Gaat artificiële intelligentie de inhoud van het onderwijs veranderen? Hoe kun je ervoor zorgen dat niet alleen ‘witte mannen’ computerwetenschappen gaan studeren? En wat zijn mogelijke gevolgen van artificiële intelligentie voor didactiek?
McKinsey&Company laat het hoofd computerwetenschappen van Princeton, Jennifer Rexford, aan het woord over over deze drie vragen.
Volgens Rexford zal artificiële intelligentie grote invloed krijgen op werkgelegenheid. Volgens haar moeten we daarom vooral kijken waar machines niet goed in zijn. En dat is creativiteit, sociale vaardigheden en het kunnen inschatten van situaties. Volgens Rexford zou daar binnen het onderwijs meer nadruk op moeten komen te liggen.
Deze stellingname is bepaald niet onomstreden. Je zult als medewerker van een autofabriek bijvoorbeeld moeten weten hoe een auto functioneert, ook als deze door robots in elkaar wordt gezet. Die robots moeten immers ook geprogrammeerd worden. Bovendien heb je die kennis nodig om problemen te diagnosticeren. Het is goed om regelmatig kritisch te kijken naar de inhoud van je onderwijs. Vakinhoud blijft echter van groot belang.
Diversiteit verbeteren
Rexford wijst in het interview ook op een gebrek aan diversiteit binnen computerwetenschappen en artificiële intelligentie in het bijzonder. Zij vindt het een groot probleem als zo’n belangrijke technologie wordt ontwikkeld terwijl een groot deel van de bevolking daar niet in is vertegenwoordigd. Als voorbeeld geeft zij het ontwikkelen van zeeppompjes met sensoren die alleen op lichte huid reageren. Als bij het testen ervan meer ‘African-Americans’ betrokken waren geweest, was dit waarschijnlijk voorkomen.
Bij Princeton probeert men diversiteit van de opleiding te verbeteren door ook een Bachelor of Arts graad op het gebied van computerwetenschappen aan te bieden. Studenten hoeven dus niet al meteen voor een Beta-richting te kiezen om computerwetenschappen te gaan studeren. Tijdens het eerste jaar komt men dan in aanraking met computerwetenschappen. Deze aanpak blijkt succes te hebben.
Verder werkt men in de introductiecursus aan interdisciplinaire toepassingen van computers. Studenten programmeren toepassingen die aansluiten bij hun belevingswereld (kunst, muziek, etc). Dit vergroot de toegankelijkheid van het onderwijs.
Impact AI op didactiek
In het laatste deel van het interview gaat Jennifer Rexford in op de wijze waarom artificiële intelligentie van invloed zal zijn op de wijze waarop het onderwijs verzorgd zal worden. Zij kijken bijvoorbeeld naar de mogelijkheid om MRI-scans bij studenten (vrijwilligers!) uit te voeren terwijl zij naar videocolleges kijken. Op deze manier wil men analyseren hoe de studenten leren, waarin studenten van elkaar verschillen en of dit samenhangt met hun begrip van concepten en hun concentratieniveau. Via MRI-scans hopen zij dus meer inzicht te krijgen in hoe mensen leren.
Ik ben benieuwd of dit ook echt leidt tot nieuwe inzichten omtrent leren. Tot nu toe hebben neurowetenschappen vooral bevestigd wat we uit cognitief psychologisch onderzoek weten. Volgens mij zou je ook alle leeractiviteiten moeten monitoren. Wat doen lerenden met de informatie die zij in de video hebben gehoord en gezien?
Tenslotte wil Princeton machine learning toepassen op de data die men over leren verzamelt. Machine learning moet de instelling helpen een beter gevoel te krijgen van datgene waar studenten moeite mee hebben en van datgene wat niet goed is uitgelegd. Met behulp van machine learning zou je het onderwijs van studenten ook meer kunnen personaliseren zodat zij meer in eigen tempo en aansluitend op hun niveau kunnen studeren.
Deze ontwikkeling gaat verder dan de huidige adaptieve technologieën. Ik ben benieuwd naar de resultaten.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie