boos kijken als ze zeer geconcentreerd zijn.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie