AI-bekwaamheden: vergelijking zes mondiale raamwerken
Het editorial “Six global frameworks for human-centred AI literacy and competency: comparative analysis and a way forward” vergelijkt zes internationale raamwerken voor ‘AI-geletterdheid’. Deze raamwerken – van UNESCO tot het Amerikaanse ministerie van Arbeid – delen een aantal kernprincipes, maar verschillen sterk in doelgroep en opzet. Verder onderscheiden de auteurs ook het Human-Centric AI Pedagogy (HCAP)-raamwerk als hulpmiddel voor docenten.
Het UNESCO AI Competency Framework for Students onderscheidt vier dimensies: een mensgerichte mindset, AI-ethiek, AI-technieken en toepassingen, en het ontwerpen van AI-systemen, opgebouwd in drie niveaus (Understand, Apply, Create). Het OECD-EC Joint Framework richt zich op het primair en voortgezet onderwijs en pleit voor vakoverstijgende aandacht voor AI-geletterdheid. Australië werkte een raamwerk uit met 6 principes en 25 richtlijnen voor generatieve AI in het onderwijs, gericht op de hele onderwijsgemeenschap, van lerenden tot beleidsmakers. China beschrijft in een nationaal curriculum leerdoelen per leerjaar voor het primair en secundair onderwijs, volgens een “vier-in-één”-model van kennis, vaardigheden, denken en waarden. Het Verenigd Koninkrijk biedt met het AI Skills Tools Package een raamwerk gebaseerd op rollen. Het is een groeimodel voor adoptie en een checklist voor werkgevers. De Verenigde Staten richten zich met het Department of Labor Framework op werknemers en werkgevers, met vijf inhoudsgebieden zoals “Evaluate AI Outputs” en “Use AI Responsibly”.
Volgens de auteurs delen alle zes raamwerken een aantal uitgangspunten. Ethiek is in elk raamwerk een vast onderdeel: bias, privacy, transparantie en verantwoord gebruik komen overal terug. Ook mensgerichtheid is een gedeeld principe: AI moet het menselijk oordeel ondersteunen, niet vervangen. Het Australische raamwerk benadrukt dat docenten en schoolleiders zelf de regie houden over besluitvorming, en UNESCO wil lerenden vormen tot “verantwoordelijke AI-mede-ontwerpers en kritische burgers”. Daarnaast gaan alle raamwerken verder dan technische vaardigheden: kritisch denken, maatschappelijk bewustzijn en het beoordelen van AI-output maken overal deel uit van geletterdheid. Ook kennen alle raamwerken een gefaseerde opbouw: UNESCO via de drie genoemde niveaus, China via leerjaren, en het VK van instap- tot managementniveau.
De belangrijkste verschillen liggen in de doelgroep en de aard van het raamwerk. UNESCO en de OECD richten zich op lerenden in het primair en voortgezet onderwijs, China werkt dit uit in een verplicht nationaal curriculum, terwijl de VS en het VK zich richten op de arbeidsmarkt. Australië bedient de gehele onderwijsgemeenschap. Ook qua karakter lopen de raamwerken uiteen. UNESCO is vooral inspirerend en richtinggevend. Het raamwerk vormt een referentiekader voor landen om een eigen curriculum te ontwikkelen. China is voorschrijvend en strategisch ingebed in nationaal beleid. De OECD is gericht op vakoverstijgende toetsing, de VS bieden een praktisch instrument voor professionalisering, het VK-raamwerk is operationeel en diagnostisch, en het Australische raamwerk wil vooral de onderwijsgemeenschap beschermen.
Naast de zes raamwerken introduceert het editorial het HCAP-raamwerk, dat volgens de auteurs ingaat op het pedagogisch-didactische “hoe” bij het “wat”. Thomas Chiu, de bedenker van dit raamwerk, stelt dat het bekende TPACK-raamwerk -dat beschrijft welke kennis docenten nodig hebben om technologie in hun onderwijs te integreren- ontoereikend is voor het tijdperk van AI. Volgens de auteur heeft AI vier tekortkomingen in TPACK blootgelegd: onvoldoende aandacht voor de autonome werking van AI (tool agency), de epistemische uitdagingen die ontstaan doordat AI zelf inhoud genereert, de toenemende ethische complexiteit, en het ontbreken van een kennisdomein voor menselijk-AI-samenwerking. Het HCAP-raamwerk bestaat dan uit vijf onderling afhankelijke kennisdomeinen: Intelligent Technological Knowledge (I-TK, waaronder prompt engineering en systeembeoordeling), Intelligent Content Knowledge (I-CK, gericht op het kritisch valideren van AI-gegenereerde inhoud), Intelligent Pedagogical Knowledge (I-PK, het ontwerpen van AI-ondersteunde leeractiviteiten), Human-AI Collaboration Knowledge (HAIC-K, het structureren van samenwerking tussen lerenden, docenten en AI) en Ethical Knowledge (Ethics-K, als normatief kompas voor het gehele raamwerk). Om dit theoretische raamwerk te operationaliseren voerde de auteur een Delphi-onderzoek uit met 30 docenten uit Hong Kong, verspreid over zes vakgebieden. Dat leverde een consensuslijst op van 25 kennisitems die de vijf domeinen concretiseren. Elk domein sluit aan op onderdelen uit de zes raamwerken: zo verbindt I-CK zich met het Fairness-principe van Australië en met “Evaluate AI Outputs” uit het Amerikaanse raamwerk.
Mijn opmerkingen
Dit editorial geeft een compact overzicht van zes overheids- en intergouvernementele raamwerken voor AI-geletterdheid, met HCAP als pedagogisch-didactische aanvulling. Het OECD-EC Joint Framework dat hier wordt besproken, heb ik eerder vergeleken met AI-GO! van Npuls en het Framework for AI Fluency van Dakan en Feller. In die eerdere vergelijking viel op dat het OECD-raamwerk zich organiseert rond vier interactiedomeinen: “Engaging with AI”, “Creating with AI”, “Managing AI” en “Designing AI”. Dat detail komt in dit editorial niet terug. Gebruik het editorial dus vooral als startpunt om je verder te verdiepen in de verschillende raamwerken.
Het overzicht met raamwerken in dit editorial is ook niet compleet. De auteurs hebben zich beperkt tot overheids- en intergouvernementele raamwerken. Ik snap dat de auteurs geen aandacht besteden aan AI-GO! als Nederlands sectorinitiatief of aan het Framework for AI Fluency. Ik vind het wel jammer dat de auteurs niet stil staan bij het verschil tussen AI-geletterdheid en AI-fluency of daar op z’n minst op reflecteren. Ik mis wel aandacht voor DigComp 3.0, de vijfde editie van het Europese raamwerk voor digitale competenties voor burgers. Aandacht voor AI is daarin geïntegreerd.
HCAP voegt met zijn vijf domeinen een laag toe die in AI-GO!, OECD en UNESCO minder uitgewerkt is: de vertaalslag naar wat docenten concreet moeten kunnen. Zoals gezegd is HCAP gebaseerd op TPACK. Dat was zo’n 15 jaar geleden een heel populair raamwerk. Vervolgens kwam er kritiek. Het raamwerk zou onvoldoende handvatten bieden, geen rekening houden met andere factoren die komen kijken bij de implementatie van digitale technologie in het onderwijs, en de effecten ervan zouden lastig te meten zijn. Zie: Kritiek op TPACK: te abstract en te specifiek? Ook zou TPACK onvoldoende rekening houden met ethische aspecten -extra belangrijk bij AI- en onvoldoende nadruk leggen op attitude. Zie: PEAT als alternatief voor TPACK? De praktische voorbeelden in het HCAP-artikel bieden meer handvatten. Er zal meer onderzoek gedaan moeten worden naar de toepasbaarheid van dit kader.
Wat ook opvalt is de groei van het aantal raamwerken en modellen rond AI-geletterdheid en AI-fluency. Het risico van keuzestress ligt op de loer. Het kiezen tussen raamwerken wordt een uitdaging.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.
Lees het hele
artikel