AI moet leren vragen te stellen, in plaats van antwoorden geven
Een groot risico bij AI inzetten in het onderwijs is dat het leerlingen dommer maakt, in plaats van slimmer. Want: AI is geneigd om het harde werk voor de leerlingen te doen – en leerlingen maken daar niet altijd bezwaar tegen!
Dit risico blijkt een te meer uit een recente paper van Stanford University. De auteurs bekeken achthonderd papers naar de invloed van AI op het onderwijs, van kleuterschool tot middelbare school. Slechts twintig daarvan bleken van echt goede kwaliteit en richtten zich op de leerresultaten van leerlingen.
Bij digitaal leren zien we dat digitale leermiddelen alleen effectief zijn als ze gelinkt zijn met goed onderbouwde leertheorieën. Hetzelfde geldt voor AI. Een paar treffende voorbeelden:
-
- AI is het meest effectief als het AI hints geeft nadat de leerling een fout antwoord geeft. Alleen een goed antwoord genereren was veel minder effectief (uitgebreide en activerende feedback).
-
- AI kan de cognitieve belasting verminderen door informatie te organiseren, maar ook de mentale inspanning die nodig is om te leren verlagen (cognitive load theory van Sweller).
-
- AI kan voorzien in ‘scaffolds’ om geleidelijk aan de verantwoordelijkheid voor het leerproces aan de leerling over te laten (Vygotskij’s zone van naaste ontwikkeling).
-
- AI-tools creeëren snel te veel afhankelijkheid door zelf transfer te genereren (transfer of learning).
-
- AI kan metacognitieve vaardigheden meten, maar als AI opdrachten voor leerlingen gaat maken, verminderen de mogelijkheden voor leerlingen om zelf metacognitieve vaardigheden te ontwikkelen.
Het is dus misschien wel veel belangrijker dat AI de juiste vragen aan leerlingen stelt, in plaats van de juiste antwoorden te geven.