Eenendertigste bloemlezing over ChatGPT (en aanverwante technologieën)

Hierbij de eenendertigste bloemlezing over ChatGPT en andere generatieve AI-toepassingen. Ik heb besloten de bloemlezingen een wat ander karakter te geven. Dat zal ik eerst toelichten.

Er wordt nog steeds zeer veel gepubliceerd over generatieve AI, zoals ChatGPT, in relatie tot leren, opleiden en onderwijs. Veel bijdragen lijken echter sterk op elkaar. Ze hebben een erg inleidend karakter, gaan over de onderliggende technologie, over goede prompts, over vergelijkbare didactische toepassingen, enzovoorts. Daarom heb ik besloten om mij voortaan te beperken tot bijdragen die echt iets toevoegen ten opzichte van datgene wat al is geschreven. Dat doe ik in de vorm van minder, maar wel meer uitgebreide samenvattingen. Daarnaast presenteer ik nog steeds links naar andere relevante artikelen, Nederlandstalige bijdragen en bijdragen waar ik niet aan toe kom om ze samen te vatten (zelfs niet met behulp van ChatGPT). Ik zal ook niet meer de steeds langer wordende lijst met eigen bijdragen opnemen, maar volstaan met een verwijzing naar de aparte pagina die al deze bijdragen bevat.

Hier komt dan de bloemlezing ‘nieuwe stijl’ met zes uitgebreidere samenvattingen en zeventig links:

Developing a framework to re-design writing assignment assessment for the era of Large Language Models

Dit artikel bevat onder meer een raamwerk met zes dimensies waarmee docenten kunnen bepalen of en hoe taalmodellen op een goede manier onderdeel kunnen zijn van een opdracht.

Doel: vier essentiële cognitieve processen van het schrijven van een blog als opdracht: initiëren (initiëren van kritisch onderzoek), verkennen (brainstormen, vragen stellen en informatie uitwisselen), integreren van ideeën om ze met elkaar te verbinden, het onderwerp of probleem beschrijven. Daarbij is ook aangegeven welke processen zouden kunnen worden versterkt door geautoriseerd gebruik van LLM’s, zoals brainstormen.
Functie & Focus: het is belangrijk om een balans te vinden tussen proces en product via een conceptversie fase en het integreren van peer feedback.
Beoordelingscriteria: de onderzoekers legden de nadruk op beoordelingscriteria met betrekking tot kritisch denken. Studenten kregen de opdracht om feedback te geven aan medestudenten op basis van deze criteria
Modi: Studenten werden geïnstrueerd om zowel visuele elementen als tekstuele inhoud in hun blogposts te verwerken.
Authenticiteit: feedback van medestudenten wordt gebruikt voor voortdurende verbetering in hun latere werk, wat overeenkomt met echte toepassingen waarin het gebruik van feedback cruciaal is voor verbetering.
Beheer: Uitgebreide instructies werden geïntroduceerd, waarbij onderscheid werd gemaakt tussen geautoriseerd LLM gebruik (bijv. het genereren van blog ideeën met behulp van ChatGPT) en ongeautoriseerde toepassingen (bijv. het gebruik van ChatGPT om blog posts van peers te evalueren en suggesties aan te bieden).

Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality

Eerlijk gezegd heb ik dit bijna zestig pagina’s tellende paper niet gelezen. Wel de samenvatting en de LinkedIn-post van Dan Pontefract hierover.

Onderzoekers onderzochten samen met de Boston Consulting Group de implicaties van AI voor de prestaties bij realistische, complexe en kennisintensieve taken. Interessante bevindingen zijn:

De volgende methodiek is gehanteerd. Eerst werden de consultants geëvalueerd om een basisniveau van prestaties vast te stellen. Daarna werden ze willekeurig ingedeeld in één van drie groepen: zonder AI, met toegang tot GPT-4, of toegang tot GPT-4 plus een instructie over prompt engineering.
Consultants die AI gebruikten waren significant productiever: ze voltooiden gemiddeld 12,2% meer taken in ruim 25% minder tijd. Hun werk was van ruim 40% hogere kwaliteit vergeleken met de controlegroep zonder AI. Consultants die normaal onder het gemiddelde presteerden, verbeterden hun scores met 43% dankzij AI, terwijl de toppers onder hen een verbetering van 17% lieten zien.
De onderzoekers hebben gekeken naar taken waarin ChatGPT goed in is (zoals brainstormen) en taken die buiten de grillige technologische grens van ChatGPT vallen (denk aan synthese maken van verschillende inzichten). Bij taken die buiten de grillige technologische grens van ChatGPT vielen, hadden de consultants met AI toegang problemen: ze waren 19 procentpunten minder vaak nauwkeurig vergeleken met collega’s zonder AI, doordat de AI hen incorrecte informatie en ideeën gaf.
Twee opvallende interactiepatronen tussen mens en AI kwamen naar voren: “Centaurs”, die taken handig verdeelden tussen henzelf en AI, en “Cyborgs”, die AI naadloos in hun werkproces integreerden.

Je moet dus de sterke en minder sterke kanten van dergelijke toepassingen kennen om effectief gebruik te kunnen maken van generatieve AI.

Slimmer onderwijs met AI

Ondanks dat dit een Nederlandstalige publicatie betreft, wil ik toch apart en wat uitgebreider aandacht besteden aan deze recente uitgave die in het kader van het nationale groeifondsprogramma Npulse is gemaakt. Deze publicatie van 75 pagina’s bevat 17 artikelen en een aantal interviews rond de volgende thema’s die overigens in het magazine zelf niet herkenbaar zijn ingedeeld (behalve in de inhoudsopgave):

AI in het onderwijs. Met onder meer een bijdrage waarinj een relatie wordt gelegd tussen ChatGPT en het curriculaire spinnenweb van Van de Akker en een interview met Inge Molenaar van het Nationale Onderwijslab AI.
AI en toetsen. Met ervaringen van een docent die AI-tools tijdesn examens toestaat en een interview over professionalisering (dat overigens verder gaat dan toetsen).
Inspirerende voorbeelden.
AI en ethiek (onder meer over het ethisch verantwoord toepassen van AI in het onderwijs en informatie over de AI-act).
AI en (het perspectief van) de student (met o.a. een interview met de voorzitter van ISO).
Richtlijnen en beleid rondom AI met onder meer terechte aandacht voor de aanpak van KU Leuven.

Why Educators Should Lean in to AI to Better Support Students

Lisa Chilcote Bacco belicht vier domeinen waarin AI grote invloed kan uitoefenen op het onderwijs.

1. Gendergelijkheid in technologie: Ondanks de bekende uitdagingen van genderongelijkheid in technologieontwikkeling, bestaan er mogelijkheden voor verbetering. Bacco verwijst naar de waarschuwing van Melinda Gates over de mannelijke bias op het gebied van AI. Docenten kunnen bijdragen aan een genderneutraal gebruik van AI door het gebruik van genderdecoders en andere hulpmiddelen die ‘genderinclusiviteit’ bevorderen. Daarnaast benadrukt ze het initiatief van de Verenigde Naties om digitale gelijkheid op wereldschaal te bevorderen.

2. Ondersteuning bij het leren van Engels: AI biedt lerenden verbeterde hulpmiddelen voor effectieve communicatie in het Engels. Deze tools helpen bij uitspraak, grammatica en vertaling en creëren multisensorische ervaringen. Deze technologieën kunnen ook worden ingezet voor Engelse lerenden om vreemde talen te verwerven.

3. Alternatieve instructies voor ‘atypisch leren’: AI biedt specifieke voordelen voor neurodiverse lerenden. Programma’s kunnen bijvoorbeeld communiceren via gebarentaal of geschreven woorden omzetten in spraak. AI kan hetzelfde concept op verschillende manieren uitleggen. Dit helpt bij het begrijpen van moeilijke onderwerpen. Bacco wijst op onderzoeken die aantonen dat sommige lerenden met autisme of ADHD positiever reageren op lessen gegeven door robots.

4. Lerenden motiveren om hun gedachten te delen en aan te scherpen: Bacco benadrukt dat lerenden AI niet moeten gebruiken om hun opdrachten te schrijven, maar wel om te helpen bij het organiseren van hun ideeën. Ze bespreekt het gebruik van tools zoals ChatGPT voor het brainstormen en organiseren van onderwerpen. Kritisch denken is cruciaal, aangezien lerenden alle door AI gegenereerde informatie moeten controleren en op waarde moeten schatten.

Social media algorithms exploit how humans learn from their peers

ScienceDaily besteedt aandacht aan een artikel van sociale wetenschappers dat beschrijft hoe de functies van sociale media-algoritmen niet afgestemd zijn op de menselijke sociale instincten die bedoeld zijn om samenwerking te bevorderen. Dit kan leiden tot polarisatie en misinformatie op grote schaal.

In prehistorische samenlevingen leerden mensen volgens de auteurs vooral van leden van hun eigen groep of van vooraanstaande individuen, omdat deze informatie vaak betrouwbaar was en bijdroeg aan het groepssucces. Tegenwoordig, met complexe gemeenschappen en de invloed van sociale media, zijn deze vooroordelen minder effectief. Op platforms zoals Twitter en Facebook kunnen mensen eenvoudig prestige veinzen, en dit kan leiden tot misleidende informatie.Volgens William Brady, de hoofdauteur van het artikel en een sociaal psycholoog aan de Kellogg School of Management, zijn veel gebruikers vermoeid door de politieke inhoud die ze online zien. Dat komt vanwege de werking van algoritmes. Mensen zijn van nature geneigd om samen te werken en problemen collectief op te lossen, en hebben een voorkeur om te leren van individuen die ze als deel van hun groep zien of als vooraanstaand beschouwen. Algoritmes daarentegen selecteren vaak informatie die de betrokkenheid van gebruikers vergroot om zo de advertentie-inkomsten te verhogen. Hierdoor kunnen ze sociale media overspoelen met wat de auteurs omschrijven als Prestigious, Ingroup, Moral, en Emotional (PRIME) informatie, ongeacht de nauwkeurigheid ervan.

Brady benadrukt dat het niet zo is dat algoritmes ontworpen zijn om samenwerking te verstoren, maar dat hun doelen simpelweg anders zijn. Om dit probleem aan te pakken, stelt het onderzoeksteam voor dat gebruikers meer bewust moeten worden van hoe algoritmes werken. Ook stellen zij voor ze dat sociale media-bedrijven hun algoritmes kunnen aanpassen om gemeenschapsvorming beter te ondersteunen, door bijvoorbeeld een limiet te stellen aan de hoeveelheid PRIME-informatie die ze versterken.

Human Meets AI: Helping Educators Navigate Their Emotions About Technological Change

Weerstand tegen technologische verandering is volgens Leo S. Lo diepgeworteld in de menselijke psychologie. Deze angst voor het onbekende wordt versterkt binnen het onderwijs, waar het menselijke contact en persoonlijke connecties centraal staan. Lo stelt dat docenten onrust kunnen voelen bij het idee van een drastische verschuiving die gepaard kan gaan met de integratie van generatieve AI, die originele inhoud kan creëren. Deze angst, die voortkomt uit zorgen over ouder worden of vervangen te worden, kan weerstand veroorzaken.

Het idee dat AI het onderwijs herdefinieert, leidt volgens de auteur ook tot zorgen bij een breder publiek. De vrees is dat een beroep, dat zo sterk is verbonden is met menselijke interactie, door machines wordt overgenomen.

In zijn rol als decaan heeft Lo stappen ondernomen om generatieve AI-tools te integreren in de onderwijspraktijk. Ondanks enige weerstand, heeft hij een experimenteel GPT-4 programma gelanceerd, waarmee medewerkers AI toepassen in hun dagelijks werk. Het doel is om de impact en bruikbaarheid van dergelijke AI-tools in de context van het onderwijs te beoordelen.

Op basis van zijn ervaringen identificeert Lo drie kernprincipes voor leiderschap bij het navigeren door dergelijke veranderingen:
1. Transparante communicatie benadrukken.
2. Het goede voorbeeld geven en een cultuur van experimenteren koesteren.
3. Empathie tonen en het emotionele aspect van verandering herkennen.

Hij concludeert dat weerstand een katalysator kan zijn voor zinvolle dialoog en groei. Hij nodigt collega-docenten uit na te denken over hoe ze zullen omgaan met de menselijke emoties bij de transitie naar AI in het onderwijs.

Andere bronnen over ChatGPT (geen tijd om kort te beschrijven of Nederlandstalig)

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