Leren met data: voorbeelden van AI in onderwijs

Voorbeelden van AI in onderwijs: AI4Student en Anamnesebot

We onderscheiden bij datagedreven leren drie vormen van leren:

  • Leren met data: gebruiken van data in dagelijkse taken en het krijgen van persoonlijke inzichten rond de uitvoer van deze taken (bijv. een student die tijdens een practicum directe (automatische) feedback krijgt over de kwaliteit van zijn werk).
  • Leren van data: gebruik van data voor analyse van overkoepelende processen, methoden en technieken die ten grondslag liggen aan individuele taken (bijv. learning analytics waarbij wordt gekeken naar studiegedrag en studierendement om aanpassingen aan een curriculum te doen).
  • Leren over data: opdoen van kennis en vaardigheden over het doelmatig verzamelen, gebruiken en analyseren van data (bijv. training over goede dataverzameling en analyse in een dashboard).

Onderstaand voorbeeld uit de praktijk gaat over leren met data.

Lees hier meer over datagedreven leren

 

In gesprek met: Remco Jongkind (Medical Educator) en Floor van der Steijle (Onderwijskundig adviseur)

Kunnen jullie ons meer vertellen over de lopende AI-projecten in ons onderwijs?

“We zijn met een tweetal projecten in verkennende fase om te bepalen wat generatieve kunstmatige intelligentie (AI), met name het online programma ChatGPT, voor het onderwijs kan betekenen. Dit soort tools zullen toevoegingen zijn voor het bestaande onderwijs en optioneel voor de studenten om te gebruiken.

  • Het eerste project is de PAItiëntsimulator. Het doel van dit project is studenten beter voor te bereiden op de individuele oefengesprekken van medische gespreksvoering met een acteur. Daarom zijn we bezig met het ontwikkelen van een AI patiënt simulator, waarmee studenten bepaalde aspecten van gespreksvoering alvast mondeling kunnen oefenen. De insteek is dat de studenten door deze betere voorbereiding tijdens het gesprek meer op hun communicatie vaardigheden kunnen letten en minder hoeven nadenken over welke vragen te stellen.

 

  • Het tweede project is AI4Feedback. Het doel van AI4Feedback is studenten vaker, sneller en uitgebreider formatieve feedback bieden op hun bachelorthesis voor Geneeskunde. Deze feedback is bedoeld als aanvullende feedback op die van de begeleiders en de feedback van begeleiders blijft leidend.”

Wat hopen jullie te bereiken met deze projecten en wat betekent dat voor het onderwijs?

“Met de pAItient simulator hopen we dat studenten beter beslagen ten ijs komen tijdens de gesprekken met een simulatiepatiënt, zodat de leeropbrengst van het gesprek hoger is. Momenteel zijn we bezig te evalueren hoe goed de simulator de gebruiker kan helpen in het behalen van de leerdoelen. Er zijn nog verbeterpunten maar de resultaten van het eerste prototype zijn veelbelovend. Met AI4Feedback hopen we alle studenten meer gelijke kans op feedback te bieden. Momenteel zijn we ook bezig te evalueren hoe goed de tool feedback kan geven op scripties. Indien de tools goed werken zijn we van plan een pilot te doen in het onderwijs met studenten.”

Welke data verzamel je met dit voorbeeld en kun je de toepassing hiervan in het onderwijs toelichten?

“We verzamelen met beide tools geen data. In de pAItient simulator gebruiken we ter instructie van de tool casuïstiek die in het onderwijs ook wordt gebruikt. Ook kan de student zelf een uitdraai van het gesprek maken en aan een medestudent voorleggen om daar feedback op te vragen.

Met AI4Feedback gebruiken we de beoordelingscriteria van de thesis als input. Ook voert de student hier een anonieme versie van de thesis in. De student krijgt als output geschreven feedback.”

Wat zou jullie droom of wens zijn om over 5 à 10 jaar te bereiken met generatieve kunstmatige intelligentie?

“Specifiek op het vlak van generatieve AI zou een van de dromen zijn dat iedere student een persoonlijke AI-tutor heeft die hen kan helpen met het leren van zowel inhoud, proces en zelfregulatie. Deze AI-tutor zou getraind zijn op alle eindtermen, leerdoelen, onderwijsmateriaal en studiestof van de opleiding. Vrijwillig zou de student er ook cijferlijsten, toetsresultaten en eigen verbeterpunten in kunnen zetten zodat de AI-tutor de student specifiek op de benodigde vlakken extra hulp kan aanbieden.

Op deze manier weet de AI-tutor precies wat de student moet leren, waar nog kennislacunes zijn en kan het helpen door de student gepersonaliseerd te begeleiden, feedback te geven, oefenmateriaal en oefentoetsen aan te bieden en verder uit te dagen. Door het trainen op de informatie van de studie sluit de hulp precies aan op wat we willen dat de student leert. De student heeft dan 24/7 een persoonlijke begeleider die het hele curriculum goed kent en, indien gewenst, ook de verbeterpunten van de student.

Om deze droom mogelijk te maken zouden er voldoende financiële middelen beschikbaar moeten komen om beschermde licenties op deze tools te nemen. Zo kunnen we de privacy en dataveiligheid van de studenten waarborgen. Ook zijn er voldoende middelen en mensen nodig voor het initiële instrueren en trainen van deze tools. Tot slot moeten de studenten geïnstrueerd worden in het verantwoord gebruiken van generatieve AI, overigens is dit ook nu al noodzakelijk gezien het al wijdverspreide gebruik van deze tools.”