AI is de meest belangrijke technologische ontwikkeling van dit moment die leren, opleiden en onderwijs zal gaan beïnvloeden. Zowel ten goede, als ten kwade. Dat intrigeert mij. Onlangs kwam ik een artikel tegen dat vijf verbeteringen van AI op het gebied van e-learning beschrijft. De kop van de bijdrage, How AI Is Ushering Disruptions In E-Learning, suggereert weer een forse transformatie. Dat moeten we nog maar eens zien. De auteur, Rohan Krishna, vat in elk geval de volgende kansen samen.
Chatbots: interactiviteit toevoegen aan online modules
Bij e-learning kunnen deelnemers slecht hun vragen kwijt. Chatbots bieden daarbij volgens de auteur uitkomst. Dankzij een chatbot kan interactiviteit aan online modules worden toegevoegd. Deelnemers stellen een vraag en ontvangen onmiddellijk een reactie. Op AI gebaseerde chatbots hebben volgens de auteur bovendien een persoonlijkheid en leren van eerdere interacties. Krishna noemt ze zelfs ‘experts’. Deze chatbots maken gebruik van technieken zoals semantische analyse om te meten of de stemming van de lerende positief, negatief of neutraal is. De chatbot kan antwoorden meer ‘op maat’ geven. Ook kunnen chatbots interventies plegen, bijvoorbeeld als een lerende een tijd niet heeft ingelogd.
Mijn commentaar: chatbots worden steeds geavanceerder. Op dit moment zijn chatbots echter vooral nog in staat om routinematige vragen te beantwoorden. Op zich is dat al positief. Ze beschikken nog nauwelijks over empathisch vermogen.
Recommendation engines: voor analyseren keuzes en profielen van lerenden
Zogenaamde recommendation engines analyseren keuzes en profielen van lerenden (o.a. de functie) en doen aanbevelingen over wat te leren en hoe te leren. Rohan Krishna ziet veel potentie in deze technologie, maar geeft ook aan dat recommendation engines op het gebied van leren nog in de kinderschoenen staan.
Mijn commentaar: je ziet inderdaad dat online leerplatforms aanbevelingen doen op basis van eerdere keuzes (a la Netflix). Verder wordt een dergelijke technologie ook bij LXP’s gebruikt. Daarbij krijg je content gesuggereerd -niet alleen cursussen- op basis van je profiel. Erg handig. Maar realiseer je ook dat je veel leert van zaken die buiten je normale interesseveld vallen. Hoe zorg je dat je daarmee in aanraking komt? Niet via recommendation engines.
Personalisering van de leerinhoud
Personalisering is volgens Krishna de derde belangrijke verbetering van AI voor e-learning. Je kunt dankzij AI adaptief leren realiseren. Dat betekent dat lerenden leerinhoud gepresenteerd krijgen op basis van patronen in hun gedrag. Je beantwoordt bijvoorbeeld een vraag en op basis daarvan krijg je nieuwe content te zien. Rohan Krishna wijst er terecht op dat dit wel wat vergt van contentontwikkelaars. Normaliter ontwikkel je content voor een gemiddelde groep. Nu kun je meer rekening houden met verschillende niveaus. Volgens de auteur is deze vorm van personalisering ook belangrijk voor de motivatie.
Mijn commentaar: deze vorm van personalisering zie je inderdaad voor lineair opgebouwde vakgebieden als wiskunde of talen steeds vaker en steeds meer gedetailleerd toegepast worden.
Informatie over het leerproces
AI levert veel data op en kan leiden tot inzichten over hoe lerenden leren. AI maakt bepaalde tekorten op het gebied van leren zichtbaar, kan leiden tot interventies of kan ervoor zorgen dat lerenden kun kennis na een tijdje weer gaan opfrissen.
Mijn commentaar: je krijgt op basis van de data ook meer zicht in de kwaliteit van je aanbod. Wees overigens zeer terughouden met het automatisch uitvoeren van acties op basis van data. Deze toepassing is in ontwikkeling. Gebruik de data als input voor overleg en begeleiding.
Voorspellingen te doen over leerresultaten
Je kunt AI ook gebruiken om op basis van data en patronen voorspellingen te doen over leerresultaten. Op basis hiervan kun je dan (automatische) interventies plegen. Volgens Krishna kan de effectiviteit van leren hierdoor worden verbeterd. Het gebruik van AI voor het doen van voorspellingen kan leiden tot een betere toewijzing van middelen (zoals het beschikbaar stellen van tijd om te leren), het genereren van unieke leertrajecten voor lerenden, een verbeterde Return On Investment, en dergelijke.
Mijn commentaar: ik vind dit een hellend vlak. Het kan leiden tot selffulfilling prophecy (Deelnemer A vertoont typisch gedrag van een uitvaller. Daar gaan we niet in investeren). Bovendien is de technologie hier nog te onvolwassen voor (‘bias’). Ook monitort de technologie niet al het leren.
Ik mis overigens nog de volgende potentiële verbeteringen:
- Dankzij AI kun je ook krachtige leermaterialen ontwikkelen. Ik denk daarbij aan de steeds beter wordende vertaaltools, aan het automatisch omzetten van gesproken tekst in geschreven tekst of in het automatisch kunnen maken van samenvattingen.
- Dankzij AI wordt het ook mogelijk om antwoorden op open vragen of essays (semi-)automatisch na te kijken.
Door Wilfred Rubens.
Wilfred Rubens is onafhankelijk programma-adviseur van Next Learning. Hij volgt de ontwikkelingen in leren op de voet, ook de internationale websites en experts. Hij stelt kritische vragen bij alles wat hij leest en deelt dat met ons. Want niet alles wat je leest is waar en niet alle nieuwe zaken zijn nieuw en/of dé oplossing. Lees hier meer van Wilfred.
Tijdens Next Learning Event 2020 is er veel aandacht voor DATA.
- KEYNOTE Regan Kirk gaat in op de noodzaak van nieuwe competenties.
- In de LEERTRACK DATA gaan we naar een praktischer level:
1: De systemen praten met elkaar: Heb jij ook een oerwoud van losse platforms en systemen? Zo heb je een ECO-systeem!
2: Jouw rol en nieuwe talent: Data-kennis: dé belangrijke nieuwe competentie voor L&D!
3: Werken met data: Praktisch Learning Analytics voor kwaliteit, business outcomes, efficiency en personalisering.