In hun artikel “Striking a Balance: Navigating the Ethical Dilemmas of AI in Higher Education” onderzoeken Katalin Wargo en Brier Anderson hoe onderwijsinstellingen (generatieve) AI kunnen inzetten zonder belangrijke waarden uit het oog te verliezen. Ze richten zich op drie hoofdthema’s: sociale gelijkheid, duurzaamheid en een mensgerichte aanpak. De centers for teaching and learning (CTLs), die we ook in Nederlands steeds vaker hebben, spelen hierbij volgens de auteurs een belangrijke rol. Maar ook zonder een CTL kun je aan de slag met de strategieën die de auteurs beschrijven.
Als het gaat om sociale gelijkheid dan blijken AI-systemen ongelijkheid te versterken. AI-algoritmen zijn meestal getraind op historische gegevens en weerspiegelen en reproduceren vaak inherente maatschappelijke vooroordelen. Zo kunnen automatische beoordelingssystemen nadelig uitpakken voor lerenden die de gehanteerde taal niet als moedertaal gebruiken omdat de systemen te veel nadruk leggen op taal in plaats van inhoud. Verder vertrouwen adaptieve leersystemen op kwantitatieve gegevens, en houden ze geen rekening met de diepere contextuele factoren die het leren van lerenden beïnvloeden. Daarnaast kunnen betaalde versies van AI-tools de kloof vergroten tussen lerenden die zich deze tools wel en niet kunnen veroorloven.
Het tweede thema betreft de milieueffecten van AI. Het trainen en draaien van AI-modellen kost veel energie en datacenters gebruiken volgens de auteurs grote hoeveelheden water voor koeling – ongeveer negen liter per kilowattuur. Enkele universiteiten, waaronder het Massachusetts Institute of Technology, nemen deze milieueffecten al mee in hun curricula om lerenden bewust te maken van duurzame technologische keuzes. Daarbij moet je volgens de auteurs wel kiezen voor een doordachte aanpak. Bij Radford University hebben ze gemerkt dat lerenden overweldigd kunnen raken als ze alleen horen over de problemen van AI. Dit kan leiden tot gevoelens van machteloosheid. De universiteit kiest daarom voor een praktische oplossing: ze laten lerenden niet alleen nadenken over de nadelen van AI, maar ook over mogelijke oplossingen. Ze noemen dit ‘wicked problems’ – complexe vraagstukken zonder voor de hand liggende antwoorden. Wargo en Anderson schrijven dat deze werkwijze twee voordelen heeft: lerenden leren het grotere plaatje zien (systeemdenken) én ze ontwikkelen hun kritisch denkvermogen en leiderschapsvaardigheden. Daardoor voelen zij zich betrokken bij het zoeken naar oplossingen.
Thema drie is aanpak die de mens centraal stelt bij het leren. Daarbij is het volgens de auteurs belangrijk dat AI wordt ingezet als aanvulling op menselijk contact, niet als vervanging. Een te groot vertrouwen op deze AI-applicaties kan de menselijke interacties die de kern van het onderwijs vormen, uithollen. Wargo en Anderson stellen dat, als deze applicaties niet zorgvuldig worden geïntegreerd, dit kan leiden tot een geïsoleerde leerervaring waarbij lerenden meer interactie hebben met technologie dan met hun medelerenden of docenten. AI kan wel administratieve taken overnemen zodat docenten meer tijd overhouden voor betekenisvolle interactie met lerenden. Een goed voorbeeld is de chatbot Jill Watson van Georgia Tech, die routinevragen beantwoordt waardoor onderwijsassistenten zich kunnen richten op complexere vragen. Ook de chatbot Pounce van Georgia State University biedt 24/7 ondersteuning aan lerenden. Verder zouden lerenden moeten leren hoe zij AI doelgericht kunnen gebruiken voor het leren. Kaders die ontwikkeld zijn in het Transparency in Teaching and Learning’-project, kunnen hiervoor worden gebruikt.
Centers for Teaching and Learning (CTL’s) spelen een belangrijke rol bij het ondersteunen van docenten. Ze helpen bij het verantwoord inzetten van AI-tools door workshops te organiseren over mensgerichte ontwerpprincipes en het delen van praktijkvoorbeelden. Ook moedigen ze docenten aan om open te communiceren over het doel van AI-tools in hun onderwijs en om lerenden regelmatig om feedback te vragen.
In hun artikel presenteren Wargo en Anderson drie kaders met elk tien strategieën die CTL’s kunnen inzetten om rond deze drie thema’s een evenwicht te vinden tussen voordelen en risico’s. Voorbeelden zijn:
- Stimuleer docenten om AI-tools kritisch te evalueren voordat ze deze in hun onderwijs integreren en let daarbij op of de tool maatschappelijke vooroordelen kan versterken.
- Ontwikkel duurzaamheidsscorekaarten voor cursusontwerpen, die docenten kunnen gebruiken om de milieu-impact van de AI-technologieën die ze van plan zijn te implementeren te beoordelen en te minimaliseren.
- Bevorder intercollegiale reviews van AI-ondersteunde cursusontwerpen, waarbij docenten hun strategieën voor het integreren van AI kunnen delen zonder het welzijn en de inclusiviteit van lerenden uit het oog te verliezen.
Door deze drie aspecten – sociale gelijkheid, duurzaamheid en mensgerichte aanpak – samen aan te pakken, kunnen onderwijsinstellingen de voordelen van AI volgens Wargo en Anderson benutten en tegelijk de risico’s beperken. Door AI zorgvuldig te integreren kunnen instellingen zorgen voor onderwijs waarin zowel technologie als menselijkheid een plek hebben.
Mijn opmerkingen
Katalin Wargo en Brier Anderson snijden een belangrijk onderwerp aan, als het gaat om het gebruik van (generatieve) AI en leren, opleiden en onderwijs. Zij bieden tegelijkertijd concrete handelingsperspectieven. Dit laatste ontbreekt vaak in artikelen over ethische risico’s van (generatieve) AI. Ook onderwijsinstellingen en L&D-functies die niet over een CTL beschikken kunnen met de inhoud van deze bijdrage hun voordeel doen. De thematiek en veel strategieën zijn namelijk relevant voor onderwijs en L&D in het algemeen. Uiteraard kun je daarbij keuzes maken uit die strategieën.
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