Op zoek naar inspiratie om je opdrachten aan te passen, nu lerenden bepaalde opdrachten met generatieve AI-toepassingen kunnen uitvoeren? Dan is Help Students Think Critically in the Age of AI van Michael Roberto wellicht wat voor jou. Roberto deelt drie strategieën om opdrachten zo in te richten dat lerenden AI-toepassingen kunnen gebruiken als hulpmiddel zonder er afhankelijk van te worden.
De eerste strategie richt zich op het ontwerpen van gelaagde –multi-layered– opdrachten. Deze opdrachten vragen dat lerenden bijvoorbeeld een casestudy koppelen aan andere bronnen, aan ideeën die naar voren kwamen tijdens klassikale discussies en aan hun eigen persoonlijke ervaringen. Deze opdrachten vereisen dat lerenden verbanden leggen tussen verschillende concepten en hun eigen conclusies trekken. Roberto geeft als voorbeeld een opdracht waarbij lerenden financiële gegevens van drie bedrijven analyseren. Ze moeten bepalen welke cijfers bij welk bedrijf horen en welke concurrentiestrategie elk bedrijf volgt. Lerenden mogen AI-toepassingen gebruiken voor basisberekeningen. De complexe analyse moeten ze zelf uitvoeren.
De tweede aanpak gaat om het moderniseren van schrijfopdrachten. Waar volgens Roberto voorheen vaak werd gevraagd om samenvattingen te maken of basiselementen te beschrijven – taken die AI-toepassingen nu kunnen overnemen – worden lerenden nu uitgedaagd om meer verdiepende analyses te maken. Ze moeten bijvoorbeeld gegevens onderzoeken, strategieën evalueren en verbanden leggen met groepsdiscussies en eigen ervaringen (vergelijkbaar dus met de gelaagde opdrachten). Roberto adviseert docenten om hun opdrachten eerst zelf door AI te laten maken; als AI de opdracht goed kan uitvoeren, moet deze worden aangepast.
De derde strategie focust op het aanpassen van casusvragen. In plaats van voorbereidende vragen voor groepsdiscussies te stellen, worden lerenden nu aangemoedigd om breder en dieper na te denken. Ze moeten zelf bepalen welke conceptuele kaders nuttig zijn voor de analyse en onderbouwen waarom ze voor bepaalde benaderingen kiezen. Deze aanpak werkt ook bij leesmateriaal, zoals artikelen of hoofdstukken uit boeken. Belangrijke opdrachten, zoals het maken van een berekening van een break-even analyse, laat Roberto nu klassikaal maken.
Roberto benadrukt dat het doel niet is om ‘AI-gebruik’ te ontmoedigen, maar om lerenden te leren hoe ze AI-toepassingen kunnen inzetten als hulpmiddel zonder er te veel op te leunen. Door opdrachten zo in te richten dat ze kritisch denken, onafhankelijke analyse en betekenisvolle betrokkenheid bij de leerstof stimuleren, worden lerenden voorbereid op een toekomst waarin AI-toepassingen een belangrijke rol spelen.
Mijn opmerkingen
Ik merk dat docenten nog vaak zoekende zijn bij het opnieuw vormgeven van opdrachten. Mijn blogpost Casus hoe een docent omgaat met door generatieve AI-gegenereerde essays behoort momenteel bijvoorbeeld tot de best gelezen bijdragen van mijn blog. Het mooie aan Michael Roberto’s bijdrage is dat hij ook illustreert dat je eigenlijk niet alleen opdrachten tegen het licht moet houden, maar dat deze technologie gevolgen heeft voor het onderwijs als geheel. Als immers voormalig ‘huiswerk’ nu klassikaal laat maken, dan heeft dat uiteraard ook gevolgen voor je hele didactische aanpak. Tegelijkertijd laat Roberto zien dat het wel mogelijk is om betekenisvolle opdrachten te creëren. Ook mooi dat hij erkent dat lerenden generatieve AI-toepassingen ook goed kunnen gebruiken als hulpmiddel voor leren. Ik vraag me wel af of de steeds krachtiger wordende technologie dadelijk niet in staat is om verbanden te leggen met diverse concepten en klassikale discussies (als je deze opneemt).
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.
Ik verwonder me over deze opmerking van Roberto: “Waar volgens Roberto voorheen vaak werd gevraagd om samenvattingen te maken of basiselementen te beschrijven – taken die AI-toepassingen nu kunnen overnemen –”
Samenvatten is bij uitstek iets dat een student voor zichzelf doet; het is een vórm van leren, niet een doel. Het is derhalve niet het type vaardigheid waarvan je kan zeggen: “niet meer nodig, want AI”.
Ik hoop dat docenten dit onderscheid én het belang van (kunnen) samenvatten wel overbrengen. (Dat je het niettemin niet meer als huiswerk opgeeft vanwege genAI, snap ik.)