Voor- en nadelen van generatieve AI voor gepersonaliseerd leren

Als het gaat om onderwijs wordt (generatieve) AI vaak gekoppeld aan gepersonaliseerd leren. Deze benadering is echter niet zaligmakend. Philippa Hardman verkent in deze bijdrage de voor- en nadelen van AI-gepersonaliseerd leren en de potentie van AI bij het faciliteren van samenwerkend leren.

DALL-E: A diverse group of teachers in a classroom setting, engaging in a knowledge-sharing session.

Als het gaat om generatieve AI bij leren, wordt vaak verwezen naar Benjamin Bloom’s 2-Sigma onderzoek uit 1984. Bloom toonde daarin aan dat 1-op-1-onderwijs door een deskundige tutor eigenlijk de meest effectieve leermethode is. Deze aanpak is echter onbetaalbaar en niet te organiseren. Dankzij generatieve AI zou het wel mogelijk zijn dat elke lerende over een persoonlijke “Socratische tutor” kan beschikken. Technologische oplossingen zoals Socratic van Google en Khanmigo van Khan Academy hebben deze pedagogische benadering opgeschaald. Toch mogen we volgens Hardman niet voorbijgaan aan de beperkingen van gepersonaliseerd leren, vooral voor minder zelfverzekerde lerenden of lerenden uit meer gemeenschapsgerichte culturen. Verder wijst zij ook op de kracht van alternatieve benaderingen. Zij staat daarbij met name stil bij samenwerkend leren.

Samenwerkend leren benadrukt samenwerking en co-creatie. Het verschilt van gepersonaliseerd leren door de focus op collectieve kennisopbouw, sociale leeromgevingen, de rol van de docent als moderator, en beoordelingsmethoden die samenwerking en collectief begrip evalueren. Zij vergelijkt gepersonaliseerd leren en samenwerkend leren op een aantal aspecten met elkaar. Onderzoek laat volgens haar zien dat samenwerkend leren zowel voordelen op het gebied van leerprestaties en sociaal-psychologische voordelen heeft. Daarbij verwijst zij wel naar relatief oud onderzoek.

In het laatste deel van haar bijdrage, illustreert Philippa Hardman de potentie van AI ten behoeve van het opschalen van de voordelen van samenwerkend leren:

AI algoritmes kunnen geoptimaliseerde cohorten lerenden creëren en functies zoals real-time vertaling bieden voor om diverse groepen lerenden met elkaar in contact te brengen. AI-tutoren kunnen ook bijdragen aan groepsdiscussies.
Virtuele co-creatie ‘maker spaces’. Je kunt bijvoorbeeld AI-gemedieerde ruimtes voor brainstormsessies en groepsprojecten inzetten en feedback geven op ideeën die door een groep zijn gegenereerd.
Peer-to-Peer leernetwerken. AI kan lerenden matchen op basis van interesses en leerdoelen, peer mentoring mogelijk maken en onmiddellijke feedback geven.
AI-gemedieerde rollenspellen. AI kan bijvoorbeeld scenario’s genereren en lerenden begeleiden door teamwork en besluitvormingsprocessen.

Hardman stelt onder meer dat meer onderzoek nodig naar mens-machine-interactie in de context van samenwerkend leren om te weten of generatieve AI in staat is de dynamiek en voordelen van samenwerkend leren te repliceren. Zij verwijst daarbij naar onderzoek van Karel Kreijns et a uit 2013. Kreijns en collega’s vonden dat echte menselijke interactie noodzakelijk was voor zinvolle interactie en het behalen van resultaten in computerondersteunde omgevingen. Toen hadden we echter nog niet de krachtige mogelijkheden die laagdrempelige generatieve AI ons nu biedt. Onderzoek zal inderdaad moeten laten zien dat generatieve AI in staat is menselijke interactie volwaardig te compenseren.

Andere bronnen over generatieve AI

Ik wil ook een aantal links van bijdragen met jullie delen die ik niet ga bespreken.

Mijn bronnen over (generatieve) artificiële intelligentie

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

This content is published under the Attribution 3.0 Unported license.

Geef een reactie