De mogelijke invloed van Natural Language Processing op leren, onderwijs en opleiden

De term Natural Language Processing (NLP) kom je vaak tegen in publicaties over artificiële intelligentie (AI). Wat is het en wat is de mogelijke invloed van NLP op leren, onderwijs en opleiden?

NLP houdt zich bezig met interacties tussen computers en menselijke taal, in het bijzonder met het programmeren van computers om grote hoeveelheden gegevens over natuurlijke taal te verwerken en te analyseren. Bij NLP wordt gebruik gemaakt van computerlinguïstiek en kunstmatige intelligentie (bron: Wikipedia).

Deze vorm van NLP mag je niet verwarren met het pseudowetenschappelijke neurolinguïstisch programmeren dat helaas hardnekkig populair is binnen onderwijs, opleiden en trainen, maar een bekende onderwijsmythe blijkt te zijn.

Is Natural Language Processing een ver van je bed show? Alles behalve als je kijkt naar bestaande toepassingen, die ik probeer te relateren aan leren, opleiden en onderwijs.

Chatbots

Digitale assistenten die in staat zijn vragen te begrijpen en te beantwoorden, en bepaalde taken uit te voeren. Als je chatbots vaker hebt gebruikt, bijvoorbeeld van klantenservices, dan weet je dat deze vaak nog niet perfect werken. Er zijn echter wel degelijk goede voorbeelden te geven, ook op het gebied van leren, opleiden en onderwijs. Chatbots kunnen bijvoorbeeld eenvoudige vragen van lerenden beantwoorden en zo docenten en andere medewerkers werk uit handen nemen. Een interessante ontwikkeling in dit kader is sentiment analyse. De chatbot kan emoties in tekst herkennen en daarmee rekening houden.

Automatische vertalingen

Computer algoritmes worden gebruikt om teksten automatisch te vertalen. Er wordt zoveel mogelijk tekst verzameld met een vergelijkbare betekenis tussen twee talen. De applicatie analyseert de gegevens om de waarschijnlijkheid te vinden dat een woord in dezelfde betekenis wordt gebruikt in de andere taal. Gebruikers krijgen ook suggesties voor alternatieven en kunnen deze suggesties gebruiken en ook andere aanpassingen in de vertaling doorvoeren. Daar leert de vertaaltool vervolgens weer van.

Deze toepassingen hebben de afgelopen jaren een enorme ontwikkeling doorgemaakt. De vertalingen zijn nog steeds niet perfect, maar zeker zeer bruikbaar. Ik gebruik zelf Deepl als vertaaltool. Er zijn ook commerciële applicaties die in staat zijn complete documenten te vertalen.

Hoef je daarvoor geen taal meer te leren? Allesbehalve. Je kunt vertalingen pas goed checken als je de taal beheerst. Maar dit zijn absoluut handige hulpmiddelen bij het bestuderen van teksten of bij het schrijven van teksten in een andere taal.

Markt intelligentie (relatie met learning analytics)

Volgens de bijdrage Four Awesome Applications Of Natural Language Processing (NLP) leidt ons online gedrag tot veel ongestructureerde klant-data. NLP wordt gebruikt om intenties voor het doen van aankopen te analyseren. Deze analyses worden weer gebruikt voor marketing, onder meer door communicaties dusdanig vorm te geven dat berichten niet als spam worden getypeerd.

Uiteraard kunnen onderwijsinstellingen en opleidingsinstituten hier ook gebruik van maken bij het aantrekken van nieuwe lerenden. Je ziet deze technologie echter ook toegepast worden op het gebied van learning analytics. Online gedrag wordt dan gebruikt om patronen in educatieve data te analyseren. Je kunt zo bijvoorbeeld kijken welk online gedrag drop-outs vaak vertonen. Als de applicatie dergelijk gedrag signaleert, kunnen interventies worden gepleegd. Denk daarbij aan het automatisch ‘porren’ van lerenden of aan het notificeren van begeleiders.

Uiteraard zitten hier nogal wat haken en ogen aan. Je moet ongelofelijk goed uitkijken voor bias, je moet correlaties niet verwarren met causaliteiten, je moet goed nadenken over de toonzetting van notificaties, enzovoort. Bovenal moeten we ons realiseren dat de eenmalige aankoop van een product lastig te vergelijken is met het gedurende langere tijd deelnemen aan een cursus.

Spraakherkenning

Deze technologische ontwikkeling heeft een lange geschiedenis. Spraakherkenning wordt echter steeds krachtiger en breder toegepast. We kunnen apparaten en applicaties met behulp van NLP bedienen met onze stem. Ik verwacht dat dit ook in toenemende mate het geval zal zijn met applicaties die we voor leren gebruiken.

Verder kunnen we gesproken tekst omzetten in geschreven tekst. Dit is erg handig voor mensen die om wat voor reden dan ook moeite hebben met schrijven. Waak er wel voor dat we schrijven gaan vervangen door spreken. Vanuit de optiek van leren is het namelijk een heel ander proces.

Dankzij de beschikbaarheid van enorme hoeveelheden data leren deze toepassingen meer over de menselijke taal. Spraakherkenning werkt eveneens nog allesbehalve perfect. Uit eigen ervaring weet ik dat applicaties vaak moeite hebben met een Limburgs accent. Er zijn dan ook hilarische video’s over spraakherkenning online te vinden (bijvoorbeeld hier en hier).

In vergelijking met vijftien jaar geleden werkt spraakherkenning echter veel beter, en wordt de technologie ook breder ingezet. Deze ontwikkeling gaat nog wel even door. De bijdrage Four Awesome Applications Of Natural Language Processing (NLP) voorziet al de volgende trend op dit terrein: van Natural Language Processing (NLP) naar Natural Language Understanding (NLU): gebruikers zien en voelen een menselijk emotionele connectie met de apparaten die zij gebruiken.

Als deze ontwikkeling inderdaad doorzet, dan voorzie ik nieuwe kansen en uitdagingen voor het online begeleiden van lerenden. Nu missen we namelijk vaak non-verbale aanwijzingen bij online communicatie. NLU zou daar weleens in kunnen voorzien.

This content is published under the Attribution 3.0 Unported license.

Delen

Geef een reactie

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

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.