Ontwikkelingen rond arbeid, opvattingen over onderwijs en leren en de invloed van artificiële intelligentie #OEB18

Vandaag is editie 2018 van de Online Educa officieel begonnen. Meer dan 2500 deelnemers uit meer dan 70 landen nemen deel aan de 24ste OEB Global. Nederland heeft dit jaar de grootste delegatie. De deelnemers kunnen 111 stands van bedrijven bezoeken of deelnemen aan zo’n 150 sessies. Onder leiding van Donald Taylor (o.a. voorzitter van de Learning Technologies Conference) mochten drie sprekers hun licht laten schijnen op het ontwikkelingen die van invloed zijn op onderwijs en Learning & Development.

Geoff Mulgan (CEO van Nesta, hoogleraar, gastonderzoeker bij Harvard en co-voorzitter van het Wereld Economisch Forum, Verenigd Koninkrijk) ging in op de vraag hoe je je nu kunt voorbereiden op de wereld en de banen van morgen:

Toekomststudies uit het verleden hebben het vaak mis. Bijvoorbeeld als het gaat om werkgelegenheid. Baseer je daarom meer op data dan op giswerk.
Er zijn twee uitdagingen op het gebied van educatieve technologie. Ze houden vaak onvoldoende rekening met wat we weten over kleren. MOOCs hebben bijvoorbeeld veel kennis over didactiek genegeerd (aanvankelijk).
Er wordt vaak onvoldoende getest wat werkt.
Wat zijn aannemelijke ontwikkelingen op het gebied van arbeid van de toekomst? Welke bekwaamheden worden belangrijker? Het nemen van beslissingen, actief leren, het evalueren van systemen complexe problemen oplossen, en leerstrategieën gebruiken. Bepaalde vaardigheden zullen ook in combinatie belangrijk worden.
Er zijn ook bepaalde ICT-skills die minder belangrijk worden (zoals tekstverwerken), terwijl anderen belangrijker worden (animaties maken).
Er zijn ook banen die veranderen als gevolg van digitalisering (zoals kunstenaars).
Bestaande curricula houden onvoldoende rekening met nieuwe bekwaamheden die belangrijk worden.
Menselijke intelligentie en big data analyses leiden tot collectieve intelligentie.
Binnen ‘intelligence assemblies’ worden allianties geschapen die nieuwe oplossingen ontwikkelen. Google Maps is zo bijvoorbeeld gerealiseerd.
Collectieve intelligentie over leertechnologie kan leiden tot betere leertechnologie als we kennis over leren combineren met big data en betere ICT. Lerenden krijgen daarmee meer controle over hun leren,

Bryan Caplan (hoogleraar Economie aan de George Mason University, VS):

Deze spreker ging op een humoristische manier in op de tekortkomingen van het bestaande onderwijssysteem (“signalling”).
Online onderwijs kent veel beloftes (goedkoper, meer toegankelijk en gemakkelijk, betere kwaliteit -les krijgen van de besten- , betere toekomst voor studenten). Deze beloftes worden niet waargemaakt. De revolutie is uitgebleven. Traditioneel onderwijs heeft in de afgelopen tien jaar meer studenten gekregen.
Wat gaat fout? Lerenden zijn niet geïnteresseerd in leren, maar in het verkrijgen betere banen.
Je leert op school niet de vaardigheden die je op de werkplek nodig hebt. Een aantal onderwerpen wordt niet als relevant voor het echte leven. Onderwijs is vaak springen door hoepels. Laat bijvoorbeeld zien dat je opdrachten braaf uit kunt voeren. Want je doet vooral irrelevante dingen?
Onderwijs geeft echter wel toegang tot het echte leren, op de werkvloer. Mensen zijn bang dat ze zakken voor een examen, maar vergeten snel wat ze hebben geleerd. Werkgevers hebben echter belangstelling voor wat je nu weet en kent, niet in wat je ooit wist.
Leren te leren is niet belangrijk. Leren door te doen wel. Daar wordt je een betere vakman van.
Neem deel aan onderwijs van Princeton, maar betaal niet voor een diploma.
Studenten die eigenwijs zijn en hun eigen gang gaan, zijn creatief. Maar hun non-conformiteit is lastig te hanteren binnen bedrijven. Werkgevers zeggen dat diploma’s minder belangrijk zijn, maar vragen er wel naar.
Online onderwijs is goed, maar concurreert niet met regulier onderwijs.
Geef toe dat je een probleem moet. Eerst moet de manier van certificeren veranderen.
Overtuig werkgevers dat online onderwijs waardevol is. Richt je daarbij op specifieke industrieën.

Anita Schjøll Brede (Iris.ai, SingularityU Nordic, Noorwegen) deelde met de zaal haar mijmeringen over mens-zijn in het tijdperk van de machine-intelligentie:

Machines kunnen ook leren hoe zij kunnen leren. Het is niet alleen maar weggelegd voor mensen. Reguliere software werkt als een calculator. AI werkt meer als een menselijk brein. Op basis van meer data leert een machine beter.
We weten echter niet precies hoe een brein werkt. Ons brein heeft ook tekortkomingen. Moeten we geen machines maken die beter werken?
Anita gaf enkele voorbeelden van AI.

  1. Iris.ai is een artificiële intelligentie assistent voor wetenschappen die wil uitgroeien tot ’s werelds eerste AI-onderzoeker. Deze AI-toepassing wil het in kaart brengen van onderzoek met 95% verkorten door wetenschappelijke informatie te lezen, te verwerken en te analyseren. Hierdoor wordt verdiepende domeinkennis beter en sneller toegankelijk, voor meer mensen.
    Deze toepassing is in ontwikkeling. De toepassing gaat ook hypotheses analyseren en nieuwe hypotheses ontwikkelen en toetsen. Als dit gaat lukken, betekent dit een grote verandering op het gebied van onderzoek.
  2. AI kan faciliteren dat elk kind een eigen tutor krijgt. Een systeem dat jou kent, en je gewoonten, en jou op maat motiveert.
  3. AI zal het werk van advocaten sterk veranderen. Veel van hun werk is routinematig werk (analyseren). Dat kunnen machines overnemen.
  4. Machines kunnen ook bloedproeven analyseren op malaria. Deze toepassingen worden gebruikt daar waar geen artsen zijn. Maar zullen ook in reguliere ziekenhuizen toegepast worden.

Ons brein kent ook cognitieve bias. Dat moeten we bij AI voorkomen.
Wat betekent deze ontwikkeling voor bekwaamheden van mensen?
Kritisch denken wordt belangrijker. Worden de goede bronnen gebruikt? Wie heeft de machine gemaakt en waarom? Wat is hun business model?
Het oplossen van complexe problemen wordt belangrijker. Want routinematige problemen laten we over aan machines.
Creativiteit wordt belangrijker, als we meer gaan samenwerken met machines.
Empathie wordt een belangrijke eigenschap. Dat wordt een belangrijke taak van het onderwijs. Machines kunnen uiteindelijk ook empathisch worden. Maar dat moeten ze eerst van ons leren.

Bryan vroeg zich af of leren te leren zo belangrijk is. Mensen passen kritisch denken in elk geval zelden toe. Investeren we wel genoeg in echte vormen van ‘leren leren’? Hij en Geoff verschilden van mening over waar werkgevers op letten bij het werven van werknemers. In de eerste plaats op diploma’s of toch meer op eigenschappen.
De panelleden braken ook een lans voor meer en betere vormen van werkplek leren. We moeten ook meer experimenteren met manieren van werkplek leren waarbij nieuwe technologieën een belangrijke rol spelen.
Accepteren mensen wel dat robots hun gaan opereren? Die maken minder fouten.
Een vraag was ook of AI-tutoren zich alleen richten op kennis of ook op sociaal gedrag? Ja. Want dat gedrag is observeerbaar door machines. Menselijke interactie blijft echter belangrijk. Persoonlijke coaches blijven blangrijk, maar het onderwijs is daar vaak nu ook niet goed in.
Bryan kreeg de vraag waarom hij als professor het systeem bekritiseert waarin hij werkt. Hij typeerde zichzelf als een klokkeluider.

Afsluitende inzichten

  • Wees hoopvol en terughoudend rond AI. Hoe kunnen we waarde creëren en risico’s vermijden?
  • Zorg dat creativiteit gecertificeerd wordt. Certificering blijft van belang.
  • Breng empathie in.

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.