Bloggers

Kan AI een belangrijke tekortkoming van L&D helpen tegengaan?

Artificiële intelligentie (AI) kan volgens Markus Bernhardt bijdragen aan een noodzakelijke verbetering op het gebied van leren en ontwikkelen (L&D). Tot nu toe is L&D er volgens hem  maar beperkt in geslaagd om af te stappen van de ‘one-size-fits-all trainingen’ en daadwerkelijk werk te maken leren dat effectief is en daadwerkelijke impact heeft.

Volgens Bernhardt -zelf werkzaam bij een bedrijf dat zich bezighoudt met AI en leren- zijn echte personalisering en feedback de belangrijkste succesfactoren voor effectief leren. Binnen trainingen hebben we te maken met deelnemers die onderling zeer verschillen wat betreft voorkennis, opleidingsniveau, settings (zoals arbeidsorganisatie) en leerbehoeften. Toch benaderen we deze diverse doelgroep met dezelfde leerinhouden en manieren van leren. Docenten/trainers hebben bovendien weinig ruimte om echte persoonlijke feedback te geven.

AI-contextualisering

AI kan volgens de auteur helpen om echte personalisatie mogelijk te maken, in korte tijd en op grote schaal. AI-contextualisering speelt daarbij een centrale rol. Door contextualisering begrijpt AI elk stukje inhoud, de relatie ervan tot andere stukjes inhoud, en de complexiteit ervan in relatie tot de andere stukjes inhoud. Zogenaamde AI-contextualisering-engines zijn in staat om alle vormen van digitale content in kaart te brengen in verschillende concepten en deze af te stemmen op aspecten als leerdoelen, capaciteiten of vaardigheden. Deze ‘machines’ construeren ook automatisch de complexiteitsboom op van de behandelde onderwerpen en concepten, en of en hoe ze met elkaar in verband staan. Volgens Markus Bernhardt is dit een vorm van ‘scaffolding‘ (ondersteuning die geleidelijk afneemt zodat lerenden steeds zelfstandiger gaan leren).

De “persoonlijke tutor” automatiseren

Deze toepassing maakt het volgens Bernhardt mogelijk om lerenden persoonlijke begeleiding door een geautomatiseerde tutor te geven. Een tutor heeft volgens de auteur de volgende eigenschappen:

• Zeer veel kennis van het onderwerp. Hiertoe behoort ook begrip van de verschillende concepten en onderwerpen die aan bod komen, hoe ze in het leerplan passen en hoe de verschillende onderwerpen en concepten met elkaar verbonden zijn.
• Begrip van hoe de verschillende concepten moeten worden toegepast in het kader van het leerplan, en hoe de inhoud beoordeeld moet worden.
• Begrip van welke onderwerpen en concepten horen bij bepaalde oefeningen en oefenvragen, en waar ze in de complexiteitsboom wat betreft moeilijkheidsgraad.

Op basis hiervan gaat een tutor dan met lerenden in sessies aan de slag. De tutor past daarbij idealiter de inhoud en het tempo van de sessies aan op de lerenden, waarbij de tutor ook didactische principes als gespreid oefenen toepast. Een mens is hier echter vaak niet toe in staat.  AI kan dit wel doen op basis van een vaste set hulpbronnen, die al zijn ontworpen voor een specifiek leerprogramma. AI kan ook zeer snel de juiste inhoud halen uit elke kennis ‘hub’ of leermiddelenbibliotheek waartoe de engine toegang heeft. Door rekening te houden met de context en door gebruik te maken van de complexiteitsboom kan een persoonlijke leerroute gevolgd worden.

Daarmee ligt schaalbaar gepersonaliseerd leren ligt volgens Bernhardt binnen handbereik. De AI-engine kan de bestaande kennis van een lerende testen met oefenopgaven en testvragen, inzicht krijgen in competentie en vertrouwen, en het leertraject in real-time aanpassen aan de behoeften van de lerende.

Mijn opmerkingen

• Dit klinkt belovend. Ik heb het op de hier geschetste manier echter nog nooit in de praktijk gezien. Markus Bernhardt haalt ook geen cases aan waar deze AI-contextualisering-engine op deze manier is toegepast. Dit gaat namelijk verder dan rekening houden met een functie. Ik hoop niet dat weer sprake is van een overspannen verwachting.
• Ik vind het altijd sterk en geloofwaardig als een auteur zelf ook beperkingen en twijfels benoemt. Markus Bernhardt doet dat niet.
• Ik vind het belangrijk om te onderstrepen dat Markus Bernhardt zich richt op leren van volwassenen, en niet van kinderen en jongeren. Een tutor doet binnen het onderwijs, en trouwens ook binnen L&D, nadrukkelijk meer dan de werkzaamheden die door AI worden geautomatiseerd. Opvallend is bijvoorbeeld ook dat Bernhardt niet aangeeft welke rol AI speelt bij het geven van persoonlijke feedback. Voorgeprogrammeerde feedback heeft ook waarde, maar is meestal niet persoonlijk.
• L&D richt zich ook op andere manieren van leren, dan de manier die binnen deze bijdrage wordt geautomatiseerd. In de titel suggereert de auteur ook dat de AI-toepassing kennis delen wil verbeteren. Dit komt niet echt uit de verf (het ontsluiten van materialen in ikennis ‘hubs’ uitgezonderd).
• Bernhardt richt zich vooral op het ontwikkelen van kennis en weten hoe je kennis moet toepassen. Lerenden werken echter ook aan andere bekwaamheden, zoals vaardigheden, en aan het toepassen van kennis.
• Markus Bernhardt gaat niet in op de vraag of deze AI-toepassing relevant is voor alle ‘kennisinhouden’. In artikelen over dergelijke AI-toepassingen -en ook nu weer- wordt ‘wiskunde’ altijd als voorbeeld genomen. Dat is niet toevallig.

The post Kan AI een belangrijke tekortkoming van L&D helpen tegengaan? first appeared on WilfredRubens.com over leren en ICT.
Lees het hele artikel