Op 14 december 2023 ging de AI Advisory Board van ROERCollege Schöndeln van start, die ik mag begeleiden. Gisteravond vond bijeenkomst zeven van deze adviesraad plaats. Deze blogpost bevat een impressie.
Ongeveer driekwart jaar geleden heeft deze AI Advisory Board een advies opgesteld met richtlijnen en afspraken bij het gebruik van generatieve AI. We hebben richtlijnen geformuleerd voor de school, medewerkers en leerlingen (uitgesplitst naar thema’s zoals toetsen en beoordelen, en ethiek, veiligheid en bewustwording). Het advies is daarna met verschillende betrokkenen, zoals de medezeggenschapsraad, besproken. Download Advies Artificial Intelligence in de lespraktijk (pdf)
Sinds die tijd is veel gebeurd. Gisteravond hebben we daarom deze richtlijnen en afspraken tegen het licht gehouden. Moeten de richtlijnen worden aangepast of uitgebreid?
Ik heb eerst een korte introductie gegeven van de belangrijkste ontwikkelingen op dit gebied, sinds het afgelopen jaar. Op de eerste plaats gaat het daarbij om ontwikkelingen van (generatieve) AI-technologie op zich. De toepassingen kunnen nu bijvoorbeeld met meer invoer werken en hebben een beter geheugen. Gebruikers kunnen AI-tools lokaal gebruiken met eigen data, wat de betrouwbaarheid verhoogt. Er zijn nieuwe functies toegevoegd, waaronder zoekmogelijkheden. De modellen kunnen vaak beter redeneren, analyseren en in verschillende schrijfstijlen communiceren. Deep Research faciliteert zelfs onderzoek doen. Ze tonen in toenemende mate meer emotioneel inzicht tijdens gesprekken en kunnen meekijken op het scherm. Sommige diensten slaan data op in Europa. Bedrijven doen nog steeds grote investeringen, met zelfs een overnamebod op OpenAI. Tegelijkertijd worden taalmodellen kleiner en efficiënter, en komen nieuwe modellen zoals DeepSeek op. Een belangrijke ontwikkeling is ook de opkomst van ‘agents’. Zie ook: Trends op het gebied van generatieve AI samengevat.
Daarnaast zijn ook nieuwe inzichten ontstaan in het gebruik van generatieve AI. Zo weten we bijvoorbeeld dat de combinatie ‘mens’-‘AI’ niet altijd beter werkt, al is dat vaak wel het geval bij het ontwikkelen van content. Ook kunnen lerenden te afhankelijk worden van GenAI als het gaat om feedback. Philippa Harman laat zien dat de huidige generieke AI-systemen het leerproces van mensen onbedoeld negatief kunnen beïnvloeden. Lerenden kunnen te veel op deze technologie vertrouwen, waardoor hun vermogen om zelfstandig kritisch te denken afneemt. Ook kan de betrokkenheid bij zelfregulerend leren verminderen, omdat AI snelle oplossingen biedt zonder dat de lerende zelf het denkproces doorloopt. Volgens haar ligt de sleutel tot verbetering in het plaatsen van didactische principes aan de basis van AI-ontwikkeling. Wanneer ontwikkelaars en ontwerpers van AI-modellen en -toepassingen bewust rekening houden met leerprocessen en onderwijskundige inzichten, kan de impact op menselijk leren juist exponentieel positief worden.
Steiss cs concluderen op basis van onderzoek dat formatieve feedback met behulp van AI-toepassingen de ontwikkeling van schrijfvaardigheid kan ondersteunen door vaker feedback te geven. Menselijke beoordelaars leveren nog steeds betere kwalitatieve feedback leveren, al benadert ChatGPT dit niveau redelijk zonder specifieke training. De kwaliteit van AI-feedback hangt sterk af van de gebruikte prompts. Belangrijk is te erkennen dat ‘AI’ tekst niet volledig ‘begrijpt’; lerenden en docenten moeten de feedback daarom kritisch beoordelen. ChatGPT blijkt consistent in het geven van feedback op basis van criteria, maar heeft moeite met het behouden van een ondersteunende toon en het accuraat beoordelen van hoogwaardige essays. De technologie is veelbelovend als aanvulling op traditioneel schrijfonderwijs, vooral in vroege fasen voor snelle feedback, maar menselijke feedback blijft nodig voor definitieve versies.
Daarnaast wordt -mede dankzij de mogelijkheden om met GenAI-toepassingen te spreken- steeds vaker gekeken naar het gebruik van GenAI voor ’tutoring’ In dit kader is dan onderzoek relevant naar de effecten van het gebruik van ChatGPT en andere AI-chatbots door studenten op hun sociale interacties en gevoel van verbondenheid.
Tenslotte ben ik ook ingegaan op de discusssie over het aanpassen van opdrachten omdat GenAI-toepassingen veel opdrachten ruim voldoende of goed kunnen maken (zie Rubens, 2025a en Rubens, 2025b). Het gaat er dan om ‘gelaagde’ opdrachten twee gebruiken waarbij lerenden verbanden leggen tussen diverse bronnen, klassikale gesprekken en persoonlijke ervaringen. Door tijdens bijeenkomsten de tekortkomingen van AI te tonen – bijvoorbeeld wanneer ChatGPT verschillende maar onjuiste antwoorden produceert – kunnen docenten samen met lerenden de kwaliteit van AI- versus menselijke teksten evalueren. Het aanpassen van schrijfopdrachten vraagt bovendien om verdiepende analyses in plaats van eenvoudige samenvattingen die AI probleemloos kan genereren.
Als lerenden een werkstuk moeten schrijven en presenteren kan een voorwaarde zijn dat zij een selfie met een geïnterviewde expert moeten maken om aan te tonen dat zij echt met de expert hebben gesproken. Ook moeten zij bevindingen uit drie interviews vergelijken met de reactie van ChatGPT op de vragen.
Een belangrijke toets is om opdrachten eerst zelf met AI te proberen; wanneer AI goed presteert, is aanpassing nodig. De nadruk op het proces kan vorm krijgen door lerenden stapsgewijs aan essays te laten werken en door ook gebruik te maken van mondelinge presentaties. Heldere communicatie over wanneer AI-gebruik toegestaan is (bijvoorbeeld bij ideeëngeneratie of feedback) en wanneer niet, inclusief duidelijke gevolgen bij misbruik, is essentieel.
Vervolgens hebben we gekeken naar of de richtlijnen en tips van bijna een jaar geleden nog steeds actueel en up to date, mede gezien de geschetste ontwikkelingen?
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