Nieuws

Van Wilfred Rubens (redactie) | 28-11-2019 | | (0) reacties

Opening #OEB19: discovering learning

Dit jaar vindt de OEB van 27 t/m 29 november in Berlijn plaats. Gisteren waren de pre-conference workshops en de sprekersreceptie. De OEB begon vandaag traditiegetrouw met een drukbezochte plenaire opening. Drie sprekers mochten hun licht laten schijnen op de toekomst van leren.

Voorzitter Donald Taylor noemde de OEB terecht het meest omvangrijke internatioinale ‘event’ op het gebied van technology enhanced learning. Donald liet ons ook nadenken over onze grootste professionele uitdaging voor 2020 (o.a. een leercultuur creëren, waarde van L&D aantonen).

Daarna mochten drie sprekers reflecteren op de toekomst van leren.

Iyad Rahwan is oprichter van het Center for Humans & Machines dat onderdeel is van het Max Planck Institute for Human Development. Hij ging met name in op de impact van AI op werk en stelde onder meer:

• Er wordt veel over zorgen geschreven als het gaat om AI en werk. Daar is echter nog geen bewijs voor.
• Mensen kunnen niet van machines winnen (op bepaalde gebieden), maar moeten met machines leren werken.
• Bepaalde banen (service, sales, kantoor, landbouw) lopen veel meer risico dan anderen (o.a. onderwijs)
• Hoe kun je mensen wiens werk wordt bedreigd bekwamen om andere banen uit te gaan voeren?
• Het aantal banen dat goed betaalt, neemt toe. Banen die redelijk worden betaald nemen af. Slecht betaalde banen nemen ook toe.
• Je moet kijken naar bekwaamheden die belangrijk zijn binnen banen. Kijk vervolgens naar verbanden tussen bekwaamheden. Dan kun je ook zien welke werknemers potentie hebben voor banen waar veel behoefte aan is. Rahwan en collega’s hebben op deze manier 700 bekwaamheden geanalyseerd. Ze hebben daarbij ook gekeken naar werkgelegenheid en bekwaamheden in steden. Opvallend: Rahwan kijkt niet naar bekwaamheden binnen een context.
• Er is sprake van een correlatie tussen cognitieve en sociale bekwaamheden en inkomen. Er zijn ook kansrijke en kansarme steden op deze manier te definiëren.
• Onderwijs zorgt ervoor dat je cognitieve en sociale bekwaamheden ontwikkeld en kans maakt op een beter inkomen. ‘Onderwijs’ is de enige oplossing om kans te houden op een goed betaalde baan. Daartoe rekent de spreker ook informele manieren van leren.
• Cognitieve en sociale bekwaamheden maken minder kans om geautomatiseerd te worden.
• Via skillscape.mit.edu kun je hiermee experimenteren (de data zijn uit de VS).

Wei Cui is mede-oprichter van Squirrel AI Learning, een bedrijf dat AI op een geavanceerde manier toepast binnen online cursussen. Hij vertelde over de wijze waarop Squirrel AI toepast.

• Er is in China sprake van veel competitie als het gaat om goed onderwijs te krijgen. Ouders willen dat kinderen het beste onderwijs krijgen. Zij -die het kunnen betalen- investeren veel in bijles.
• Er zijn meer dan 500.000 erkende education companies in China. Waarschijnlijk zelfs een miljoen.
• Er zijn te weinig goede docenten in China. Kwalitatief goed onderwijs kan in China niet gegarandeerd worden.
• Squirrel gaat ervan uit dat elk kind anders is en talenten heeft.
• Daarom wil Squirrel gepersonaliseerd leren faciliteren. Daarvoor gebruikt men AI in combinatie met een docent van vlees en bloed. Zij hebben leerinhouden zeer specifiek in componenten onderverdeeld. Ik heb hier eerder over geschreven.
• Squirrel is actief in meer dan 600 steden en bedient meer dan 2 miljoen lerenden. Het bedrijf groeit jaarlijks met 500%.
• Ze besteden veel aandacht aan het diagnostiseren van kennis en ontwikkelen profielen van lerenden. Op basis daarvan wordt een optimaal leerpad ontwikkeld en krijgen de lerenden leerinhoud op maat.
• Lerenden in heel verschillende tempo’s.
• Squirrel investeert ook veel in onderzoek naar de werkwijze.
• Zij hebben hun aanpak ook toegepast in een achtergesteld gebied in China. Na een maand was het kennisniveau aanzienlijk toegenomen.
• 80% van de studenten dat Squirrel gedurende een semester gebruikt, verbetert de leerprestaties aanzienlijk.
• Op basis van de ontwikkeling van bekwaamheden, kan Squirrel ook voorspellen welke banen mensen gaan vervullen.
• Heb ik nu goed begrepen dat er ook een ‘open’ versie is van Squirrel? Men wil meer gebruikersdata hebben om het product beter te maken.

Via Twitter werd Cui schijnbaar behoorlijk aangepakt. Bijvoorbeeld over de kwaliteit van docenten. Volgens Cui is dat in China in elk geval het geval. Er waren ook vergelijkingen met The Matrixx. Cui benaderde onderwijs en leren in elk geval op een heel ‘instrumentele’ manier.

Audrey Waters is een zeer kritisch en onafhankelijk auteur en onderzoeker. Zij stelde onder meer:

• Veel sprekers tijdens tech-conferenties geven af op onderwijs als ‘fabriek’, maar ze geloven wel dat AI en robotisering het leren beter en leuker zullen maken.
• Er is sprake van te veel vertrouwen in de mogelijkheden zoals AI voor leren en onderwijs. “Ed-Tech Imaginary” nioemde Watters dat.
• Al die verhalen -‘ed-tech agit-prop’- over de mogelijkheden van technologie dienen een bepaalde agenda. Er zit een ideologie achter. Kijk ook naar wat grote bedrijven hierin doen.
• Er zijn inderdaad mensen die geloven in The Matrixx voor leren (je slikt een pil en je kent een taal). Volgens Audrey is dat onzin. Men de-contextualiseert leren. Zij vergeleek deze benadering met het behaviourisme van Skinner (teaching machines). Alleen nu met nieuwe technologieën zoals AI. We vergeten de geschiedenis van het leren. Mensen worden gereduceerd tot machines.
• Heel veel van de verhalen die verteld worden over de impact van technologie op leren zijn niet waar of niet controleerbaar. Het is alleen bedoeld om urgentie te bevorderen. Vooral als percentages worden gebruikt (65% van de leerlingen eindigen in banen die nu nog niet bestaan). Er worden vaak slogans gebruikt, die niet bewezen zijn. Bijvoorbeeld dat kennis na vijf jaar is verouderd. Veel sprekers roepen elkaar vooral na. Watters gaf hier veel voorbeelden van.
• In de VS blijken mensen bijvoorbeeld minder vaak van baan te wisselen dan in het verleden.
• Robots zitten niet achter je baan aan, dat zijn managers.
• Verhalen worden gebruikt om angst te zaaien en mensen af te leiden van werkelijke misstanden.

Gisteren heb ik me afgevraagd of Wei Cui en Audrey Waters de degens zullen kruisen of elkaar zouden sparen. Watters bekritiseerde de aanpak van Squirrel en aanverwante bedrijven in elk geval zeer fors. Opvallend: zij oogstte het meeste applaus. Mooi om een dergelijke kritische bijdrage te horen, tussen al die evangelisten. Watters heeft wat mij betreft echter ook lijnrechte opvattingen. Bij haar miste ik ook nuance.

Vervolgens hield Donald Taylor de sprekers vragen voor van de deelnemers (via Twitter gesteld). Een paar opvallende zaken:

• Je hebt niet alleen charlatans die een oplossing voor een niet-bestaand willen verkopen. Er zijn ook initiatieven die daadwerkelijke problemen willen oplossen.
• Technologie is maar een deel van de oplossing. Beter onderwijs krijg je bijvoorbeeld ook door docenten beter te betalen en het beroep aantrekkelijker te maken.
• Onderwijs is een publiek ‘goed’, als een sociaal goed. Dat zou publiek gefinancierd moeten worden. We individualiseren nu te veel.
• Er zijn geen makkelijke oplossingen voor issues op de arbeidsmarkt. Machines zullen bijvoorbeeld delen van banen gaan vervangen.
• Leren is ook een complex fenomeen.
• AI heeft toegevoegde waarde. Kijk alleen al naar vertaalprogramma’s. Die voegen zo veel toe. We kennen AI echter te veel autonomie en ‘agency’ toe. technologische ontwikkelingen zijn niet onvermijdelijk. Het zijn mensen die daarover beslissen.
• Praat niet alleen over de toekomst van leren, maar kijk ook naar de geschiedenis.

Een paar cijfers over de OEB.

• Er nemen meer dan 2500 deelnemers uit meer dan 70 landen deel. Na Duitsland heeft Nederland dit jaar de grootste ‘delegatie’. Absoluut gezien, merkte een Deense collega gisteravond terecht op.
• Er zijn 20 pre-conference sessies, 5 plenaire sessies, 14 keynote-bijdragen, meer dan 120 parallelsessies, 15 gratis seminars op de beurs (die vrij toegankelijk is) en meer dan 300 internationale sprekers. Dat betekent dat 12% van de deelnemers ook een bijdrage levert.