Vergelijking raamwerken voor AI-geletterdheid (mijn 9000ste blogpost)

Begin deze week verscheen bij Npuls AI-GO! Een Raamwerk voor AI-Geletterdheid in het Onderwijs. In mijn 9000ste blogpost (sinds oktober 2003) vergelijk ik dit raamwerk met twee eerder verschenen raamwerken op dit terrein.

Het gaat daarbij om:

• Dakan, Rick en Feller, Joseph. (2025) “Framework for AI Fluency (Practical Summary Document),” Version 1.1, Ringling.edu/ai.. https://ringling.libguides.com/ai/framework. Zie mijn eerdere bespreking.
• OECD (2025). Empowering learners for the age of AI: An AI literacy framework for
  primary and secondary education (Review draft). OECD. Paris. https://ailiteracyframework.org. Zie mijn eerdere bespreking.

Beide bronnen zijn overigens niet door de Npuls-werkgroep gebruikt.

Voor onderstaande vergelijking heb ik gebruik gemaakt van Google Notebook LM.

Verschillende definities, gedeelde basis

Het AI-GO! raamwerk definieert AI-geletterdheid als “het samenspel van kennis, vaardigheden en attituden, waarbij ethisch bewustzijn de basis vormt voor het kritisch, verantwoordelijk en effectief omgaan met AI-systemen”. Deze definitie benadrukt de dynamische interactie tussen componenten in plaats van een optelsom van losse onderdelen.

Het OECD AILit Framework hanteert een wat bredere definitie: “de technische kennis, duurzame vaardigheden en toekomstgerichte attituden die nodig zijn om te floreren in een wereld beïnvloed door AI”. Dit framework stelt lerenden in staat AI te “gebruiken, creëren met, beheren en ontwerpen”.

Het Framework for AI Fluency richt zich op “het vermogen om effectief, efficiënt, ethisch en veilig te werken binnen opkomende modaliteiten van mens-AI interactie”. Dit raamwerk erkent AI expliciet als een “authentieke denkpartner” voor zinvol cognitief werk.

Er is m.i. sprake van veel overeenkomsten in de definitie, al ligt de nadruk bij het laatste raamwerk vooral op het kunnen toepassen en op interactie met AI.

Componenten en structuur

Alle drie de raamwerken hanteren een combinatie van kennis, vaardigheden en attituden, maar structureren deze verschillend. Het AI-GO! raamwerk onderscheidt vier hoofdcomponenten: kennis over AI (fundamentele concepten en toepassingen), vaardigheden met AI (technisch, cognitief en interactief), attituden over AI (houdingen en gereedheid) en ethiek met AI als fundament. Bij dit raamwerk valt het me bijvoorbeeld op dat docenten intrinsiek gemotiveerd moeten zijn en een gevoel van eigenaarschap moeten hebben om AI te gebruiken en hun onderwijspraktijk te vernieuwen. Tegelijkertijd moet je als docent bewuste keuzes maken over het gebruik van AI in je onderwijspraktijk. Maar als je er dus bewust voor kiest om geen AI te willen gebruiken, dan ben je weer niet intrinsiek gemotiveerd. Ook staat het innoveren van je onderwijs schijnbaar voorop.

Het OECD-framework is georganiseerd rond vier interactiedomeinen: “Engaging with AI” (gebruik als hulpmiddel), “Creating with AI” (creatieve samenwerking), “Managing AI” (bewust kiezen van AI-ondersteuning) en “Designing AI” (vormgeven van AI-systemen).

Het Amerikaanse raamwerk introduceert drie modaliteiten van mens-AI interactie – automatisering, versterking en autonomie – gecombineerd met vier kerncompetenties: delegatie (bepalen wanneer AI te gebruiken), beschrijving (effectief communiceren met AI), onderscheidingsvermogen (kritisch evalueren van output) en zorgvuldigheid (verantwoord gebruik).

Overeenkomsten

Alle drie de raamwerken besteden veel aandacht aan ethiek en verantwoordelijkheid. Het AI-GO! raamwerk noemt ethiek expliciet het fundament, het OECD-framework integreert ethische principes door alle componenten heen, en het Amerikaanse raamwerk behandelt ethische overwegingen als fundamenteel.

Kritisch denken vormt een tweede gemeenschappelijke pijler. Alle raamwerken benadrukken het belang van het kritisch beoordelen van AI-gegenereerde informatie en outputs. Dit omvat het evalueren van betrouwbaarheid, kwaliteit, bias en onbedoelde effecten.

Een derde overeenkomst ligt in de focus op mens-AI interactie en samenwerking. De raamwerken beschouwen AI niet alleen als tool, maar als entiteit waarmee interactie en samenwerking plaatsvindt. Ze benadrukken allen het belang van aanpassingsvermogen en technologie-onafhankelijkheid, zodat de bekwaamheden relevant blijven ondanks snelle technologische ontwikkelingen.

Belangrijke verschillen

De raamwerken richten zich op verschillende doelgroepen. AI-GO! richt zich specifiek op AI-geletterdheid in het Nederlandse onderwijs (MBO, HBO, WO; docenten en studenten), het OECD-framework op primair en secundair onderwijs internationaal, en het raamwerk van Dakan en Feller op gebruikers in het algemeen.

Conceptueel hanteert AI-GO! een niet-gelaagde benadering waarbij de vereiste beheersing contextafhankelijk is. Het OECD-framework structureert zich rond interactiedomeinen, terwijl het AI-fluency raamwerk uitgaat van mens-AI interactiemodaliteiten gecombineerd met specifieke bekwaamheden.

Filosofisch gezien legt AI-GO! een sterke nadruk op ethiek als fundamenteel principe en benadrukt de pedagogisch-didactische dimensie voor docenten. Het OECD-framework richt zich op duurzame competenties die relevant blijven bij technologische evolutie. Het raamwerk van Dakan en Feller positioneert AI als authentieke denkpartner en benadrukt effectieve, efficiënte, ethische en veilige toepassing. Zij gaan m.i. een step verder en dieper als het gaat om wat je moet kennen en kunnen.

Beïnvloedende factoren

Het AI-GO! raamwerk biedt de meest uitgebreide analyse van factoren die implementatie beïnvloeden. Op individueel niveau spelen professionalisering, ervaring met AI, professionele rol en pedagogisch-didactisch inzicht een rol. Organisatieniveau omvat leermiddelen, strategische inbedding, infrastructuur en interdisciplinaire samenwerking. Beleidsniveau betreft investering, wet- en regelgeving en sectoroverstijgende samenwerking.

Het OECD-framework identificeert gebrek aan gedeeld begrip van AI-geletterdheid en onzekerheid over integratie in vakgebieden als belangrijkste belemmeringen.

Tot slot

De aandacht voor de context en de beïnvloedende factoren zijn m.i. sterke punten van het Npuls-raamwerk in vergelijking met de andere kenmerken. De vier interactiedomeinen uit het OECD-framework -“Engaging with AI”, “Creating with AI”, “Managing AI” en “Designing AI”- plus de drie modaliteiten van mens-AI interactie – automatisering, versterking en autonomie – en de vier kerncompetenties uit het AI fluency-framework (delegatie, beschrijving, onderscheidingsvermogen en zorgvuldigheid) zou ik zeker een plek geven in een volgende versie. Daarbij zou ik ook aangeven wat een basisniveau is en wat een meer gevorderd of zelfs expertniveau.

Mijn bronnen over (generatieve) artificiële intelligentie

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