Onderzoek naar zelfregulatie en het gebruik van AI-chatbots
Steeds meer lerenden gebruiken AI-chatbots tijdens het leren, maar wat betekent dat voor hun zelfregulatie? Onderzoek laat zien dat, om lerenden beter te ondersteunen bij zelfregulerend leren, er gerichte actie nodig is om te voorkomen dat lerenden het eigen denkwerk volledig uitbesteden.
Lyn Lim en Maria Bannert van twee Duitse Universiteiten onderzochten hoe lerenden hun leren reguleren wanneer zij werken in een technologie-ondersteunde leeromgeving met een geïntegreerde GenAI-chatbot. Hun centrale onderzoeksvraag luidde: How is students’ regulation of learning in a technology-enhanced learning environment with an integrated genAI tool associated with learning processes and performance?
In een exploratieve studie werkten 30 universitaire studenten 45 minuten in een digitale leeromgeving met geïntegreerde AI-chatbot, waarin zij teksten lazen en een essay schreven. Hun leerprestaties en zelfregulatieprocessen werden geanalyseerd via pre- en posttests, essayscores en tracegegevens van leeractiviteiten en chatbotinteracties.
De resultaten laten zien dat alle lerenden significante kenniswinst boekten na de taak, ongeacht het gebruik van de chatbot. De meeste lerenden (73%) kozen er vrijwillig voor om de chatbot te gebruiken, gemiddeld gedurende circa 12% van de leertijd. In totaal werden 381 interactiehandelingen geregistreerd, waarvan ongeveer een derde bestond uit daadwerkelijke vragen aan de chatbot. De meeste vragen waren gericht op informatie zoeken (53%), gevolgd door taalondersteuning (25%), ideeën genereren (13%) en correctie of herhaling (9%). De vraagactiviteit nam in de loop van de sessie af, met een duidelijke concentratie van informatiegerichte vragen in de eerste helft van de leertaak.
Vergelijkingen tussen gebruikers en niet-gebruikers laten zien dat beide groepen veel tijd besteedden aan cognitieve activiteiten zoals lezen en schrijven, maar nauwelijks aan expliciete metacognitieve processen zoals plannen en monitoren. Chatbotgebruikers besteden wel meer tijd aan herlezen en behaalden gemiddeld hogere essayscores dan niet-gebruikers, hoewel andere verschillen beperkt bleven. Lim en Bannert constateerden dat lerenden vooral bezig waren met het zo snel en efficiënt mogelijk afronden van de taak. Ze lazen de teksten minder lang naarmate ze meer gebruikmaakten van chatbots. Dit duidt erop dat lerenden de voorkeur gaven aan het voltooien van de opdracht boven het echt begrijpen van de leerstof.
Correlatieanalyses binnen de groep chatbotgebruikers laten volgens de onderzoekers een duidelijk patroon zien. Een hogere frequentie van chatbotinteracties hangt positief samen met cognitief intensieve activiteiten, met name het schrijven van het essay. Tegelijkertijd blijkt dat een langere duur van chatbotgebruik en hoge cognitieve activiteit negatief correleert met leestijd. Lerenden die de chatbot intensief gebruikten, besteedden dus minder tijd aan het lezen van de bronteksten.
De kwalitatieve analyse van de vragen aan de chatbot verduidelijkt dit mechanisme. Veel lerenden kopieerden tekstfragmenten en vroegen om samenvattingen of hoofdpunten. Hierdoor verplaatsten zij bepaalde kernactiviteiten, zoals het identificeren van relevante informatie en het synthetiseren van inhoud, naar de chatbot. Dit wijst op cognitieve en metacognitieve uitbesteding: lerenden namen beslissingen over wat belangrijk is in de tekst en hoe deze te begrijpen niet altijd zelf, maar lieten dit bepalen door de AI.
In de discussie benadrukken de auteurs dat deze bevindingen een dubbel beeld schetsen. Enerzijds lijkt de chatbot prestaties te ondersteunen: lerenden die de tool gebruikten, behaalden hogere essayscores en voerden meer activiteiten uit die samenhangen met hogere orde cognitie, zoals organiseren en uitwerken van informatie. Anderzijds wijzen de negatieve correlaties met leestijd erop dat lerenden een taakgerichte strategie aannamen, gericht op efficiënt afronden van de opdracht in plaats van verdiepend leren op basis van de teksten. De chatbot fungeerde daarmee vaak als informatiebron en hulpmiddel voor oppervlakkige taken, zoals taalcorrectie en samenvatten.
Lyn Lim en Maria Bannert interpreteren dit gedrag als een vorm van ‘performance-driven’ leren: lerenden gebruiken de chatbot om sneller tot een eindproduct te komen. Hoewel dit efficiënt kan zijn voor het voltooien van taken, kan het ten koste gaan van diepere cognitieve verwerking en van kernprocessen van zelfregulatie, zoals plannen, monitoren en evalueren. Het lage niveau van deze metacognitieve activiteiten ondersteunt de hypothese dat lerenden wel beschikken over SRL-kennis, maar deze niet spontaan inzetten tijdens het leren.
Tegelijkertijd blijkt dat niet alle lerenden hetzelfde gedrag vertonen. Sommige lerenden besteedden meer tijd aan lezen en gebruikten de chatbot minder, maar voerden dan ook minder hoge cognitieve activiteiten uit tijdens het schrijven. Dit wijst op verschillende regulatiestrategieën: ofwel intensief lezen met beperkte ondersteuning, ofwel meer gebruik van de chatbot met focus op productgericht schrijven. Beide strategieën hebben verschillende implicaties voor leerproces en leerresultaat.
De auteurs concluderen dat het gebruik van GenAI zowel voordelen als risico’s heeft voor zelfregulerend leren. De tool kan de uitvoering van taken ondersteunen en prestaties verbeteren, maar kan ook leiden tot het uitbesteden van cruciale regulatie- en begripsprocessen aan de AI. Hierdoor bestaat het risico dat lerenden minder actief nadenken over wat zij lezen, waarom zij bepaalde informatie gebruiken en hoe zij nieuwe kennis integreren met bestaande kennis.
Om te voorkomen dat studenten hun denkwerk volledig uitbesteden aan AI, is gerichte ondersteuning nodig. Lerenden beschikken volgens de onderzoekers vaak wel over de juiste vaardigheden voor zelfregulerend leren, maar passen deze in de praktijk niet spontaan toe. Zij pleiten daarom voor AI-tools die lerenden actief begeleiden bij hun leerproces, bijvoorbeeld door hen op het juiste moment te laten reflecteren. Wie een chatbot vraagt om de hoofdpunten uit een tekst te halen zonder die tekst zelf te hebben gelezen, moet eerst een vraag krijgen die aanzet tot nadenken over het eigen begrip.
Ook het ontwerp van taken en tools verdient aandacht. Lerenden moeten worden gestimuleerd om AI in te zetten voor verdieping, niet als snelkoppeling om een opdracht zo snel mogelijk af te ronden. Tot slot is het aanbieden van ondersteunende tools alleen niet voldoende. De echte uitdaging ligt in het motiveren van lerenden om deze tools actief en consequent te gebruiken, want dat leidt aantoonbaar tot betere leerresultaten.
Mijn opmerkingen
Dit onderzoek kent uiteraard een aantal beperkingen die maken dat we voorzichtig moeten zijn met het trekken van verstrekkende conclusies. De groep lerenden was beperkt van omvang en de context specifiek. Daarnaast werkten de lerenden maar korte tijd aan een opdracht. Toch zijn de bevindingen in lijn met andere onderzoeken en daarom van waarde.
De studenten gebruiken ‘AI’ voor het afhandelen van taken, en doen dat succesvol. Of ze veel hebben geleerd, is een ander verhaal. De onderzoeker stellen hier vraagtekens bij. Het is wel mooi om te zien dat lerenden onderling sterk verschillen.
Je ziet dus dat lerenden ‘performance-driven’ zijn. In de context van het universitaire onderwijs betekent dit: een taak efficiënt afhandelen. Dit heeft natuurlijk alles te maken met het onderwijsontwerp. Terecht pleiten de onderzoekers ervoor om naar het ontwerp van taken te kijken. Mijn inziens moet je naar het curriculum als geheel kijken. Het curriculaire spinnenweb van Jan van den Akker is daarvoor m.i. nog steeds een zinvol hulpmiddel, plus het concept van constructive alignment.
Verder wijzen de onderzoekers terecht op de geschiktheid van AI-toepassingen voor leren. Lerenden zouden eigenlijk specifieke tools moeten gebruiken, zoals specifiek ontwikkelde GPT’s (ChatGPT) of Gems (Google Gemini). Deze tools moeten zij vervolgens doordacht gebruiken.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.