Op deze pagina lees je meer over kwetsbaarheden in opdrachtvereisten (in relatie tot GenAI) die vaak kunnen worden opgelost. Je vindt ook informatie over oplossingen en gedetailleerde voorbeelden. Er is uitleg bij vier specifieke kwetsbaarheden die ieder op een aparte pagina zijn uitgewerkt.

Door op de links te klikken kan je de andere pagina’s bekijken of terug gaan naar de pagina over schriftelijke opdracht zonder supervisie.

De opdracht vereist geen vakspecifieke kennis
De opdracht vereist geen vaardigheden op een hoger niveau
De opdracht vereist niet dat studenten zich bezighouden met vakspecifieke literatuur
De opdracht vereist geen visualisaties

Studenten hebben vaak een grote vrijheid in het kiezen van hun eigen inhoud (onderwerp), vorm en/of methode binnen het kader van een opdracht, gebruikmakend van algemeen beschikbare kennis. Dit maakt dergelijke opdrachten vatbaar voor ongeoorloofd gebruik van GenAI. In plaats daarvan raden we je aan om ervoor te zorgen dat de opdracht qua inhoud, vorm en/of methode specifiek is afgestemd op wat er in de cursus en colleges is geleerd. De opdracht vereist dan vakspecifieke diepgang en leunt minder op algemeen beschikbare kennis.

Enerzijds is het zo dat hoe meer informatie docenten geven in de opdrachtinstructies, hoe makkelijker ze het GenAI maken om een adequaat antwoord te genereren. Aan de andere kant is transparantie een belangrijk aandachtspunt bij het ontwerpen van toetsing: de opdrachtinstructies moeten duidelijk en ondubbelzinnig zijn voor leerlingen. Opnieuw is de beste manier om met deze tegengestelde overwegingen om te gaan ervoor te zorgen dat opdrachten heel specifiek op de cursus zijn afgestemd. Dit kan betekenen dat je details (bijvoorbeeld de specifieke theorie die leerlingen moeten gebruiken in hun antwoord) of specifieke deelvragen weglaat en in plaats daarvan verwijst naar wat er in de les is besproken (zie onderstaand voorbeeld). Voor een GenAI-tool maakt dit de opdracht moeilijker te interpreteren. Dit neemt niet weg dat een GenAI-tool studenten kan helpen, maar het maakt wel dat het produceren van een antwoord van hoge kwaliteit meer redeneren en kritische reflectie van de studenten zelf vereist.

Vooral details over belangrijke, bekende theorieën kunnen een opdracht kwetsbaar maken voor GenAI-fraude. GenAI is erg goed in het voorspellen van de volgende woorden in een reeks op basis van wat ze hebben geleerd. Deze systemen worden getraind door patronen in grote hoeveelheden tekst te analyseren. Hun output lijdt dus aan “ongelijke feitelijke nauwkeurigheid” (Lingard, 2023): het is waarschijnlijk dat GenAI zal uitblinken in het schrijven van een samenhangende en nauwkeurige tekst die een bekende, baanbrekende theorie of concept uitlegt dat vaak wordt geciteerd en vaak voorkomt in het materiaal waarop het model is getraind. Maar het zal waarschijnlijk worstelen met een taak die zich richt op een meer gespecialiseerde theorie of concept dat minder vaak voorkomt in het trainingsmateriaal – het is, om het simpel te zeggen, tenslotte gewoon een spel met getallen.

Bekijk hieronder een voorbeeld van een opdracht met gedetailleerde instructies gevolgd door suggesties voor verbetering.

Opdrachtinstructies

Stel je voor dat je een stagiair bent bij een bureau dat onlangs de opdracht heeft gekregen om een communicatiecampagne te bedenken voor de Nederlandse markt, waarbij duurzaam reizen per trein in plaats van per vliegtuig binnen de EU wordt gepromoot. Je krijgt de leiding over het creatieve team dat werkt aan een digitale poster voor deze campagne, die geplaatst moet worden op metro- en treinstations in Amsterdam. Leg uit hoe je de Agenda-Setting Theory en het Elaboration Likelihood Model zou toepassen bij het bedenken van het ontwerp van de poster. Zorg er in je antwoord voor dat je.

De twee theorieën en hun mechanismen uitlegt (d.w.z. AST en ELM);
Elke theorie koppelt aan specifieke elementen van het ontwerp van de poster. Zorg ervoor dat je minstens twee elementen koppelt aan elk van de theorieën.

Uitleg

Zoals je in het voorbeeld hiernaast kunt zien, doet Chat GPT het redelijk goed op deel A, waar om uitleg van theorieën wordt gevraagd. Het doet het relatief slechter in deel B, waar geen rekening wordt gehouden met de specifieke kenmerken van de case (doelmarkt/publiek en kanaal). Met andere woorden, de uitleg is goed, terwijl de toepassing te algemeen is. Het is echter mogelijk om de opdracht minder GenAI-vriendelijk te maken (zie hieronder).

ChatGPT

Agenda-Setting Theory (AST) is een communicatietheorie die suggereert dat de media een belangrijke rol spelen in het beïnvloeden van de publieke opinie door te bepalen welke kwesties en onderwerpen mensen belangrijk vinden. Het stelt dat de media de macht hebben om de agenda te bepalen en de relevantie van verschillende kwesties in de gedachten van het publiek te bepalen. In de context van duurzaam reizen per trein kan AST worden toegepast om de perceptie van het publiek te vormen en het belang van deze vervoerswijze boven luchtvervoer te stellen.

Aan de andere kant is het Elaboration Likelihood Model (ELM) een overtuigingstheorie die verklaart hoe individuen persuasieve boodschappen verwerken en erop reageren. ELM stelt dat er twee routes naar overtuiging zijn: de centrale route en de perifere route. De centrale route omvat een diepe cognitieve verwerking en evaluatie van argumenten, terwijl de perifere route steunt op oppervlakkige aanwijzingen en heuristieken. Door de mechanismen van ELM te begrijpen, kan het ontwerp van de poster worden aangepast om kijkers te betrekken via zowel de centrale als de perifere verwerkingsroute.

Bij het ontwerpen van de digitale poster om duurzaam reizen per trein in de Nederlandse markt te promoten, kunnen we AST en ELM toepassen op specifieke elementen van het ontwerp:
____________________________________________

Agenda-Setting Theory (AST):
a) Opvallende beelden: Op de poster moet een aantrekkelijk beeld te zien zijn van een trein die door schilderachtige landschappen rijdt en de schoonheid en aantrekkingskracht van treinreizen benadrukt. Dit beeldmateriaal helpt het publiek om de trein te zien als een opwindende en aantrekkelijke optie om Europa te verkennen.
b) Gedurfde kop: De poster moet een duidelijke en opvallende kop hebben, zoals “Ontdek Europa, een treinreis per keer!” of “Kies voor duurzame avonturen – Reis per trein.” Deze gewaagde uitspraak moet de agenda bepalen door de aandacht van de kijker te trekken en het belang van duurzaam reizen te benadrukken.

2. Elaboration Likelihood Model (ELM):
a) Centrale route: Neem overtuigende feitelijke informatie op over de milieuvoordelen van treinreizen in vergelijking met vliegreizen. Statistieken zoals “Reizen met de trein vermindert de koolstofuitstoot met 90%” of “Kies voor de trein om onze planeet te behouden voor toekomstige generaties” doen een beroep op het logische denken van de kijker en betrekken hen bij de centrale verwerking, waarbij het belang van duurzaamheid wordt benadrukt.
b) Perifere route: Neem perifere signalen op zoals symbolen of pictogrammen die duurzaamheid vertegenwoordigen, zoals groene bladeren of recyclingsymbolen. Deze signalen dienen als mentale snelkoppelingen, die positieve associaties met duurzaamheid oproepen zonder dat er veel cognitieve inspanning voor nodig is. Daarnaast kan het opnemen van sociale bewijselementen zoals getuigenissen of goedkeuringen van bekende milieuorganisaties de overtuigingskracht verder vergroten via perifere verwerking.
____________________________________________

Door de elementen van AST en ELM te combineren in het ontwerp van de digitale poster, wil de campagne de publieke agenda beïnvloeden door het belang van duurzaam reizen per trein te benadrukken en tegelijkertijd kijkers te betrekken via zowel centrale als perifere overtuigingsroutes.

Je beoordelingsinstructies herzien

ChatGPT

Hoewel ik geen directe kennis heb van de specifieke communicatietheorieën die in je lessen zijn besproken, kan ik wel een aanpak presenteren die gebaseerd is op twee populaire communicatietheorieën die vaak worden gebruikt in dergelijke campagnes. Laten we voor dit scenario eens kijken naar de Diffusie van Innovaties en de Kadertheorie.

1. Verklaring van de geschiktheid van de twee theorieën:

Diffusie van Innovaties:

Waarom het geschikt is: Deze theorie verklaart hoe nieuwe ideeën en gedrag zich verspreiden in samenlevingen. Duurzaam reizen is een innovatieve benadering van transport, en om mensen dit gedrag te laten overnemen moet je begrijpen hoe ze nieuwe ideeën overnemen.
Mechanismen uit de klas:
Vernieuwers: De eersten die het nieuwe gedrag overnemen.
Vroege gebruikers: Vaak invloedrijk binnen hun sociale groepen, kunnen helpen het gedrag te promoten bij een breder publiek.
Vroege meerderheid: Nemen het gedrag over nadat ze het gevalideerd zien door innovators en early adopters.
Late meerderheid: Meer sceptisch, maar zullen het overnemen nadat de meerderheid het heeft gedaan.
Achterblijvers: De laatsten die het gedrag aannemen.
Framing Theorie:
Waarom het geschikt is: De manier waarop informatie wordt gepresenteerd (het “frame”) kan de perceptie van het publiek sterk beïnvloeden. Om reizen per trein aan te moedigen in plaats van per vliegtuig, zou je de trein willen “framen” als de superieure, duurzame keuze.
Mechanismen uit de klas:
Probleemdefinitie: Identificeren wat moet worden aangepakt (bijv. milieuproblemen).
Causale interpretatie: Oorzaken koppelen aan het probleem (bijv. vliegtuigemissies).
Morele evaluatie: Een oordeel vellen over het probleem.
Aanbeveling voor aanpak: Manieren voorstellen om het probleem op te lossen of aan te pakken.
b. Elke theorie koppelen aan specifieke elementen van het posterontwerp:

2. Verspreiding van Innovaties:

Vernieuwers en vroege gebruikers:
Element: Getuigenissen of bekrachtigingen.
Toepassing: Gebruik citaten van invloedrijke personen of milieuactivisten. Bijvoorbeeld: “Ik kies treinen voor mijn reizen – een stap voor een groener Europa.”
Vroege meerderheid en late meerderheid:
Element: Statistieken en cijfers.
Toepassing: Highlight data zoals “Sluit je aan bij 200.000 Amsterdammers die in 2023 zijn overgestapt op reizen met de trein.”
Framing Theorie:
Probleemdefinitie & Causale Interpretatie

Element: Opvallende visuals.

Toepassing: Laat een gesplitst beeld zien: Een vervuilde lucht met een vliegtuig aan de ene kant en een sereen uitzicht op het platteland vanuit een treinraam aan de andere kant. Dit definieert visueel het probleem (vervuiling) en de oorzaak (vliegreizen).

Morele evaluatie en aanbeveling voor behandeling:

Element: Duidelijke oproep tot actie en moreel appèl.

Toepassing: Gebruik zinnen als “Maak de juiste keuze voor onze planeet” en “Boek je volgende Europese avontuur per trein.” Dit beoordeelt vliegreizen niet alleen moreel als een minder wenselijke optie, maar biedt ook een directe oplossing.

Door de synergie van deze twee theorieën kan de digitale poster treinreizen effectief presenteren als niet alleen een milieuverantwoorde keuze, maar ook als een sociaal geaccepteerde en opkomende trend in duurzaam reizen.

Herziene opdrachtinstructies

Stel je voor dat je een stagiair bent bij een bureau dat onlangs de opdracht heeft gekregen om een communicatiecampagne te bedenken voor de Nederlandse markt, waarbij duurzaam reizen per trein in plaats van per vliegtuig binnen de EU wordt gepromoot. Je krijgt de leiding over het creatieve team dat werkt aan een digitale poster voor deze campagne, die moet worden opgehangen op metro- en treinstations in Amsterdam. Als je terugdenkt aan de discussies in de klas, welke twee van de communicatietheorieën die we toen hebben besproken zouden dan het meest geschikt zijn om het ontwerp van de poster op te baseren? Zorg ervoor dat je in je antwoord:

Uitlegt waarom deze twee theorieën het meest geschikt zijn voor deze casus. Je uitleg moet de specifieke onderliggende mechanismen bevatten die we in de les hebben besproken.
Elke theorie aan specifieke elementen van het ontwerp van de poster koppelt. Zorg ervoor dat je minstens twee elementen koppelt aan elk van de theorieën.

Resultaat

Het antwoord is veel minder nauwkeurig dan het oorspronkelijke antwoord en zou geen voldoende opleveren. Hoewel een van de theorieën in de cursus is besproken, is het niet de theorie die het meest geschikt is om het ontwerp van de poster op te baseren. De toepassing mist ook diepgang en nauwkeurigheid. Door de opdrachtinstructies op deze manier op te stellen, zou de student aanzienlijk meer moeite moeten doen om een goede prompt te ontwerpen (d.w.z. input voor een GenAI tool) en de output te bewerken om een correct en volledig antwoord te geven.

In het kort

Om de opdrachtinstructies te herzien, moet je de specifieke theorieën niet noemen. In plaats daarvan kun je de vraag bijvoorbeeld koppelen aan klassikale discussies. GenAI weet niet welke theorieën je in de cursus hebt behandeld of wat je in een bepaalde bijeenkomst hebt besproken. Vermijd bovendien opdrachten die vragen om bekende concepten of theorieën samen te vatten of uit te leggen. Richt je in plaats daarvan op de toepassing en beoordeel je kennis met examens op school.