Retentie en AI
Door Helma van den Berg, Let’s Learn!
Retentie: een onderwerp waar we in de L&D-wereld al heel veel over gesproken hebben. En dat zullen we nog wel even blijven doen. We willen immers allemaal uitvinden hoe we de lerende kunnen motiveren én hoe we de kennis goed laten beklijven. Alles om de retentie te verhogen en hoog te houden.
Alhoewel… is dat eigenlijk nog wel nodig nu er overal zo hoog wordt opgegeven over AI? Kunnen we als L&D-professional ons ding nog wel doen? Of gaat AI ons dit werk uit handen nemen? Ik weet niet hoe jij er over denkt, maar het mooiste compliment dat je mij kunt geven is “dat je geleerd hebt en dat je je werkwijze echt hebt aangepast naar aanleiding van wat je geleerd hebt”. Als AI dat overneemt, hoe ga ik me dan nog trots voelen op het resultaat?
AI als beste vriend, ook voor Leren
In aflevering 152 van de podcastserie van BrainBakery vertelde Jeanne Bakker over de bedreiging en kansen die we nu en in de toekomst van AI kunnen verwachten. Met Caryn.ai kun je nu al een ‘persoonlijk personage’ maken, met de door jouw gewenste look en feel. Je kunt met haar chatten alsof ze je beste vriend of vriendin is. Het personage toont emoties en kan op emoties reageren. Dat gaat dus ver. Bedenk eens wat daar allemaal voor moet zijn ontwikkeld.
In de podcast sprak Jeanne ook haar verwachtingen uit voor de toekomst van AI in leren. En ik ben het met haar eens. Het is waarschijnlijk gemakkelijker en effectiever om AI voor gepersonaliseerd leren te gebruiken dan je Best-friend-Caryn.ai in te zetten als je boezemvriend die voor je klaar staat.
Hoe werkt AI voor leren?
Laat AI aan het begin van een e-learning een aantal specifieke vragen stellen, zodat de gegeven antwoorden later ingezet kunnen worden om de lerende te helpen met het leren en het verhogen van de retentie. Dat kunnen vragen zijn zoals: Wat is jouw favoriete gerecht? Of: wat doe je graag als je 5 minuten hebt om je te ontspannen? Door de lerende bij aanvang met een aantal vragen als het ware te leren kennen, weet je waar je op in moet spelen om hem of haar te motiveren teneinde de retentie te bevorderen. Het antwoord kan bijvoorbeeld ingezet worden om de lerende te motiveren om de e-learning helemaal tot het einde af te maken. Dat kan door op het moment dat de lerende niet meer in de juiste frequentie met de ogen knippert een melding in beeld te brengen: “Hou nog even vol! De opdracht is bijna afgerond waarna je je favoriete gerecht kunt eten.” Of je kunt de lerende stimuleren om even een korte pauze in te lassen: “Goed bezig! Tijd voor een korte break. Precies genoeg tijd om …. te gaan doen.” AI stelt ons zo in staat om die lastige momenten eruit te pikken en stimulerend in te grijpen. Zodat voorkomen wordt dat de lesstof niet of nauwelijks, of onvoldoende blijft hangen.
Terug in de tijd
In 2014 schreef ik samen met Kasper Boon en Hans Schuurmans het boek “Over het einde van leren” (Eindhoven: Albert Sickler). Het laatste hoofdstuk gaat over hoe mensen in 2080 leren. Of beter gezegd, over hoe mensen in 2080 niet meer hoeven te leren. Daarbij gingen we ervan uit dat mensen een chip in hun hoofd hadden waarin alle belangrijke vakkennis zit. Op scholen wordt al sinds 2053 geen taal en rekenen meer gegeven, maar wordt geleerd hoe je duidelijk spreekt. De stem wordt omgezet in (foutloze) tekst.
Voorsprong op de toekomst met AI
Toen we in 2014 het boek schreven hadden we een flinke discussie, met als conclusie: “Het gaat nog lang duren voordat het zover is.” En nu, nog geen 10 jaar later lijkt het er ineens op dat er met de komst van AI al veel van wat wij voorspelden mogelijk is. En al is die chip nu gelukkig nog niet aan de orde, door AI bij leerontwerpen in te zetten verandert onze manier van leren en de mate van retentie wel degelijk. Dus waarom zouden we AI niet inzetten voor het maximaliseren van de retentie bij leren? Daarvoor hoeven we zeker niet te wachten tot 2080. Wat jij?
Helma van den Berg, microlearning expert bij Let’s Learn!
Hoe waardeert u deze bijdrage?