Verliest het leerproces aan kracht als dit wordt versneld dankzij AI?
Gebruiken we AI om het leren te verbeteren of om bepaalde leerstappen te vervangen die van groot belang blijken te zijn? Deze vraag staan centraal in Dan Cohen’s bijdrage The Unresolved Tension Between AI and Learning.
Het leerproces is een gecompliceerde zaak die tijd vraagt. Volgens Cohen stapelen leerervaringen zich op als sediment in ons brein, waar ze geleidelijk een stevige basis vormen voor begrip. Traditioneel leren vereist veel herhaling en versterking om informatie eigen te maken. Nu AI het leren kan versnellen, rijst de vraag wat er gebeurt met deze fundamentele aspecten van kennisverwerving.
Cohen refereert bijvoorbeeld aan recent onderzoek van Hamsa Bastani en collega’s onder middelbare scholieren. De onderzoekers verdeelden de lerenden in twee groepen: één met toegang tot een ChatGPT-4 kloon die bij elke stap kon helpen, en één met een beperktere AI-versie die alleen hints gaf. De eerste groep presteerde 50% beter tijdens het gebruik van AI, maar scoorde later 17% lager zonder AI-ondersteuning. De tweede groep, die meer zelf moest nadenken, onthield de opgedane kennis beter. Cohen schrijft:
AI accelerated the students’ ability to solve math problems, but didn’t allow them to acquire an innate understanding.
Dit patroon herhaalt zich volgens Cohen in de beroepspraktijk van een laboratorium. Hij stelt onderzoeker Aidan Toner-Rodgers onderzoek heeft gedaan in een laboratorium waar wetenschappers toegang kregen tot gespecialiseerde AI. Ervaren onderzoekers, met jaren praktijkervaring en vakkennis opgebouwd vóór het AI-tijdperk, konden de AI-tooling veel effectiever inzetten dan jongere collega’s. Hun diepgaande kennis stelde hen in staat om betere inschattingen te maken van de suggesties die zij kregen van de AI-toepassing. Opvallend was ook dat 82% van de wetenschappers minder werkplezier ervoer door verminderde creativiteit en onderbenutting van hun vaardigheden.
Volgens Cohen laten deze bevindingen zien dat mensen die al een stevige basis hebben opgebouwd het meeste voordeel halen uit het gebruik van AI-toepassingen. Hij waarschuwt daarbij voor een mogelijk probleem: als AI veel tussenstappen in het leerproces overneemt, verdwijnt de geleidelijke opbouw van kennis en ervaring. Dit kan leiden tot een kloof waarbij nieuwe professionals geen kans krijgen om het nodige fundament te leggen.
Het gaat er dus binnen het onderwijs om, om AI-toepassingen zo in te zetten dat het leren wordt versterkt in plaats van dat het gebruik van AI ertoe leidt dat belangrijke stappen in het leerproces worden vervangen. Het is al vaker betoogd: je zult lerenden dus moeten leren dat ze AI-toepassingen binnen en buiten de les gebruiken op een manier die het leren ondersteunt.
Cohen gebruikt daarbij de volgende vergelijking: zonder een doordachte aanpak van AI in het onderwijs is het alsof we lerenden direct de snelweg op sturen, zonder dat ze geleerd hebben hoe ze moeten rijden.
Mijn opmerkingen
Dan Cohen maakt duidelijk dat niet alleen het ontwikkelen van een kennisbasis en het reproduceren van kennis kunnen lijden onder een verkeerd gebruik van AI-toepassingen bij leren, maar dat er vervolgens ook verschillen ontstaan bij het kunnen toepassen van kennis. Uiteraard is weer meer onderzoek nodig omdat de onderzoeken binnen specifieke contexten zijn uitgevoerd. Beschik je dus vooralsnog onvoldoende over een degelijke kennisbasis, leer dan ook eens zonder de beschikbare AI-toepassing. En verbeter AI-gegenereerde output zelf, en niet met behulp van een nieuwe prompt. Vraag feedback op een eerste versie van een tekstproduct, maar denk ook na over verbeteringen zonder vervolgens weer om feedback te vragen. Laat de AI-toepassing de grammatica verbeteren, maar verbeter zelf de inhoud van de tekst.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.