Volgens David Wiley blijken willekeurige AI-toepassingen zoals ChatGPT niet vanzelfsprekend een effectieve ondersteuning te zijn voor lerenden. Hij gebruikt het ‘good old‘ TPACK-raamwerk om te verkennen hoe je dergelijke AI-toepassingen ‘leerzamer’ kunt inzetten.
Volgens Wiley verwachten we niet dat iemand zonder opleiding zomaar een goede docent is. Effectief onderwijs vraagt immers om specifieke kennis en vaardigheden. De meeste AI-modellen zijn echter niet specifiek getraind of ontworpen om leren en ontwikkelen, opleiden en onderwijs te ondersteunen. Hij stelt dat zelfs als AI menselijke intelligentie evenaart, dit niet automatisch betekent dat AI-toepassingen ook goede ‘docenten’ zijn. Een slimme hoogleraar is namelijk ook niet automatisch een goede docent.
David Wiley stelt daarom de vraag: welke kennis en vaardigheden heeft een AI-model nodig om een effectievere ‘docent’ te worden? Volgens hem gaat het daarbij om dezelfde kennis en vaardigheden die we menselijke docenten bijbrengen tijdens hun opleiding en professionalisering. Hij introduceert daarom de “TRAIT” hypothese (TRaining AI to be a Teacher): de effectiviteit van ‘AI’ in het ondersteunen van leren hangt samen met de mate waarin het de kennis en vaardigheden van een getrainde docent bezit.
Om te bepalen wélke kennis en vaardigheden dit zijn, gebruikt Wiley het TPACK-model (Technological Pedagogical Content Knowledge) van Mishra & Koehler als denkkader. Dit model werd een jaar of vijftien geleden geïntroduceerd met een tweeledig doel:
- Beschrijven over welke kennis en vaardigheden docenten moeten beschikken om digitale technologie in het onderwijs toe te passen.
- Als raamwerk dat docenten kan helpen digitale technologie in het onderwijs te integreren.
In zijn bijdrage geeft Wiley een samenvatting van TPACK. Dit raamwerk onderscheidt drie basisvormen van kennis:
- Vakinhoudelijke Kennis (Content Knowledge – CK): Kennis van het onderwerp dat onderwezen wordt (feiten, concepten, theorieën, procedures, etc.).
- Didactische Kennis (Pedagogical Knowledge – PK): Algemene kennis over leerprocessen, lesmethoden, klassenmanagement, evaluatie, etc.
- Technologische Kennis (Technological Knowledge – TK): Kennis van en vaardigheid met technologieën, van boeken tot digitale tools.
Deze kennisgebieden overlappen en vormen samen nieuwe kennisdomeinen:
- Pedagogical Content Knowledge (PCK): Weten hoe je specifieke vakinhoud het beste kunt doceren, welke aanpakken werken, en wat lerenden moeilijk vinden.
- Technological Content Knowledge (TCK): Begrijpen hoe technologie de weergave en beleving van vakinhoud kan veranderen.
- Technological Pedagogical Knowledge (TPK): Weten hoe verschillende technologieën ingezet kunnen worden voor onderwijs- en leerdoeleinden en hoe onderwijs kan veranderen door technologiegebruik.
- Technological Pedagogical Content Knowledge (TPACK): Het integreren van alle voorgaande kennisdomeinen; effectief lesgeven met technologie over een specifiek onderwerp.
Wiley past het TPACK-model vervolgens toe op zijn werk aan Open Educational Language Models (OELMs). In een OELM worden Vakinhoudelijke Kennis (CK) en Pedagogische Kennis (PK) apart vormgegeven. CK kan bijvoorbeeld bestaan uit een samenvatting van een hoofdstuk uit een studieboek, ingebracht via fine-tuning of retrieval augmented generation (RAG), om de AI-toepassing accurate uitleg te laten geven. PK wordt vertegenwoordigd door ‘prompts’ die algemene pedagogische strategieën bevatten, zoals het activeren van voorkennis of het stellen van oefenvragen (retrieval practice).
Didactische (Pedagogische) Vakinhoudelijke Kennis (PCK) zit in prompts die specifiek zijn voor een bepaald vakgebied of onderwerp, zoals instructie en feedback voor het schrijven van een goede alinea of het oplossen van een wiskundige vergelijking. Technologische Kennis (TK) wordt in een OELM duidelijk door informatie over welke externe digitale tools (zoals een rekenmachine of toegang tot actuele data via een API) de AI-toepassing kan gebruiken.
De kern van TPACK – het integreren van technologie, didactiek en vakinhoud – komt tot uiting wanneer de AI-toepassing weet wanneer en hoe het een specifieke tool moet inzetten als onderdeel van een specifieke onderwijsstrategie om een specifiek concept te doceren. Dit inzicht, verkregen door het TPACK-model toe te passen, opent volgens Wiley nieuwe mogelijkheden voor AI in het onderwijs die hij eerder over het hoofd zag.
De auteur concludeert dat, als de TRAIT-hypothese klopt, we veel kunnen leren door bestaande kaders voor docentenkennis en -professionalisering toe te passen op de ontwikkeling van AI. Het TPACK-model biedt volgens hem een concrete structuur om AI-modellen doelgerichter te trainen, zodat ze lerenden daadwerkelijk effectiever kunnen ondersteunen.
Mijn opmerkingen
Philippa Hardman heeft er al eerder op gewezen dat de huidige generieke AI-systemen het leerproces van lerenden onbedoeld negatief kunnen beïnvloeden. Volgens haar ligt de sleutel tot verbetering in het plaatsen van didactische principes aan de basis van AI-ontwikkeling. Wanneer ontwikkelaars en ontwerpers van AI-modellen en -toepassingen bewust rekening houden met leerprocessen en onderwijskundige inzichten, kan de impact op menselijk leren volgens Hardman juist exponentieel positief worden. David Wiley zoekt de oplossing eerder in het slimmer pedagogisch-didactisch gebruiken van AI-modellen. TPACK biedt daarvoor volgens hem een nuttig kader. Ik vind dit verstandig omdat docenten/trainers en lerenden vaak kijken hoe zij digitale technologieën kunnen gebruiken, ook al zijn deze niet specifiek ontwikkeld voor leren en ontwikkelen, opleiden en onderwijs.
Ik vind het overigens bijzonder dat Wiley hiervoor ‘TPACK’ van stal haalt. Zo’n 15 jaar geleden was dit een heel populair raamwerk. Daarna kwam er kritiek. Het raamwerk zou onvoldoende handvatten bieden, geen rekening houden met andere factoren die komen kijken bij de implementatie van digitale technologie in het onderwijs, en de effecten ervan zouden lastig te meten zijn. Zie: Kritiek op TPACK: te abstract en te specifiek? Ook zou TPACK onvoldoende rekening houden met ethische aspecten -extra belangrijk bij AI- en onvoldoende nadruk leggen op attitude. Zie: PEAT als alternatief voor TPACK? De laatste tijd las en hoorde ik weinig meer over TPACK.
Het lijkt mij in elk geval verstandig om bij het gebruik van generatieve AI-toepassingen expliciet rekening te houden met de verschillende elementen van het TPACK-raamwerk, inclusief ethische aspecten.
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