AI-toepassingen leerzaam gebruiken
In ChatGPT: the world’s most influential teacher beschrijft Philippa Hardman dat AI-toepassingen op grote schaal gebruikt worden voor leren. Zij verkent de vraag: wat betekent dit voor hoe (en hoe goed) mensen leren?
Nieuw onderzoek laat volgens Hardman zien dat ChatGPT wereldwijd een van de belangrijkste hulpmiddelen is geworden die voor leren wordt gebruikt. Ongeveer 10,2% van alle berichten – zo’n 2 miljard per week van meer dan 7 miljoen gebruikers – draait om leren en onderwijsondersteuning. Daarmee is ‘AI-tutoring’ volgens haar niet langer een toekomstbeeld, maar dagelijkse realiteit. Binnen de categorie ‘praktische begeleiding’ vormt tutoring ruim een derde van de interacties. Bijna de helft van de gebruikers stelt vooral vragen, terwijl ongeveer 40% actief leeractiviteiten uitvoert (‘doing’), zoals opdrachten maken met feedback. Hardman schrijft dat deze patronen tot de vraag leiden: leidt dit tot daadwerkelijk leren, of vooral tot een gevoel van leren?
Zij wijst daarbij op het risico van de ‘illusie van leren’. Dit gebeurt wanneer een lerende het gevoel heeft dat de lerende leert, terwijl er in werkelijkheid geen blijvende kennis of vaardigheden worden opgebouwd. Dit komt vaak voor bij interacties die gericht zijn op gemak, zoals het snel opvragen van antwoorden of samenvattingen. De leerstof voelt dan wel vertrouwd aan, maar er is geen sprake van een meetbare verbetering in beheersing van de leerinhoud. Drie mechanismen versterken dit effect. Ten eerste de zogenaamde ‘fluency bias’: herlezen of markeren van door AI gegenereerde teksten maakt de stof vertrouwd zonder het geheugen te versterken. Ten tweede het verschil tussen prestatie en leren: goed scoren tijdens de oefening kan samengaan met slechte retentie op lange termijn. Ten derde overmatige ondersteuning: als AI steeds alle stappen voordoet, ontwikkelen lerenden geen zelfstandig probleemoplossend vermogen.
Om dit te doorbreken introduceert Philippa Hardman een ‘realiteitscheck’ van vijf stappen. Lerenden zouden zichzelf zonder hulp moeten kunnen herinneren wat ze hebben geleerd, de leerinhoud in eenvoudige woorden kunnen uitleggen, de juiste strategie bij een probleem kunnen kiezen, een taak onder tijdsdruk kunnen uitvoeren en de kennis na een week nog kunnen oproepen. Deze aanpak maakt volgens haar duidelijk of er sprake is van echte kennisopbouw of slechts van illusie van begrip.
Daarnaast presenteert zij tien ‘evidence-based’ principes om AI-gebruik tot effectief leren om te vormen (de term ‘evidence-informed’ is hier m.i. meer op z’n plaats).
1. Zoek de juiste uitdaging: ‘gewenste moeilijkheid’
Leren beklijft wanneer het inspanning kost maar haalbaar blijft. Te makkelijk creëert een vals gevoel van bekendheid, te moeilijk demotiveert.
Toepassing als je leert met met AI: “Hier is een uitgewerkt voorbeeld [plak het voorbeeld]. Maak een nieuw voorbeeld met hetzelfde concept maar andere cijfers → voeg één complicatie toe → maak er een tekstopgave van.”
2. Probeer voordat je weet: productieve mislukking
Een probleem proberen voordat je instructie krijgt bereidt je brein voor om de uitleg op waarde te schatten.
Toepassing als je leert met met AI: “Formuleer een nieuw probleem. Geef nog geen uitleg. Laat me proberen. Bied dan een minimale hint → diepere hint → volledige oplossing pas nadat ik mijn aanpak heb uitgelegd.”
3. Gebruik inhoud als hulpmiddel, niet als eindpunt
Lezen is niet hetzelfde als leren. Gebruik teksten om een actief probleem op te lossen dat je al hebt geprobeerd. Eerdere worsteling creëert een ‘need to know’.
Toepassing als je leert met met AI: “Genereer drie analytische vragen die ik waarschijnlijk nog niet kan beantwoorden om mijn presentatie te focussen, voordat ik dit hoofdstuk over de Franse Revolutie lees.”
4. Oefen zoals je gaat presteren: authentieke toetsing
Je leert wat je oefent. Laat de oefening de uiteindelijke prestatie weerspiegelen. Prestatiegerichte toetsing voorspelt toekomstige prestaties met grote effecten.
Toepassing als je leert met met AI: “Van dit artikel [voeg het artikel toe], maak een 1-pagina CEO-case met een beslispunt. Ik schrijf een memo. Beoordeel me aan de hand van deze rubric [voeg rubric toe].”
5. Sluit de cirkel: feedback als hefboom
Gerichte, uitvoerbare feedback is de grootste hefboom voor leren. Waar ga ik heen? Hoe gaat het? Wat volgt?
Toepassing als je leert met met AI: “Fungeer als docent schrijven. Beoordeel alleen mijn stelling en inleiding met: doel → huidige prestatie → concrete volgende stappen.”
6. Laat het geheugen werken: oefening om op te roepen (retrieval practice)
Informatie uit het geheugen halen werkt beter dan herlezen voor langetermijn onthouden.
Toepassing als je leert met met AI: “Met het bijgevoegde document [voeg dit toe] toets me over de Krebscyclus met (1) een ‘bijna-goed’ meerkeuzevraag, (2) een invuloefening, (3) uitleg-het-aan-een-tiener in mijn eigen woorden.”
7. Versla het blokken: spreiden
Verdeel studiemomenten zodat je onderwerpen herhaalt net voordat je ze vergeet.
Toepassing als je leert met met AI: “Ik heb over 6 weken een masterexamen over afgeleiden, integralen, reeksen [voeg het curriculum toe]. Bouw een weekplan dat de spreidingsmethode (‘spacing’) gebruikt om oudere onderwerpen op optimale intervallen terug te laten komen.”
8. Bouw flexibele kennis: interleaving
Meng probleemtypes zodat je telkens de juiste strategie moet kiezen.
Toepassing als je leert met met AI: “Ik heb over 6 weken een masterexamen over afgeleiden, integralen, reeksen [curriculum bijgevoegd]. Bouw een weekplan dat vermenging gebruikt om mijn vermogen te testen kernconcepten in verschillende contexten toe te passen.”
9. Leer samen: sociale cognitie en het protégé-effect
Uitleggen aan anderen brengt hiaten aan het licht en versterkt begrip.
Toepassing als je leert met met AI: “Modereer een CRISPR-ethiekdebat. Geef 3 stellingen, elk met korte ‘voor’ en ’tegen’ argumenten om te beginnen, faciliteer daarna.”
10. Respecteer capaciteit: manage cognitieve belasting
Het werkgeheugen is beperkt. Verminder overbodige belasting zodat je kunt investeren in schema-opbouw.
Toepassing als je leert met met AI: “Leer me de Krebscyclus [voeg het document toe] in lagen: één zin doel → analogie op hoofdniveau → hoofdfasen → gedetailleerde stappen.”
Mijn opmerkingen
Deze principes zijn gebaseerd op onderzoek en bieden concrete manieren om AI als leerpartner in te zetten in plaats van als antwoordenmachine. Ik raad je aan Hardman’s bijdrage te bestuderen als je geïnteresseerd bent in de diverse bronnen waarop deze principes gebaseerd zijn.
Hardman stelt m.i. terecht dat het erom gaat dat AI-toepassingen lerenden moeten helpen bij denkprocessen: hints geven vóórdat de oplossing komt, ‘scaffolding’ die geleidelijk wordt afgebouwd, feedback koppelen aan leerdoelen en een planning waarin herhaling wordt ingebouwd. Je kunt leren uitbesteden aan AI-toepassingen, maar je kunt ook aansluiten bij bewezen leerprincipes en deze toepassingen zodanig inzetten dat zij het leren bevorderen. Check ook wat ik eerder schreef over het herzien van pijlers van digitale didactiek onder invloed van generatieve AI en Wijze lessen, AI en ChatGPT (oftewel: hoe kunnen AI en ChatGPT bijdragen aan bouwstenen voor een effectieve didactiek?).