Hoe samenwerking tussen verschillende expertises studentsucces kan verbeteren (ook met behulp van AI)
Onderwijsinstellingen worstelen steeds meer met de vraag hoe ze groeiende aantallen lerenden met uiteenlopende behoeften effectief kunnen ondersteunen. Bharat Khushalani beschrijft in Empowering Student Success through AI-Driven Collaboration hoe een technische hogeschool in India laat zien hoe verschillende afdelingen samenwerken om gepersonaliseerde ondersteuning te bieden. ‘AI’ speelt daarbij een belangrijke rol.
Bij het Shri Vishnu Engineering College for Women (SVECW) werken de AI-afdeling, universitaire bibliotheek en het Student Success Center gezamenlijk aan betere ondersteuning van lerenden. Deze interdisciplinaire aanpak combineert data-analyse, bibliotheekdiensten en persoonlijke begeleiding om studentsucces te verbeteren.
Het traditionele model van studentbegeleiding was reactief: lerenden moesten zelf hulp zoeken wanneer problemen ontstonden. SVECW ontwikkelde daarentegen een proactief systeem dat vroege signalen detecteert. Het early alert system (EAS) analyseert gegevens zoals cijfers, aanwezigheid, activiteiten in het leermanagementsysteem en bibliotheekgebruik. Machine learning identificeert patronen die wijzen op mogelijke studieproblemen, vaak voordat lerenden zich daarvan bewust zijn. Wanneer het systeem een lerende ‘markeert’, neemt een success coach contact op voor ondersteuning.
De AI-afdeling levert de technische infrastructuur voor gepersonaliseerde leertrajecten. Mede op basis van prestaties raadt het platform specifieke bronnen aan: videotutorials, aanvullende literatuur uit de bibliotheek of workshops met medelerenden. Adaptieve leerplatforms passen de moeilijkheidsgraad van oefeningen in real-time aan op basis van studentrespons. Dit voorkomt frustratie en verveling.
Voor schrijfvaardigheden ontwikkelde SVECW een AI-schrijfassistent die is getraind op academische teksten. Anders dan generieke grammaticatools detecteert dit systeem discipline-specifieke fouten, zoals verkeerd gebruikt technisch jargon in ingenieursrapporten of inconsistenties in psychologie-essays. Bibliothecarissen geven workshops over de ethische grenzen van AI-ondersteuning.
De bibliotheek speelt een centrale rol als knooppunt voor digitale geletterdheid. Moderne academische bibliotheken zijn geëvolueerd van stille studieruimtes naar dynamische leer- en samenwerkingscentra. SVECW’s bibliotheek heeft AI-tools geïntegreerd in het zoeksysteem voor gepersonaliseerde aanbevelingen. Het systeem gebruikt natuurlijke taalverwerking zodat lerenden kunnen zoeken met gewone taal in plaats van complexe zoektermen. Dit democratiseert onderzoek, vooral voor eerste generatie studenten.
De bibliotheek biedt workshops over digitale vaardigheden: het evalueren van online bronnen, data-ethiek, citatietools en het begrijpen van algoritmische invloed op zoekresultaten. Het open-access beleid zorgt ervoor dat lerenden gratis toegang krijgen tot studieboeken en aanvullende materialen die voorheen honderden dollars kostten.
Het Student Success Center biedt de persoonlijke begeleiding. Elke lerende krijgt een coach die helpt bij het stellen van doelen en het navigeren door academische uitdagingen. AI-tools genereren gepersonaliseerde mijlpalen en actiepunten op basis van academische records en carrière-interesses. Monitoring van welbevinden via een mobiele app detecteert patronen in stressniveaus en emotionele gezondheid. Dit maakt tijdige interventies mogelijk.
De chatbot AskU beantwoordt 24/7 vragen over deadlines, tutorsessies en bibliotheekmaterialen. Het systeem kan ook afspraken inplannen en vragen doorverwijzen naar menselijke begeleiders wanneer nodig.
Ethiek en transparantie zijn uitgangspunten. Een interdisciplinaire ethiekcommissie met AI-docenten, bibliothecarissen, studentvertegenwoordigers en bestuurders controleert algoritmes op eerlijkheid. Zogenaamde explainable AI-technieken helpen lerenden en medewerkers begrijpen hoe aanbevelingen tot stand komen.
Voor docenten biedt het systeem dashboards met inzichten over studentbetrokkenheid bij cursusmaterialen. Docenten zien welke onderwerpen het meest uitdagend zijn en waar lerenden de meeste tijd besteden. Deze feedbackloop helpt bij het aanpassen van lestempo en het aanbevelen van aanvullende materialen.
Mijn opmerkingen
Het SVECW-model is veelomvattend, biedt interessante inzichten (bijvoorbeeld als het gaat om interdisciplinaire samenwerking), maar roept ook vragen op over privacy en databescherming. Het systeem verzamelt uitgebreide gegevens over leergedrag, bibliotheekbezoek en zelfs welzijn via mobiele apps. In Nederland zouden dergelijke praktijken onder de AVG en de aankomende AI Act vallen. Met veel strengere toestemming en transparantievereisten tot gevolg. Het artikel vermeldt wel een ethiekcommissie, maar geeft geen duidelijkheid over opt-out mogelijkheden voor lerenden. Een tweede aandachtspunt betreft de validiteit van de data-indicatoren. Verminderd bibliotheekgebruik of minder inloggen op het leermanagementsysteem hoeft niet automatisch te wijzen op studieproblemen – sommige lerenden werken bijvoorbeeld liever thuis of hebben alternatieve leerstrategieën. Gebruik van een LMS voor leren is niet altijd noodzakelijk voor succesvol studeren. Het risico van vals-positieve signalen kan leiden tot onnodige interventies.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.
The post
Hoe samenwerking tussen verschillende expertises studentsucces kan verbeteren (ook met behulp van AI) first appeared on
WilfredRubens.com over leren en ICT.
Lees het hele
artikel