Vijf categorieën
Inge Molenaar, universitair hoofddocent van het Behavioural Science Institute (BSI) van de Radboud Universiteit en hoofd van het Adaptive Learning Lab, laat een door haar ontwikkeld model zien. Daarin wordt technologie in het onderwijs in vijf categorieën ingedeeld. “Het start met aanvullende informatie uit data, en met gedeeltelijke automatisering, waarbij kleine taken worden uitbesteed aan AI. Dat gebeurt al volop in het Nederlandse onderwijs. Denk bijvoorbeeld aan directe feedback, bijvoorbeeld als een opdracht meteen automatisch wordt nagekeken. Of het selecteren van een passende opdracht voor een leerling. Daarna volgt het uitvoeren van meerdere taken door AI. Zoals het geven van uitgebreide feedback door het systeem en het optimaliseren van het curriculum op persoonlijk niveau. Tenslotte verschuift dit langzaam naar volledige automatisering. Een belangrijke vraag daarbij is waarvoor we AI in het onderwijs willen inzetten en wat dat betekent voor de rol van de docent, de leerling en de AI.”
Technische kant
“Wij richten ons op de technische kant van dit model”, reageert Kees Mastenbroek, directeur bij het in Deventer gevestigde softwarebedrijf Topicus. “Daarbij onderscheiden we twee soorten systemen binnen scholen. De secundaire systemen ondersteunen het proces, bijvoorbeeld qua roosters, resultaten en het vastleggen van aan- en afwezigheid. Data uit die systemen kan beter ingezet worden dankzij AI. Bijvoorbeeld: monitoren welke leerling op het punt staat om uit te vallen – gebaseerd op bijvoorbeeld een combinatie van resultaten, afwezigheid en hoe vaak iemand de klas uit is gestuurd. Boerenverstand-indicatoren eigenlijk, die je in een algoritme stopt. Als docent weet je dan op welke leerling je extra moet letten.”
“Met behulp van AI kun je monitoren welke leerling op het punt staat om uit te vallen.”
De primaire systemen zijn de systemen die leerlingen zelf gebruiken als ze leren. “Voor het primair onderwijs hebben we Gynzy ontwikkeld, voor het voortgezet onderwijs Learnbeat. Beide systemen geven leerlingen direct feedback bij het oefenen. En ze zijn adaptief: ze passen de opdrachten aan aan het niveau van de leerling. Dit is een voorbeeld van gedeeltelijk automatisering in het bovenstaande model.”
Pedagogisch didactische kant
De Radboud Universiteit richt zich op de pedagogisch didactische kant van digitalisering in het onderwijs. Molenaar: “Wij kijken welke nieuwe adaptieve onderdelen we kunnen ontwerpen en ontwikkelen om leerlingen beter te laten leren. Er zit al veel expertise op dat vlak bij universiteiten in de regio. Hier in Nijmegen ligt de focus op de leerlingkant, en in Twente meer op de leerkrachtkant. De Nederlandse markt is een van de meest gedigitaliseerde onderwijsmarkten van Europa en we staan echt vooraan, maar er is nog veel werk aan de winkel.”
“We zoeken naar een symbiotische samenwerking tussen leerling, leerkracht en AI.”
Er wordt onder andere onderzoek gedaan naar Hybrid Human-AI relaties: niet hoe AI taken kan overnemen, maar hoe mens en AI elkaar kunnen versterken. “We zoeken naar een symbiotische samenwerking tussen leerling, leerkracht en AI. Een nieuw systeem dat we ontwikkelen traint menselijke zelfregulatievaardigheden met behulp van kunstmatige Intelligentie.” Molenaar ontving hier vorig jaar een ERC Starting Grantvoor, een beurs voor onderzoekers die hiermee zelf een onderzoeksgroep kunnen opbouwen.
Onderzoek en bedrijfsleven
Wat volgens haar nog beter kan, is die ontwikkelingen laten doorstromen naar het bedrijfsleven. “In Amerika zitten verschillende partijen vaak allemaal bij elkaar op de universiteitscampus en zijn projecten veel vaker duaal, in plaats van publiek óf privaat. We kunnen in Nederland de stap van prototype naar opschaling verkleinen door onderzoek dicht bij het bedrijfsleven te brengen. AI is intrinsiek een technische innovatie, en die landt bij bedrijven als Topicus.”
Mastenbroek: “Iedereen is nodig om de transitie te maken. En we moeten mobiliseren wat er al is: weet wat er speelt en wat er al is gedaan. Je moet de AI-wereld een tijdje gevolgd hebben, zoals Inge dat heeft. Zo voorkom je dat je allerlei wegen inslaat waarvan anderen al weten dat ze doodlopen. Wij bieden de systemen, de technische expertise. Bij de universiteiten zit de AI-kennis. Dat heeft elkaar nodig.”
Privacyregels
Privacy is daarbij een uitdaging, besluit Mastenbroek. “Maar het voordeel is: de regels zijn de laatste jaren veel duidelijker geworden. Namelijk: alles begint en eindigt op school. Zij leggen de data vast en zij moeten toestemming organiseren voor het gebruik ervan. Dat betekent dat je de school goed moet uitleggen wat je aan het doen bent en wat daar de meerwaarde van is. Natuurlijk zou het gemakkelijker zijn als dat allemaal niet nodig zou zijn; in dat opzicht is privacy een belemmering. Maar wel een wenselijke belemmering.”
Kijk, lees en luister verder over AI in het onderwijs:
- Personalisation of learning | Digital education for a strong recovery
- International Forum on Artificial Intelligence and the Futures of Education 2020
- De voor- en nadelen van onderwijsapps
- Onderwijs blijft mensenwerk, maar AI kan een handje helpen
- De intelligentie van adaptieve software - OnderwijsInzicht 2021
- AI Innovators: Een robot voor de klas?
Wil je meer weten over AI-toepassingen in het onderwijs, of over de ontwikkelingen bij de Radboud Universiteit of Topicus? Neem contact op.
