Laat ‘productief worstelen’ niet aan AI-toepassingen over

Wat gebeurt er met het leerproces wanneer we de ‘productieve worsteling’ uit het leren verwijderen? Dean Shareski reflecteert op deze kernvraag op het gebied van het cognitief proces van leren, opleiden en onderwijs. Hoe kunnen we AI-toepassingen integreren zonder de cognitieve inspanning te elimineren die nodig is voor meer verdiepend leren?

AI als critical friendIn zijn bijdrage “Productive Struggle: What We Lose When AI Does the Thinking” bespreekt Dean Shareski de complexe relatie tussen AI en het leerproces. Hij onderzoekt hoe het gebruik van AI voor leren, opleiden en onderwijs invloed heeft op wat hij ‘productieve worsteling’ noemt.

Shareski begint met een reflectie op zijn eigen schrijfproces, waarbij hij bewust kiest om AI niet te gebruiken om zijn tekst te verbeteren. Hij noemt drie redenen: hij beschouwt zijn blog als een ‘brein-dump’, hij wil dat zijn schrijven authentiek blijft, en hij waardeert het proces van worstelen met ideeën en het zien ontstaan van een afgerond stuk.

De auteur verwijst daarbij naar Clay Shirky, die onlangs publiceerde over de impact van generatieve AI in het onderwijs. Shirky pleit -overigens niet als enige- voor het ontwikkelen en gebruiken van strategieën door docenten om lerenden te helpen de nuttige toepassingen van AI te adopteren en de schadelijke te vermijden. Het probleem is volgens Shirkey echter dat we niet precies weten hoe we dit moeten doen.

Shareski deelt Shirky’s observatie dat docenten een nieuwe emotie tonen: verdriet. Dit komt doordat de aanbevolen strategieën – zoals het benadrukken van de relatie tussen inspanning en leren, en het bieden van tweede kansen bij AI-gegenereerd werk – niet zo goed werken als gehoopt.

De alomtegenwoordigheid van AI-technologie maakt het steeds moeilijker om onderscheid te maken tussen goed en slecht gebruik. Shareski benadrukt dat productieve worsteling een primair doel van onderwijs zou moeten zijn. Hoewel leren niet altijd moeilijk is, kan het dat wel zijn. Als volwassene geniet hij van het kiezen van woorden en het zien ontstaan van ideeën, terwijl anderen AI-toepassingen directer gebruiken bij het schrijven. Voor hem is dat een persoonlijke voorkeur, maar in de ontwikkelingsfase waarin jongeren verkeren is dat geen voorkeur, maar van groot belang voor meer verdiepend leren.

Hij verwijst daarbij naar een verhaal van Shirky over een lerende genaamd William. Dit verhaal illustreert hoe AI-tools taken kunnen overnemen die onderwijsinstellingen normaliter gebruikelijk aal lerenden vragen te doen. Daardoor wordt leren secundair of niet-bestaand, stelt hij. Shareski is bezorgd over de emoties en cognitieve worsteling die onbedoeld aan AI-toepassingen worden uitbesteed. Veel mensen ervaren volgens een ongemakkelijk gevoel bij AI-gebruik, wat serieuze aandacht verdient. Het gaat volgens hem niet om het betrappen van ongepast AI-gebruik, maar om het denkproces zelf. Het wezenlijke ‘werk’ betreft niet het eindproduct, maar de gedachtevorming die docenten vaak niet waarnemen. Vraag lerenden bijvoorbeeld wat ze bewust weglaten uit opdrachten. Dat leidt tot inzicht in hun ‘redactionele’ keuzes.

Shareski stelt voor dat we het concept van productieve worsteling, of zoals het ook wel wordt genoemd “desirable difficulty“, expliciet moeten doceren. Dit gaat volgens hem verder dan veerkracht en doorzettingsvermogen. Hij suggereert dat we lerenden en onszelf moeten stimuleren om onze gevoelens te monitoren en te benoemen wanneer het gebruik van AI-tools vreemd aanvoelt.

De huidige middelbare scholieren zijn de laatste generatie die zich leren zonder AI-toepassingen herinneren. Net zoals oudere generaties zich herinneren hoe ze leerden zonder internet, hebben deze lerenden nog herinneringen aan leren zonder AI.

Shareski sluit af door te erkennen dat hij niet alle antwoorden heeft, maar dat zijn grootste zorg is dat AI-toepassingen het denken overnemen. Hij is dankbaar dat veel docenten bereid zijn deze zorg aan te pakken en werken aan oplossingen die lerenden helpen.

Mijn opmerkingen

De term ‘desirable difficulty‘ is oorspronkelijk bedacht door Robert Bjork in 1994. Het belangrijkste principe achter dit concept is dat het toevoegen van een uitdagend element aan leeractiviteiten resulteert in betere langetermijnretentie van informatie. Bepaalde moeilijkheden zijn wenselijk voor betere leerresultaten op lange termijn. Bjork maakte daarbij een belangrijk onderscheid tussen prestatiegericht leren (zoals stampen voor een toets met goede korte-termijnresultaten) en echt leren, waarbij kennis in verschillende contexten kan worden herinnerd en toegepast.

Ik deel Shareski’s mening dat we lerenden moeten leren dat “desirable difficulties” belangrijk zijn voor leren. Eigenlijk maken deze ‘moeilijkheden’ deel uit van een activerende didactiek. We weten immers op basis van heel veel onderzoek dat je effectief leert als je actief aan de slag gaat met de leerinhoud. Zie bijvoorbeeld Laat de leerstof actief verwerken met leertechnologie (Wijze Lessen) of Leren wordt bevorderd als nieuwe kennis wordt toegepast door de lerende.

Je kunt AI-tools trouwens gebruiken bij werkvormen die gericht zijn op productieve worsteling:

  • Je kunt als docent of opleider een generatieve AI-toepassing onder meer een essay over een onderwerp laten maken. Bijvoorbeeld over de aanleiding van de Tweede Wereldoorlog. Vervolgens bekijken lerenden een video over dat onderwerp. Ze krijgen de opdracht om overeenkomsten en verschillen tussen video en essay te beschrijven. De uitkomsten bespreken zij met elkaar.
  • Werk met ‘elkaar uitleggen’ – maar met AI als oefenpartner. De leerstrategie ‘uitleggen aan een ander’ werkt alleen als de uitleg inhoudelijk klopt en aangepast is aan het niveau van de ander. Laat een AI-toepassing een ’twijfelende medelerende’ spelen. De lerende moet nu zelf uitleggen, voorbeelden bedenken en misvattingen corrigeren. Door het oefenen van uitlegvaardigheden versterkt de lerende zijn eigen begripsniveau.
  • Gesimuleerde expertdialoog. Lerenden formuleren een complex vraagstuk dat verbonden is met hun persoonlijke ervaring of interesse (zoals een stage ervaring of recente activiteit). Laat lerenden hun vraagstuk mondeling pitchen en vragen beantwoorden over hun denkproces. Laten AI reageren vanuit verschillende expertperspectieven. Laat lerenden overeenkomsten en verschillen tussen deze perspectieven analyseren. Laat lerenden hun analyseproces documenteren. Vraag bijvoorbeeld om een initiële reactie op elk perspectief voordat ze de vergelijking maken. Laat ze een analyseschema invullen dat de stappen van hun denkproces vastlegt. Laat het een eigen geïntegreerde visie met argumenten samenstellen en presenteren.

Zie ook:

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

Geef een reactie

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