Het einde van onderwijsinstellingen zoals we ze kennen dankzij AI?
AI tast niet het leren zelf aan, maar wel het monopolie van onderwijsinstellingen op het verstrekken van diploma’s en de toegang tot de arbeidsmarkt. Dat is de kern van de podcast “The End of Universities as We Know Them: What AI Is Bringing“, waarin wordt beschreven AI de verschuiving versnelt van een diplomagericht systeem naar een systeem gebaseerd op aantoonbare bekwaamheden.
Traditioneel leveren onderwijsinstellingen volgens de spreker drie zaken: signalering (het diploma als bewijs van capaciteit), sortering (het filteren van lerenden via cijfers) en sociale infrastructuur (netwerken en campussen). Volgens de spreker heeft AI vooral invloed op de eerste twee functies. Omdat AI het eenvoudiger maakt om bepaalde vaardigheden te simuleren, groeit de behoefte aan overtuigend bewijs van daadwerkelijke competentie. Een Stanford-studie laat volgens deze podcast zien dat meer dan tachtig procent van de lerenden aan een Amerikaanse topuniversiteit AI al gebruikt voor academische doeleinden. Organisaties zoals UNESCO erkennen deze ontwikkeling en publiceren richtlijnen voor de omgang met generatieve AI in het onderwijs.
Een belangrijk punt in de podcast is het zogeheten twee-sigma-effect van Benjamin Bloom. Onderwijsonderzoek toont al decennia aan dat een-op-een begeleiding door een docent structureel betere resultaten oplevert dan klassikaal onderwijs. Het probleem was altijd de schaalbaarheid. AI biedt nu een methode die de kwaliteit van persoonlijke begeleiding benadert, tegen lage kosten. Platforms zoals Duolingo en Khan Academy integreren volgens de spreker al AI-tutors die lerenden stap voor stap begeleiden en gerichte uitleg geven, in plaats van alleen antwoorden te leveren. Daarmee ontstaat de directe vraag wat de meerwaarde is van dure traditionele programma’s als inhoudelijke kennis breed toegankelijk wordt.
De podcast identificeert verder vijf sluipende veranderingen die de positie van traditionele instellingen verzwakken. Ten eerste verliest het reguliere diploma voorspellende waarde, omdat door AI-gebruik de output van een zwakke en een sterke lerende sterk op elkaar kan lijken. Ten tweede worden alternatieve certificaten, zoals micro-credentials en op portfolio’s gebaseerde evaluaties, breder geaccepteerd. De OESO bespreekt micro-credentials al als een brug tussen beroepsonderwijs en hoger onderwijs. Ten derde verschuift de nadruk bij werkgevers naar direct bewijs van vaardigheden; de markt vraagt snellere iteraties en tastbare projecten. Ten vierde wordt de leerroute modulair: het lineaire pad van school naar werk verandert in een flexibele cyclus van leren, bouwen en werken. Tot slot worden topinstellingen luxemerken die status verkopen, terwijl de grote middengroep van instellingen onder druk komt te staan.
Deze ontwikkelingen dwingen instellingen en docenten om na te denken over nieuwe vormen van toetsing. Traditionele methoden zoals lange essays en standaardexamens verliezen hun meetwaarde, omdat de gevraagde output goedkoop te genereren is met AI. De beoordeling zal volgens de analyse verschuiven naar mondelinge verdedigingen, het live oplossen van complexe problemen, praktijkopdrachten in laboratoria en authentieke teamprojecten met versiebeheer. De evaluatie richt zich daardoor meer op het denkproces en het oordeelsvermogen van de lerende dan op de getypte output. Het gaat er daarbij volgens de spreker om AI-geletterdheid -in spreek liever van AI-fluency– te behandelen zoals de omgang met een rekenmachine: de technologie moet dienen als gerichte ondersteuning die de kwaliteit van de inspanning verhoogt, niet als vervanging van het eigen leerproces.
Op termijn zullen er volgens de analyse vier soorten instellingen overblijven: elitaire ‘kathedralen’ die sterk selecteren, ‘laboratoria’ gericht op dure fysieke praktijkomgevingen, op werkgevers afgestemde ‘carrièremotoren’ met modulaire diploma’s, en ‘zombies’ die langzaam achteruitgaan door vast te houden aan het oude model. Instellingen die overleven, integreren volgens de spreker projectmatig leren, op AI gebaseerde beheersing en leerwerktrajecten met veel mentorschap. De nadruk verschuift naar het faciliteren van diepgaand mentorschap, fysieke leeromgevingen en een actieve gemeenschap.
Mijn opmerkingen
Bij het bekijken van de video vroeg ik me direct af of we hierbij te maken hebben met een avatar die een tekst voordraagt. Maar goed laat ik me beperken tot de inhoud. Sinds vele jaren wordt al betoogd dat het bestaande onderwijssysteem op z’n laatste benen loopt. Het onderwijs blijkt echter behoorlijk resistent tegen veranderingen, mede als gevolg van digitalisering. Wat daarbij opvalt, is dat de analyse sterk vanuit een Amerikaans perspectief redeneert. Het Nederlandse onderwijssysteem (en ook ander systemen) kent andere structuren, financieringsmodellen en andere verhouding onderwijstypen. Overheidsfinanciering, beperkte concurrentie en terughoudendheid om echt te investeren in digitale transformatie dragen mede bij het behoud van bestaande systemen. Ik heb eerder al geblogd over de vraag of AI ons niet dwingt om het onderwijs opnieuw uit te vinden. Ik zie echter nog weinig aanzetten voor systeemveranderingen.
Toch lijkt AI-technologie inderdaad in staat één-op-één begeleiding op een kwalitatief goede manier te realiseren (mits doordacht vormgegeven en mogelijk binnen bepaalde contexten). Verder valt me op dat de spreker een nogal beperkte opvatting heeft over onderwijs. Het onderwijs zorgt voor veel meer dan signalering, sortering en sociale infrastructuur. Kwalificeren gaat veel verder dan dat, en dat geldt ook voor socialisatie en persoonsvorming.
De analyse bevat herkenbare en deels goed onderbouwde punten. De verwijzing naar Blooms twee-sigma-effect is relevant, al is de claim dat AI-tutors de kwaliteit van een menselijke een-op-een begeleiding benaderen voorlopig steviger dan het beschikbare bewijs rechtvaardigt. De huidige AI-tutors van Duolingo en Khan Academy zijn nuttige hulpmiddelen, maar de vergelijking met een ervaren docent die een lerende kent, motiveert en bijstuurt, gaat nog niet op. De ontwikkeling van een goede AI-tutor is complex en we weten nog weinig over de contexten waarin zo’n tutor goede resultaten heeft. Bovendien heeft Bloom’s stelling een beperkt empirische basis.
De verschillen tussen instellingen zijn in ons land ook kleiner dan in de VS. Microcredentials vormen vaak een uitbreiding op diploma’s, geen vervanging. Ook in Nederland experimenteren werkgevers en instellingen hiermee. De ontwikkeling naar een meer flexibel onderwijs en de veranderende eisen van werkgevers -iets wat overigens van alle tijden is- zijn herkenbaar. De indeling in vier typen instellingen is als denkmodel nuttig, maar past niet zonder meer op de Nederlandse situatie, waar MBO-instellingen al sterk praktijkgericht werken en HBO-instellingen van oudsher een beroepsgerichte oriëntatie hebben. De nadruk op oordeelsvermogen en het denkproces bij toetsing sluit aan bij een bredere beweging richting formatief handelen, die in het Nederlandse onderwijs al langer gaande is.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.
Lees het hele
artikel