Leidt AI tot meer isolatie van lerenden of juist tot meer verbondenheid?

Het gebruik van (generatieve) AI kan leiden tot meer efficiëntie. Daardoor zouden docenten meer ruimte hebben om aandacht te besteden aan lerenden en voor persoonlijke begeleiding. Toch is Julia Freeland Fisher bang dat AI de isolatie van lerenden aanzienlijk kan vergroten. Tenzij onderwijsinstellingen hun organisatiemodellen en manieren van meten herzien.

An image illustrating the contrasting effects of AI on learning environments. — DALL-E: an image illustrating the contrasting effects of AI on learning environments.

Freeland Fisher schrijft dat, na de lancering van ChatGPT, in verschillende publicaties en presentaties de verwachting werd geschetst dat generatieve AI er eindelijk toe kon bijdragen dat de werkdruk van docenten verlaagd zou kunnen worden. Een aantal belangrijke maar ook voornamelijk alledaagse administratieve taken, die docenten ervan weerhouden meer tijd te besteden aan begeleiding en ondersteuning van lerenden, zouden door AI overgenomen kunnen worden. Sommige schattingen liepen volgens haar op tot 40% tijdsbesparing op activiteiten zoals lesvoorbereiding, beoordeling en het bijhouden van voortgang. Ook ik heb regelmatig aangegeven dat we met generatieve AI eindelijk te maken hebben met een digitale technologie die kan leiden tot tijdsbesparing.

In haar bijdrage haalt Freeland Fisher diverse personen aan die verwachten dat generatieve AI tijd vrij zal maken voor docenten om te bouwen aan hun relatie met lerenden, waardoor bevorderd wordt dat onderwijs een sociale en meer persoonlijke leerervaring wordt. Zij stelt dat een focus op de menselijke kant van het onderwijs, het verdiepen van relaties met en tussen lerenden, dringend nodig is. Zij verwijst daarbij naar onderzoek waaruit blijkt dat relaties de basis vormen voor een gezonde ontwikkeling en voor betere leerprestaties (‘geen prestatie zonder relatie’). Tegelijkertijd wijst zij op onderzoek waarin slechts 22% van de ondervraagde lerenden aangeeft het gevoel te hebben dat docenten moeite doen om hun leven buiten school te begrijpen. Het is dan ook begrijpelijk dat betrokkenen hopen dat AI ruimte kan maken om te investeren in relaties.

Echter, onderwijsinstellingen meten volgens haar nauwelijks regelmatig en nauwkeurig relaties van lerenden (met docenten, andere lerenden en leden van de gemeenschap). En zoals de auteur schrijft: What gets measured gets done. Dat betekent volgens haar dat we ‘relaties’ meetbaar moeten maken, en niet moeten beschouwen als één van de factoren die van invloed is op leerresultaten (die wel worden gemeten). De organisatiemodellen van onderwijsinstellingen laten volgens Freeland Fisher op dit moment de toegang van lerenden tot sociaal kapitaal – relaties en de hulpbronnen die ze bieden – routinematig over aan louter toeval.

Docenten worden bijvoorbeeld niet beoordeeld op hun vermogen om relaties met lerenden aan te gaan (hun pedagogische bekwaamheid). Verder is er weinig tijd voor het opbouwen van relaties in plaats van het geven van instructies. Je bouwt ook een relatie gedurende langere tijd op. Alleen hebben lerenden vaak niet dezelfde docent gedurende meerdere jaren. Het opbouwen van een relatie is ook vaak afhankelijk van een individueel initiatief van docenten.

In haar bijdrage verwijst zij naar onderzoek van haar en haar collega Mahnaz Charania naar verschillende benaderingen voor het meten van sociaal kapitaal van lerenden, gericht op vier dimensies: de hoeveelheid, kwaliteit en structuur van relaties, en het vermogen van lerenden om netwerken te mobiliseren. Zij beschrijft verschillende innovatieve benaderingen die in het onderwijs worden toegepast om relatiegegevens te verzamelen. Zo wordt het “Relationship Mapping Strategy” van de Harvard Graduate School of Education genoemd, waarbij scholen visueel de relaties tussen lerenden en personeel in kaart brengen. Ook bespreekt zij bijvoorbeeld iCouldBe, een virtueel mentorprogramma dat lerenden helpt netwerken te bouwen en te visualiseren via een app.

Fisher benadrukt dat het verzamelen van deze gegevens tijd en inspanning kost, maar dat het cruciaal is voor het begrijpen en verbeteren van de verbondenheid van lerenden. Onderwijsinstellingen gebruiken verder ook korte enquêtes om snel inzicht te krijgen in de kwaliteit van relaties binnen hun programma’s. Daarnaast worden meer ‘evidence-based’ meetinstrumenten ontwikkeld, zoals de Social Capital Assessment + Learning for Equity (SCALE) Measures.

Tenslotte waarschuwt Fisher voor de risico’s van toenemende afhankelijkheid van AI in het onderwijs, die mogelijk de echte menselijke relaties kan ondermijnen. Ze stelt dat het meten van verbondenheid van groot belang is om ervoor te zorgen dat AI-technologieën worden gebruikt op een manier die de menselijke aspecten van onderwijs versterkt in plaats van vervangt. Fisher benadrukt het belang van regelmatige meting van de sociale relaties van lerenden om de positieve of negatieve impact van AI op hun leven te begrijpen en te sturen.

Het benutten van de efficiëntie van AI in onderwijs dat zich sterk richt op traditionele manieren van meten zoals aanwezigheid en leerprestaties garandeert volgens haar nauwelijks dat onderwijsinstellingen de vrijgekomen tijd succesvol zullen gebruiken om te investeren in verbondenheid.

Mijn opmerkingen

Binnen het Nederlandse onderwijs hebben lerenden, behalve docenten, vaak ook nog een mentor, tutor of studieloopbaanbegeleider. Als ik het goed heb, hebben ze deze meerdere jaren. Deze persoon speelt een belangrijke relatie bij het creëren van een gevoel van verbondenheid. Tegelijkertijd is de invulling van deze rol vaak afhankelijk van het individu.

Julia Freeland Fisher benadrukt terecht de waarde van verbondenheid en van de pedagogische opdracht van het onderwijs. Zij probeert de pedagogische kant van het onderwijs, het creëren van verbondenheid, meetbaar te maken. Als je het meetbaar maakt, krijgt het waarde, is haar opvatting.

Maar is dat de weg die we moeten bewandelen? Zijn de verschillende aanpakken om verbondenheid te meten, die Freeland Fisher beschrijft, wel zo overtuigend?

Hebben we niet eerder te maken met een opvallende paradox: de neiging om te focussen op meetbare resultaten, zoals cijfers, terwijl we tegelijkertijd zouden moeten erkennen dat niet alle cruciale aspecten van leren en ontwikkeling eenvoudig meetbaar zijn?

De selectieve meting legt een nadruk op kwantificeerbare prestaties, maar negeert vaak de waarde van persoonlijke groei en creatieve vaardigheden die niet of heel lastig in cijfers zijn uit te drukken. Jos Blank stelde bijna tien jaar geleden in ScienceGuide dat we meten wat we kunnen meten om vervolgens daar dan op sturen. “Hetgeen we niet kunnen meten is daarvan de dupe, want niet alles van waarde is meetbaar.”

Moeten we niet meer naar een mix van kwantiteit en kwaliteit? Het is de uitdaging om een evenwicht te vinden tussen het waarderen van zowel meetbare als onmeetbare aspecten van onderwijs, zodat we een vollediger beeld krijgen van de werkelijke progressie en potentie van lerenden.

Tegelijkertijd moeten we er inderdaad voor waken dat AI betekenisvol wordt gebruikt, als versterking van de onderwijspraktijk waarbij op dit moment een docent het laatste woord heeft (ik sluit niet uit dat AI een aantal taken ooit zelfstandig kan uitoefenen).

Als AI tijd en ruimte schept voor docenten, en ik geloof daar nog steeds in op basis van diverse ervaringen, dan zouden we die ook moeten gebruiken voor waardevolle zaken die we niet eenvoudig kunnen meten.

Andere bronnen over generatieve AI

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.

Leidt AI tot meer isolatie van lerenden of juist tot meer verbondenheid?

Een reactie

Geef een reactie