AI gebruiken voor het geven van feedback: mogelijkheden en beperkingen

In deze blogpost besteed ik aandacht aan twee recente bijdragen met bespiegelingen over het gebruik van AI voor het geven van feedback aan lerenden. Daarin komt naar voren dat menselijke feedback en AI-gegenereerde feedback elkaar juist aanvullen en kunnen versterken.

Feedback
Foto: geralt, Pixabay

Daisy Christodoulou vergelijkt in AI feedback: a thermometer or a thermostat? feedback met het verschil tussen een thermometer en een thermostaat. Een thermometer meet alleen de temperatuur, terwijl een thermostaat de temperatuur daadwerkelijk verandert. Dit verschil is volgens haar belangrijk voor het begrijpen van goede feedback. Het doel van feedback is niet alleen om aan te geven wat er goed of fout is, maar om het denken van de lerende te veranderen.

Zij illustreert dit aan de hand van een voorbeeld van onderwijskundige Dylan Wiliam. Hij beschrijft een gesprek met een lerende die de opmerking kreeg “systematischer te zijn in het plannen van wetenschappelijk onderzoek”. De lerende begreep deze feedback niet – als hij had geweten hoe hij systematischer kon zijn, had hij dat meteen gedaan. Dit laat zien dat lerenden behoefte hebben aan concrete handelingen om zich te verbeteren, niet alleen aan algemene opmerkingen.

Dit heeft ook gevolgen voor het gebruik van AI-tools bij het geven van feedback. Daarbij gaat er volgens Christodoulou veel aandacht uit naar het verbeteren van de nauwkeurigheid van feedback gegenereerd door de AI-toepassing. De vraag is echter of deze feedback echt tot verandering leidt. Christodoulou waarschuwt dat we te veel bezig zijn met het verbeteren van de thermometer, terwijl we eigenlijk een thermostaat nodig hebben.

Bijdrage twee is ‘“The whole point is we’re trying to teach” – pedagogical reflections on AI grading’ van Neil Selwyn, die de ervaren docent aardrijkskunde Ben aan het woord laat over zijn ervaringen met AI-gegenereerde feedback. Deze docent probeerde een AI-beoordelingssysteem uit en was onder de indruk van de kwaliteit. Het systeem merkte zelfs zaken op die hij over het hoofd had gezien. Toch besloot hij het systeem niet structureel te gebruiken voor beoordelingen.

Het nakijken van werk is volgens deze docent namelijk meer dan alleen het geven van een cijfer of feedback. Door persoonlijk het werk na te kijken, leert hij lerenden kennen en krijgt hij inzicht in waar lerenden hulp nodig hebben. Deze aanpak past bij wat onderwijskundigen een ‘sociaal-culturele’ benadering noemen: feedback als gezamenlijk proces waarin docent en lerende samen kennis ontwikkelen.

Docent Ben ziet volgens Selwyn wel mogelijkheden voor het gebruik van AI-tools als aanvulling op zijn werk. Hij stelt voor dat lerenden zelf AI-toepassingen gebruiken om hun werk te controleren voordat ze het inleveren. Deze manier van werken leidt tot een betere kwaliteit van het ingeleverde werk. Vervolgens kan de docent zijn expertise inzetten om de lerenden verder te helpen.

Mijn opmerkingen

Ik geloof zelf ook in de kracht van de combinatie ‘menselijke feedback – AI-gegenereerde feedback’. Daarbij moet je er m.i. wel voor waken dat lerenden de door AI-tools gegenereerde feedback wel actief verwerken, en niet klakkeloos overnemen. Ook moeten lerenden ervoor waken afhankelijk te worden van deze technologie. Wel vind ik dat Christodoulou AI-toepassingen tekort doet door te suggereren dat AI-tools alleen maar opmerkingen kunnen maken, en geen handelingsperspectieven kunnen schetsen. Je kunt daar bijvoorbeeld expliciet om vragen. Daarnaast vind ik de metafoor van de ’thermometer-thermostaat’ niet helemaal gelukkig. Feedback is gericht op ontwikkeling, terwijl een thermostaat op een gegeven moment hoog genoeg staat. Bovendien neemt de lerende bij een thermostaat een passieve rol in. Daar komt bij dat een leerproces grilliger verloopt dan de lineaire stijging van de temperatuur.

In Selwyn’s bijdrage komt terecht aan bod dat het belangrijk is om lerenden te kennen, en inzicht te krijgen in waar zij hulp nodig hebben. Het is daarbij de vraag of AI-tools voor het geven van begeleiding en feedback daar daadwerkelijk toe in staat zijn. Ze beschikken vaak niet over de relevante context waarin de lerende functioneert.

Mijn bronnen over (generatieve) artificiële intelligentie

Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.

This content is published under the Attribution 3.0 Unported license.

Delen

2 reacties

  1. Naar mijn mening en ervaring, werkt het geven van feedback met AI het beste in combinatie met formatief handelen. Als we met een cijfer als doel werken, snap ik het punt van de docent. In feiten hebben we te maken met een algoritme. Geen toegevoegde waarde.
    Alles we AI instrueren om Formatief te handelen, krijgt de lerende informatie over de misvattingen achter zijn/haar fouten. Op basis van hoe ver we de bot willen en kunnen trainen, kan hij ook verwijzen naar de benodigde bronnen om die misvattingen op te lossen.

  2. De betreffende docent werkt zeker niet alleen met cijfers. Overigens kun je ook bij summatief beoordelen kwalitatieve feedback geven. Het gaat deze docent in elk geval om het echt kennen van lerenden.

Geef een reactie

Je e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *