Veel bijdragen over generatieve AI gaan over de snelle ontwikkeling van de technologie. In deze bijdrage besteed ik aandacht aan drie bijdragen die voornamelijk gaan over didactische aspecten van generatieve AI.
De eerste bijdrage lijkt op de bijdrage van Eric Ofgang over opdrachten en generatieve AI, waar ik drie dagen geleden onder meer over schreef. Designing assessments for an AI-enabled world verkent hoe de vereiste veranderingen op het gebied van beoordelen, die zouden kunnen voortvloeien uit het wereldwijde gebruik van generatieve AI, kunnen worden gerealiseerd. De samenstellers stellen voorop dat lerenden zich veilig en verantwoordelijk moeten voelen. Daartoe moet je als docent betere manieren gebruiken om te beoordelen wat lerenden leren, en bevorderen dat lerenden eerlijk werken. Zij adviseren om eerste stappen te zetten:
- Experimenteer met een generatieve AI-tool zoals Microsoft Copilot bijvoorbeeld voor het testen van examenvragen.
- Beoordeel huidige beoordelingen kritisch (o.a. vraag jezelf af of de huidige manieren daadwerkelijk meten wat je wilt meten).
- Pas vragen van beoordelingen aan zodat ze moeilijker door AI beantwoord kunnen worden (tips volgen hieronder).
- Hanteer duidelijke richtlijnen voor lerenden over AI-gebruik (maak duidelijk wat acceptabel gebruik van AI is in de context van opdrachten).
- Zoek advies bij collega’s.
Daarnaast bevat de bijdrage advies voordat je wijzigingen gaat doorvoeren. Bespreek voorgenomen wijzigingen met het onderwijsteam en lerenden, en zorg ervoor dat deze in lijn zijn met de bestaande beoordelingscriteria.
Het volgende onderdeel van deze bijdrage gaat over mogelijke veranderingen die je onmiddellijk kunt doorvoeren. Een reeks van zes video’s biedt hulp voor het aanpassen van beleid en praktijk. De video’s gaan over:
- Discussie over academische integriteit en AI (bijvoorbeeld verduidelijk het toegestane gebruik van AI bij beoordelingen).
- Feedback en formatieve evaluatie (onder andere betrek lerenden actief bij het feedbackproces.
- Herschrijven van vragen en opdrachten (stel bijvoorbeeld hypothetische, scenario-gebaseerde vragen).
- Herziening van essayvragen (onder meer door te vragen naar persoonlijke ervaringen van lerenden).
- Scenario-gebaseerde vragen omzetten.
- Verbeteren van meerkeuzevragen (bijvoorbeeld door vragen complexer te maken en audioresponse te gebruiken).
Tenslotte gaan de samenstellers in op het plannen voor grotere veranderingen op het gebied van beoordelen. Zij hebben een ‘Assessment Menu’ opgenomen dat 40 verschillende kaarten met beoordelingsideeën bevat die lerenden direct met AI laten werken of waarvoor AI moeilijk een antwoord kan genereren.
Bijdrage twee gaat over het gebruik van ChatGPT voor het ontwikkelen van beoordelingscriteria en rubrics. De auteur begon met te onderzoeken of ChatGPT de zes beoordelingscriteria, die zij en haar collega’s gebruiken, kon verbeteren. Bij alle beoordelingen binnen hun programma delen ze de criteria in in drie categorieën: kennis & onderzoek, evaluatie & analyse en communicatie. De resultaten van het experiment waren goed. Vervolgens vroeg de auteur om de beschrijvingen van de beoordelingscriteria. Ook hier waren de resultaten zeer bevredigend. De bijdrage zelf bevat de rubrics en de gebruikte prompts van het experiment.
Natuurlijk zijn er volgens haar enkele kritische opmerkingen te maken. De output is zeker niet perfect en kan niet zonder meer gebruikt worden zonder een redacteur met expertise. Er was onder meer een specifiek probleem met de essayvragen, omdat deze de geschiedenis van de psychologie behandelen en de bronnen niet allemaal recent zijn. Dit moest men aanpassen om verwarring en onrust te voorkomen. De auteur gebruikte ChatGPT verder om de antwoorden vorm te geven. Zij concludeert dat dit als basis voor het beginnen met redigeren ongelooflijk nuttig is. Er zijn veel voorbeelden van beoordelingscriteria beschikbaar, maar het mooie van het gebruik van ChatGPT is dat zij deze voorbeelden heeft kunnen aanpassen om ze relevanter te maken voor haar, door de essayvragen, het aantal gewenste criteria en de categorieën waarin ze ingedeeld moeten worden, op te geven.
De auteur licht in deze bijdrage toe hoe zij ChatGPT gebruikt voor onderwijsdoeleinden, door het combineren van eigen materiaal met aangepaste versies door ChatGPT. Zij benadrukt het belang van ervaring en expertise bij het gebruik van AI, en hoe haar focus is verschoven naar het effectief inzetten van AI in het leerproces.
Bijdrage drie beschrijft hoe je met behulp van toepassingen als ChatGPT een persoonlijk studieschema kunt maken. De auteur past dit toe voor het medisch domein. AI biedt volgens hem mogelijkheid om studieplannen aan te passen aan de individuele sterktes en zwaktes van lerenden. Stel dat een lerende goed scoort op chirurgische vraagstukken maar moeite heeft met cardiovasculaire onderwerpen. AI kan deze inzichten gebruiken om een studieplanning te genereren waarin meer tijd wordt besteed aan de zwakkere onderwerpen, verrijkt met specifiek studiemateriaal en oefenvragen.
Een belangrijk voordeel van AI op het gebied van studieplanning is de flexibiliteit. Naarmate de lerende vordert, kan het AI-gestuurde schema zich aanpassen aan de veranderende behoeften en voortgang. Het effectief benutten van AI, vereist echter dat de lerenden gedetailleerde informatie verschaft over onder meer de gewenste studielengte en -duur, gebruikte studiematerialen en de planning van oefenexamens.
Daar vloeit ook volgens de auteur een kanttekening uit voort. AI-systemen zijn afhankelijk van de informatie die ze ontvangen en kunnen onbewuste zwakheden van de lerende over het hoofd zien. Bovendien heeft AI soms moeite met het herkennen van essentiële leerstof. Dit vereist dat lerenden zelf een goed inzicht hebben in wat belangrijk is voor hun examen. Uiteraard kaart de auteur ook aan dat AI soms incorrecte of misleidende informatie kan verstrekken. Dit onderstreept het belang van een kritische benadering en eventueel de inbreng van een tutor.
Desalniettemin kan AI volgens de auteur worden ingezet als een waardevol hulpmiddel bij het creëren van een efficiënte en gepersonaliseerde studieplanning voor medische lerenden. Door deze technologie zorgvuldig en kritisch te gebruiken, kunnen lerenden zich beter voorbereiden op belangrijke examens.
Andere bronnen over generatieve AI
- Nvidia: Op de Grens Tussen AI en Menselijkheid
- We Really Need an AI Moonshot In…
- Orthogonale AI Strategieën
- Prompt Library
- The 11 best ChatGPT prompts for better results, according to research
- Cornerstone Acquires Talespin: AI Meets Metaverse In Corporate Learning
- 5 Tips for Using Artificial Intelligence in Your Work Routine
- 3 Useful AI Research Tools for Educators
- Prompt: Onder de Motorkap van ChatGPT
- AI Wordt Niet Slimmer Door Poep te Eten
- AI Chatbots as Tech Doctors: Empathy and Quality in the Healthcare System
- When Patient Questions Are Answered
- ChatGPT Offers a Choosing Moment for Higher Education
- Wat Als Ik Vanaf Nu Mijn Werk Door Een AI Laat Doen?
- ChatGPT-5 Details Revealed
- ChatGPT: Educational Artificial Intelligence
- Scopus AI: Trusted content. Powered by responsible AI
- Teachers are embracing ChatGPT-powered grading
- Generative AI: Creativity, Comfort, Truth
- What Does a Learning Game Have to Learn?
- Perplexity AI: How to Use It to Teach
- How Multiple AI Agents Will Work
- Nature Journal Article on AI
- Universities Build Their Own ChatGPT AI
- Slack AI Canvas
- AI Learning Biology
- 4 Proven Strategies for Teaching AI to Girls and Anyone
- Infographic: Visualizing Global Attitudes Towards AI
- AI Webinar: Artificial Intelligence Learning
- AI Guidance in School: Responsible Use in Education
- Building Inclusive AI Strategies for Training Against Racism
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