Is er een relatie tussen generatieve AI en de (herziene) taxonomie van Bloom?

Vooropgesteld: er is nooit onderzocht of inderdaad sprake is van een hiërarchie (hogere orde, lagere orde) of dat leren in die volgorde plaatsvindt. Leren is ook een complex proces. Veel activiteiten vragen om het gebruik van geïntegreerde cognitieve handelingen. Bovendien is het de vraag of deze taxonomie wel alle vormen van leren afdekt (bron). Bovendien hebben  Anderson en Krathwohl Bloom’s taxonomie herzien. Andrew Churches heeft de traditionele taxonomie van Bloom aangepast om deze relevant te maken voor het digitale tijdperk (bron).

Daar komt bij dat er bij generatieve AI altijd sprake is tussen interactie tussen mens en de AI-applicatie. Bij applicaties zoals Google Bard, ChatGPT of MidJourney formuleert de mens -al dan niet met behulp van een AI-applicatie– ‘prompts’ op basis waarvan generatieve AI een tekst, afbeelding, etcetera maakt. Vervolgens controleert de mens -als het goed is- de output, en verbetert deze eventueel (handmatig of via vervolgopdrachten). Doe je dat niet, dan kun je behoorlijk de plank misslaan of middelmatige content produceren.

Laten we nu eens even op de verschillende onderdelen van de herziene taxonomie van Bloom ingaan.

Onthouden (Remembering). Generatieve AI-toepassingen zijn in staat om op basis van heel veel content, nieuwe content te ontwikkelen. Je kunt bijvoorbeeld inderdaad antwoorden op vragen genereren. Je kunt er -zoals gezegd- echter niet vanuit gaan dat de antwoorden correct of volledig zijn. Net als bij zoekmachines, moet je over kennis en informatievaardigheden beschikken om de gevonden informatie op waarde te schatten. Bovendien is een toepassing als ChatGPT niet goed in bronvermeldingen. Dat betekent dat jij als mens nog steeds over parate kennis moet beschikken om generatieve AI-toepassingen effectief te gebruiken. Mensen moeten dus nog steeds informatie onthouden. Toepassingen als ChatGPT of Claude 2 zijn wel zeer goed in staat om bestaande kennis te activeren. Je stelt een vraag waar je het antwoord even niet op weet. Als je het antwoord leest, dan herinner je de informatie weer (ook als het antwoord niet helemaal correct is).

Begrijpen (Understanding). Generatieve AI-toepassingen zoals Claude 2 of ChatGPT kunnen teksten herschrijven, samenvatten en samenvoegen tot een coherent verhaal zoals een essay. Ook nu geldt dat je er niet blind op kunt vertrouwen dat de output correct is. Op basis van jouw begrip van de inhoud, zul je de output moeten checken en waar nodig aanpassen.

Toepassen (Applying). Hierbij gaat het om het toepassen van kennis in specifieke situaties. Je kunt generatieve AI-applicaties gebruiken om te programmeren of bijvoorbeeld om een projectplan samen te stellen. De generatieve AI-applicatie is echter niet in staat om rekening te houden met jouw specifieke situatie. Je krijgt vaak algemene output die je zelf moet vertalen naar jouw specifieke situatie. ChatGPT is op dit moment bovendien niet in staat om actuele informatie te gebruiken.

Analyseren (Analyzing). Kun je generatieve AI-toepassingen gebruiken voor het onderzoeken van patronen, relaties en structuren? Bepaalde toepassingen zeker. De kwaliteit van de output is voor een groot deel afhankelijk van de kwaliteit van de prompts die je geeft. Ook moet de applicatie uiteraard toegang hebben tot data om bijvoorbeeld patronen te kunnen onderzoeken. Dat is bij breed toegankelijke applicaties zoals Google Bard meestal niet het geval.

Evalueren (Evaluating). Je kunt toepassingen als ChatGPT ook gebruiken voor het beoordelen van de kwaliteit en relevantie van content, en het geven van feedback. Ik vraag ChatGPT weleens om kritische kanttekeningen te plaatsen bij een tekst. De output bevat vaak voor de hand liggende opmerkingen, niet-relevante opmerkingen of rake opmerkingen. Ook kom ik dankzij de output van ChatGPT op andere ideeën, door te associëren. Verder kunnen generatieve AI-toepassingen evaluatievragen helpen formuleren. ChatGPT is daarmee een handig hulpmiddel bij het evalueren.

Creëren (Creating). Hierbij gaat het om het produceren van nieuwe, originele content. De meningen zijn verdeeld of generatieve AI-toepassingen daadwerkelijk kunnen creëren omdat deze toepassingen gebruik maken van content die al door anderen is gemaakt. Toch zijn generatieve AI-toepassingen m.i. in staat op basis van bestaande tekst, nieuwe teksten te produceren. Dit leidt niet persé tot nieuwe kennis. Gegenereerde afbeeldingen kunnen wel nieuw zijn, al kun je over originaliteit twisten. Wel kun je op basis van de output en associaties met de output tot nieuwe inzichten komen. De toepassingen zijn daarmee ook handige instrumenten bij het creëren.

Samenvattend kun je m.i. stellen dat generatieve AI-toepassingen binnen elke stap van Bloom’s herziene taxonomie een rol kunnen spelen. Binnen geen elke stap neemt de generatieve AI-toepassing de activiteit volledig van de mens over. Een effectief gebruik van generatieve AI voor onthouden, begrijpen, toepassen, analyseren, evalueren en creëren vindt altijd plaats via interactie met de mens. Het formuleren van prompts, en het controleren en verbeteren van output blijft daarbij essentieel. Bovenstaande stelling is m.i. inderdaad veel te zwart-wit.