Claude als docent?
Robin Moffatt, data-engineer en technisch blogger, beschrijft in zijn blogpost Claude the Instructor hoe hij een Claude niet heeft gebruikt als uitvoerder, maar als persoonlijke docent om dbt (een datatransformatietool) te leren gebruiken. Volgens de auteur verandert deze aanpak de manier waarop professionals zelfstandig technische vaardigheden kunnen verwerven.
Moffatt had een bestaande datapipeline in SQL die hij wilde omzetten naar dbt. In plaats van de AI-tool het werk te laten doen, gaf hij Claude Code de expliciete instructie om als tutor te fungeren: concepten uitleggen, hem stap voor stap begeleiden en hem zelf laten bouwen. Die opzet legde hij vast in een instructiebestand (CLAUDE.md) dat de agent bij elke sessie leest, zodat de tutorrol behouden blijft ondanks het beperkte “geheugen” van het model.
Volgens Moffatt bleek het lastigste onderdeel dat de AI voortdurend terugviel op zijn standaardgedrag: zelf code schrijven in plaats van de gebruiker begeleiden. Herhaaldelijk moest hij ingrijpen wanneer Claude op eigen houtje wijzigingen doorvoerde of, subtieler, snelle maar slordige oplossingen voorstelde. De auteur noemt dit een structureel punt: agentische AI-tools zijn geoptimaliseerd voor het snel opleveren van resultaten, niet voor het vertragen en uitleggen van het proces.
Nadat Claude eenmaal in de tutorrol bleef, bleek dit volgens Moffat een krachtige ervaring te zijn. Claude combineerde uitleg met directe interactie met de leeromgeving. Bij een concept als dbt-snapshots bood Claude eerst een invuloefening aan -een codesjabloon met bewust opengelaten velden en hints- in plaats van het volledige antwoord. Bovendien kon Moffatt op elk moment tussendoor een vraag stellen die niet direct over dbt ging en kreeg hij antwoord dat direct betrokken was op zijn eigen project. Volgens de auteur is dat het verschil met statische tutorials, waar je zo’n vraag apart moet opzoeken en zelf de vertaling naar je eigen situatie moet maken.
De auteur beschrijft ook de beperkingen. Claude verzon op een gegeven moment voorbeeldwaarden voor een databaseveld zonder die te verifiëren. Dit is volgens Moffatt typisch ‘AI-gedrag’. Tegelijk waardeert hij dat de AI het probleem erkende -Claude gaf Moffatt zoals gewoonolijk gelijk- en vervolgens zelf de database bevroeg om de werkelijke waarden op te halen. Daarnaast wijst hij erop dat deze aanpak het risico kent van afdwalingen, van het werken met technologie buiten de trainingsdata van het model, en van blind vertrouwen bij onvoldoende achtergrondkennis.
In zijn reflectie positioneert Moffatt AI-tools nadrukkelijk als hulpmiddelen, vergelijkbaar met een rekenmachine: je moet weten wanneer het resultaat niet klopt. Hij erkent het argument dat ‘AI’ mensen kan ontmoedigen om verdiepend te leren, maar stelt dat dit de voordelen van begeleid leren met een AI-agent niet ongedaan maakt. Voor gestructureerde leersituaties, zoals in het onderwijs, zou de aanpak volgens hem werken met striktere begrenzing van de agent, zodat lerenden niet ‘van het pad raken’.
Mijn opmerkingen
De ervaringen van Moffatt sluiten aan bij wat onderzoek naar AI-tutoring laat zien: gepersonaliseerde begeleiding kan leren versterken, maar de kwaliteit staat of valt met hoe de interactie wordt vormgegeven. De zich herhalende strijd om Claude in de tutorrol te houden illustreert een breder probleem. Veel van de huidige AI-tools zijn ontworpen om taken af te ronden, niet om een didactisch proces te ondersteunen. Wie AI als dcoent wil inzetten, moet actief tegengas geven -of specifieke educatieve AI-tools gebruiken- en dat vereist al behoorlijk wat expertise van de lerende zelf.
Dat roept de vraag op hoe bruikbaar deze aanpak is verschillende contexten van leren, opleiden en onderwijs. Voor werkplek leren door ervaren professionals of voor informeel leren door mensen met veel ervaring en de intrinsieke motivatie om zich te ontwikkelen, kan deze aanpak zeker bruikbaar zijn. Als lerenden bijvoorbeeld minder expertise hebben met het aansturen van AI-agents, loop je meer risico. Moffatt is een ervaren professional die precies weet wanneer Claude afdwaalt of slordig wordt. Voor een lerende zonder die achtergrondkennis is de kans op blind vertrouwen aanzienlijk groter. De auteur noemt dat risico zelf ook. In een onderwijscontext zou je stevig moeten nadenken over de inrichting: vooraf gedefinieerde leerpaden, begrensde interactieruimte en tussentijdse verificatiemomenten onder begeleiding van een docent. Voor bepaalde typen lerenden –met voldoende voorkennis en zelfsturing– kan de beschreven aanpak een krachtige aanvulling zijn. Moffatt laat ook het verschil goed laat zien tussen ‘AI’ als uitvoerder en ‘AI’ als begeleider.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.
Lees het hele
artikel