AI in het onderwijs: denk eerst, gebruik daarna

In Against “Brain Damage” nuanceert Ethan Mollick de zorgen van menig onderwijsprofessional over de eventuele schade die het gebruik van AI-toepassingen zou aanbrengen aan ons brein. Mollick stelt: AI beschadigt onze hersenen niet, maar ondoordacht gebruik kan ons denken beschadigen.

De paniek over AI die onze hersenen zou beschadigen blijkt volgens de auteur ongegrond. Het MIT Media Lab-onderzoek dat vaak wordt aangehaald laat iets anders zien: lerenden die ChatGPT gebruikten voor essays waren minder betrokken en onthielden minder van hun werk. Vier maanden later presteerden ze slechter bij nieuwe schrijfopdrachten. Geen hersenschade dus, maar wel verminderde hersenactiviteit tijdens het schrijfproces.

Deze bezorgdheid past volgens Mollick in een bekend patroon. Van Plato’s vrees dat schrijven ons geheugen zou aantasten tot zorgen over smartphones en vergeten telefoonnummers – nieuwe technologieën wekken altijd angst op dat ze ons denkvermogen zouden schaden.

Onderzoek in Turkije laat zien waar het misgaat. Lerenden die ChatGPT zonder begeleiding gebruikten voor huiswerk scoorden 17% lager op hun eindexamen. Het probleem: ‘AI’ geeft standaard antwoorden in plaats van te begeleiden bij het leerproces. De mentale inspanning die nodig is voor leren wordt weggenomen.

Maar ‘AI’ kan volgens Ethan Mollick ook helpen. Een onderzoek van de Wereldbank in Nigeria illustreerde dat GPT-4 als tutor binnen een begeleid programma meer dan twee keer zo effectief was als enkele van de meest succesvolle onderwijsinterventies. Ook studies van Harvard en Stanford bevestigen: goed opgezette AI-tutoring verbetert leerresultaten.

Het verschil zit in de aanpak. AI moet fungeren als tutor die het leerproces begeleidt, niet als gereedschap dat simpelweg antwoorden levert. Hiervoor zijn volgens de auteur gespecialiseerde prompts nodig die AI dwingen vragen te stellen en lerenden zelf tot inzichten te laten komen. Hij verwijst daarbij onder meer naar de Generative AI Labs Prompt Library van zijn eigen Wharton universiteit.

AI-toepassingen kunnen volgens Ethan Mollick niet alleen behulpzaam zijn als AI-tutor. Als het gaat om creativiteit presteren deze toepassingen ook opvallend goed. GPT-4 scoort beter dan 91% van de mensen op creativiteitstests. Een vergelijking tussen ChatGPT-4 en lerenden in een innovatiecursus toonde dat deze AI-toepassing meer, goedkopere en betere ideeën genereerde volgens externe beoordelaars.

Ook nu nuanceert de auteur deze bevinding: ‘AI’ mist diversiteit. Het gedraagt zich als één creatieve persoon met voorspelbare patronen. Je ziet steeds dezelfde thema’s terugkomen: VR, blockchain, duurzaamheid. Betere prompts kunnen dit deels oplossen, maar er is volgens hem sprake van een groter risico. Het zogenaamde ankereffect speelt lerenden namelijk parten. Zodra ze AI-ideeën zien, wordt het voor hen moeilijker om buiten die kaders te denken. Bovendien voelen mensen zich minder eigenaar van AI-gegenereerde ideeën. Dit vermindert de betrokkenheid bij het creatieve proces.

Ethan Mollick staat in zijn bijdrage ook stil bij schrijven als manier van denken. Volgens hem is dit geen universeel principe. Dikwijls helpt het proces van schrijven en herschrijven echter wel degelijk ideeën ontwikkelen en verfijnen. Als ‘AI’ het schrijfproces overneemt, wordt dit denkproces overgeslagen. De auteur hanteert daarom de volgende discipline: eerst volledig zonder AI schrijven, pas daarna AI inzetten voor verbetersuggesties en alternatieven. Zo blijft het denkproces volgens hem intact terwijl de voordelen van ‘AI’ benut worden.

Ethan Mollick gaat verder in op de gevolgen van het gebruik van AI-toepassingen op samenwerking. Een AI-samenvatting van vergaderingen lijkt praktisch, maar roept volgens hem ook vragen op: waarom vergaderen als iedereen alleen de samenvatting leest? Dit leidt tot verlies van echte interactie en gezamenlijk denken. Het werk beter als AI gebruikt wordt als facilitator die teamprocessen ondersteunt door aangepaste vragen te stellen die discussies verdiepen, zonder de menselijke interactie te vervangen.

Al met al wijst onderzoek volgens Mollick op een helder principe: denk eerst, schrijf eerst, vergader eerst – voordat AI wordt ingeschakeld. Door eigen ideeën eerst vast te leggen voordat een AI-toepassing wordt geraadpleegd, blijft het unieke menselijke perspectief behouden terwijl de voordelen van AI benut kunnen worden. De angst voor AI-‘hersenschade’ weerspiegelt volgens hem eigenlijk de vrees voor eigen luiheid. AI biedt namelijk een gemakkelijke uitweg uit het zware werk van denken (waar mensen over het algemeen niet van houden). Deze bezorgdheid is terecht, maar mensen hebben een keuze in hoe zij AI-toepassingen gebruiken.

Mijn opmerkingen

Ik vind dit een mooi, genuanceerd en goed onderbouwd betoog. Ik heb me zelf bijvoorbeeld nooit beziggehouden met het ‘ankereffect’. Het principe denk eerst, schrijf eerst, vergader eerst – voordat je een AI-toepassing gebruikt, vind ik ook een boeiende. Voor mij begint dat denk- en schrijfproces echter ook bij het formuleren van een strategie en het schrijven van een prompt. Ik heb bijvoorbeeld laatst een maturity-model voor de invoering van een leermanagementsysteem in het MBO gemaakt. Daarvoor heb ik eerst uitgebreid nagedacht over de opbouw en inhoud van dit model. Voor mij is dit ook een vorm van ‘denk eerst, schrijf eerst’.

Mollick focust in deze bijdrage overigens op de veel gebruikte generatieve AI-toepassingen, terwijl er ook steeds meer specifieke AI-tools voor leren, opleiden en onderwijs beschikbaar zijn. Ook gaat hij voorbij aan het feit dat een samenvatting van een vergadering pas gegenereerd wordt na interactie en gezamenlijk denken.

Mollick’s boodschap is in elk geval duidelijk: of ‘AI’ ons dommer ‘maakt’ ligt aan de manier waarop we AI gebruiken. Dit veronderstelt m.i. wel een bewustzijn van hoe we op een effectieve manier leren. Veel mensen weten echter niet hoe je echt op een effectieve manier leert. Bovendien kiezen mensen graag voor de kortere weg, als dit op korte termijn leidt tot sneller succes (het behalen van een cijfer). Ook al leidt een andere manier van leren op langere termijn tot betere resultaten (beter leren en presteren). Dit is ook een van de redenen waarom effectieve leerstrategieën vaak onvoldoende worden toegepast.

Dit vraagt m.i. niet alleen om investeringen in ‘leren leren’ (inclusief AI-toepassingen doordacht leren gebruiken). Het vraagt ook om een onderwijssysteem dat minder gefocust is op korte termijn resultaten, maar meer gericht is op de lange termijn.