Lerenden beschikken niet altijd over dezelfde kennisbasis. Als docent zou je eigenlijk moeten weten over welke kennisbasis lerenden beschikken, om vervolgens daar op in te spelen. Bij de Duke University experimenteert men met artificiële intelligentie (AI) om in kaart te brengen over welke kennisbasis lerenden al beschikken. Vervolgens vertaalt men inzichten in acties.
Jon Reifschneider van Duke University doet hierover verslag in How Professors Can Use AI to Improve Their Teaching In Real Time.
Reifschneider schrijft dat hij elke week formatieve toetsen afneemt om te kijken welke kennis lerenden beheersen. Het is echter niet eenvoudig om veel vragen van veel lerenden te analyseren ten behoeve van het herkennen van patronen in de kennisbasis van de lerenden. Machine learning kan daarbij helpen aangezien machine learning expliciet bedoeld is om patronen in data te herkennen.
Hij heeft daarom samen met collega’s de Intelligent Classroom Assistant ontwikkeld. Deze applicatie analyseert de resultaten van de quizzen tijdens de lessen of het huiswerk van de klas, evenals de leerstof die tot nu toe in de cursus werd behandeld. Vervolgens analyseert de applicatie de gegevens met behulp van een algoritme voor machine learning en verstrekt de applicatie drie geautomatiseerde analyses over: quiz- en huiswerkonderwerpen waarmee de klas moeite had; onderwerpen die de klas al dan niet beheerst; en de prestaties van elke leerling.
Een van de belangrijkste uitdagingen bij het ontwikkelen van de tool was volgens de auteur het matchen van quiz- en huiswerkvragen met de meest relevante onderwerpen die bestudeerd werd. Hiervoor is een aangepast algoritme ontwikkeld dat gebruik maakt van natural language processing en open-source bibliotheken om de context van elke vraag te begrijpen. Vervolgens koppelt de tool elke vraag aan het primaire onderwerp dat geëvalueerd moest worden. De tool blijkt dat in 82% van de gevallen correct te doen.
Reifschneider gebruikt de analyses om vervolgens extra tijd tijdens colleges te besteden aan onderwerpen en specifieke vragen waarvan de Intelligent Classroom Assistant heeft aangegeven dat lerenden hier niet goed op presteren. Tijdens een-op-een begeleidingssessies met lerenden gebruikt de docent de module van het programma die zicht biedt op de individuele prestaties van lerenden om te begrijpen waar de lerende extra versterking bij nodig heeft en om de extra ondersteuning meer specifiek te maken.
Jon Reifschneider heeft nog geen zicht op de relatie met studieresultaten. Daarvoor zijn de ervaringen Intelligent Classroom Assistant nog te pril. Hier zal dus meer onderzoek naar gedaan moeten worden.
De auteur onderstreep in elk geval het belang om analyses van educatieve data te combineren met gerichte acties.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie