In dit artikel gaan we in op de mogelijkheden die artificial intelligence biedt voor leermiddelen. We bekijken daarbij ook hoe u kunt herkennen of een leermiddel écht gebruik maakt van artificial intelligence en wanneer niet. En u leest waar u rekening mee moet houden als u met artificial intelligence aan de slag gaat.

Regelgebaseerd versus zelflerende algoritmes

Computerprogramma’s – en dus ook digitale leermiddelen – maken gebruik van algoritmes. Als het gaat om algoritmes maken we onderscheid tussen ruwweg twee soorten: regelgebaseerde algoritmes en zelflerende algoritmes. Bij leermiddelen worden meestal regelgebaseerde algoritmes, zelflerende algoritmes of een combinatie van deze twee gebruikt. Regelgebaseerde algoritmes leggen van alle leerlingen die het systeem gebruiken vast hoe ze presteren en passen hun gedrag aan op basis van die gegevens. Hoe ze hun gedrag aanpassen is van tevoren door mensen bedacht en voorgeprogrammeerd. 

Zelflerende algoritmes doen eigenlijk hetzelfde. Alleen bedenken ze de regels waarop ze hun gedrag aanpassen zelf en worden die niet voorgeprogrammeerd. Om dat te doen haalt de toepassing zelf patronen uit de verzamelde gegevens. Artificial intelligence maakt gebruik van zelflerende algoritmes. Leermiddelen met zelflerende algoritmes komen nog niet veel voor in het onderwijs. Leermiddelen met regelgebaseerde algoritmes worden al wel veel toegepast.

Volwassenheid van de technologie

In onderstaande Hype Cycle ziet u de volwassenheidsfase van huidig adaptief leermateriaal en van leermateriaal dat gebruik maakt van zelflerende algoritmes. 

Plaatje van de Hype Cycle - waar staan 'leermateriaal met zelflerende AI' en 'regelgebaseerd AI' op de Hype Cycle.
Op deze punten in de Hype Cycle staan ‘Leermateriaal met zelflerende AI’ en ‘Regelgebaseerde AI’.  

Adaptief leermateriaal dat gebruik maakt van zelflerende AI staat in de peak of inflated expectations-fase. De technologie is veelbelovend, maar er zijn tegelijkertijd nog maar weinig instellingen en producten die er gebruik van maken. Naarmate we meer ervaring opdoen met het gebruik van zelflerende AI in het onderwijs kunnen we onze verwachtingen over deze technologie bijstellen. Pas dan krijgen we een goed beeld van hoe we deze technologie effectief kunnen inzetten. 

Regelgebaseerde adaptieve leermiddelen zijn in hun ontwikkeling al een fase verder. In de zogenaamde trough of disillusionment wordt het kaf van het koren gescheiden. Dat klinkt als een negatieve fase, maar eigenlijk is het de meest leerzame. We weten nog zeker niet alles over effectieve inzet van adaptieve leermiddelen, maar we doen wel steeds meer ervaring op en leren daardoor wat wel werkt en wat niet werkt. Regelgebaseerde adaptieve leermiddelen worden vrij veel ingezet in het onderwijs.

Toepasbaarheid voor het onderwijs

Regelgebaseerde (adaptieve) leermiddelen komen veel voor in het onderwijs. Ze worden met verschillende doelstellingen ingezet. Zo zijn er adaptieve leermiddelen die onderdeel zijn van een (papieren) methode. We zien adaptieve leermaterialen die niet bij een specifieke methode horen, maar deze wel kunnen aanvullen. Denk aan adaptieve leermiddelen die zich richten op een specifiek aspect van taal en rekenen. Ook zijn er adaptieve leermiddelen die eigen leerlijnen bevatten en die we los van de leerlijn van een methode kunnen gebruiken. 

Het overgrote deel van leermiddelen maakt op dit moment dus nog geen gebruik van artificiaI intelligence. De verwachting is ook niet dat artificial intelligence de werking van leermiddelen compleet gaat veranderen. Het hangt van het specifieke onderwijsdoel af of artificial intelligence voor een specifieke functionaliteit zal worden gebruikt. Voor het herkennen van gesproken tekst is bijvoorbeeld een vorm van zelflerende artificial intelligence veel geschikter dan een regelgebaseerd systeem. Het controleren van de antwoorden van een multiplechoice-toets, zou weer prima met een regelgebaseerd systeem kunnen. Een combinatie van beiden kan soms ook nodig zijn. 

Artificial intelligence is behoorlijk gehyped. Hieronder beschrijven we een aantal toepassingen voor het onderwijs waar artificial intelligence meerwaarde biedt en of het wel of niet al voorkomt in het onderwijs:

Spraakherkenning

Er zijn adaptieve leermiddelen die met behulp van zelflerende artificial intelligence gesproken teksten van leerlingen kunnen begrijpen en analyseren. Hiermee kunnen leerlingen worden ondersteund bij het leren van een vreemde taal. Artificial intelligence kan ook worden gebruikt om gesproken woorden te herkennen en eventueel om te zetten naar tekst. 

Advies op het gebied van interventies

Ook zien we een aantal adaptieve leermiddelen die stellen dat hun adaptiviteit is gebaseerd op zelflerende algoritmes. Een leermiddel maakt dan een keuze welke interventie – welke opdracht, welke uitleg, welke route – bij een bepaalde leerling het beste is op basis van wat deze heeft geleerd van onderwijsgegevens. Dit is qua functionele werking vergelijkbaar met regelgebaseerde algoritmes die we nu al veel zien in leermiddelen als Snappet en Rekentuin, maar bevat in plaats daarvan zelflerende algoritmes als basis. Deze toepassing zien we in de praktijk nog nauwelijks. 

Chatbots

Ook chatbots maken soms gebruik van zelflerende algoritmes. Binnen de context van adaptieve leermiddelen zien we chatbots waar leerlingen vragen kunnen stellen over de lesstof. De chatbot kan de vraag herkennen en dan een antwoord geven aan leerlingen. Door gestelde vragen te analyseren kan een chatbot een beeld proberen te vormen van de mate waarin een leerling bepaalde lesstof begrijpt. 

Gespreksanalyse

We zien ook ontwikkelingen waarbij een artificial intelligence iemand kan ondersteunen in het geven van feedback. De artificial intelligence analyseert dan op welke toon iemand feedback geeft en welke elementen van effectieve feedback hij gebruikt. Die krijgt daar dan weer een gepersonaliseerde terugkoppeling van terug. Dergelijke toepassingen zien we nog niet direct in het onderwijs, maar al wel in tools gericht op de professionele ontwikkeling van medewerkers. Zowel voor leerlingen als leraren zou dit ook interessant kunnen zijn.

Schematische weergave van hoe kunstmatige intelligentie werkt: op basis van data werkt het algoritme van kunstmatige intelligentie aan verschillende verschijningsvormen
Data vormt de basis voor het trainen van algoritmes die AI mogelijk maken © Kennisnet 

Aandachtspunten en tips

Wil je aan de slag met artificial intelligence in leermiddelen? Bedenk dan wel dat de technologie absoluut nog niet uitgekristalliseerd is. We weten nog niet zoveel over de positieve, maar ook niet zoveel over de negatieve effecten ervan op onderwijskwaliteit. Begin daarom klein en experimenteel en niet met een grootschalige aankoop en implementatie. Houd daarbij wel rekening met de volgende aandachtspunten. 

Artificial intelligence kan geen leraar vervangen

Artificial intelligence die het werk van een leraar kan overnemen? Dat zien we de komende decennia niet gebeuren. Ook systemen die vakoverstijgend kunnen redeneren –  om bijvoorbeeld over alle vakken heen de gehele leerlijn te personaliseren – zijn nog niet te verwachten. Daarvoor zijn gegevens nog te gefragmenteerd opgeslagen en is het nog niet goed genoeg mogelijk om gegevens uit verschillende systemen en contexten met elkaar te vergelijken. 

Beperkt inzicht in hoe artificial intelligence beslissingen neemt

Zelflerende systemen zijn in staat een bepaalde taak uit te voeren, maar de manier waarop is moeilijk of niet te doorgronden. Regelgebaseerde adaptieve leermiddelen hebben dit nadeel in principe niet. De gehele werking en logica van het systeem is namelijk bekend: die hebben de programmeurs zelf bedacht. Toch zijn er ook mogelijkheden om de werking van AI te evalueren. Lees er meer over in ons artikel over verantwoord inzetten van AI in het onderwijs

Ethische vraagstukken

Als leermiddelen zelfstandig beslissingen nemen zonder tussenkomst van een leraar roept dat ethische vraagstukken op. Is er nog wel een mogelijkheid om van het advies van een adaptief leermateriaal af te wijken? Wat als er verschillen van inzicht zijn tussen leraar en leermiddel? Wat doet de inzet van artificial intelligence met leerlingen zelf? En wat vinden we van het noodzakelijk verzamelen van gegevens over leerlingen om zelflerende artificial intelligence effectief te laten zijn? Voor u als school artificial intelligence inzet, moet u over vragen als deze in gesprek.

Stimuleer het gesprek over de mogelijkheden van artificial intelligence

Door op school het gesprek aan te gaan over de mogelijkheden van artificial intelligence kan een school goed ervaren hoe artificial intelligence een bijdrage kan leveren aan het onderwijs. Formuleer duidelijke doelen en verwachtingen en betrek ook bewust ethische aspecten in het gesprek. Binnen de school zullen er allerlei beelden zijn over wat AI wel of niet zou moeten doen in het onderwijs. Deze kunnen informatief zijn om de kaders voor eventuele toekomstige pilots en experimenten te formuleren. U kunt ter ondersteuning van dit proces het Sturingsmodel waardevol digitaliseren gebruiken. 

Experimenteer en evalueer

Door in kleine settings leermiddelen met artificial intelligence uit te proberen, kunt u kijken of deze wel of niet voldoen aan de verwachtingen. Stel de verwachtingen zo nodig bij. Evalueer ook de kaders: waren deze misschien te beperkend of kijken we er nu anders tegenaan gezien de ervaring?

Ga in gesprek met leveranciers

Niet alle systemen die intelligent gedrag vertonen maken ook daadwerkelijk gebruik van zelflerende algoritmes en dus van artificial intelligence. Vraag door over hoe een systeem is opgebouwd en waar en hoe het gebruikt wordt. Betrek leveranciers ook bij experimenten, zodat zij ook leren over wat effectief is in de praktijk.

Deel deze pagina: Artificial intelligence en leermiddelen

Delen
  • LinkedIn
  • Facebook
  • Twitter
  • E-mail
  • Deel deze pagina