🤖 AI

CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora

CourseBlueprint is een gestructureerde pijplijn die adaptieve pedagogische video's genereert door ze te funderen in cursuscorpora via getypeerde intermediaire representaties, deterministische validatie en expliciete instructiecontracten om prerequisietbewuste sequenering, leerderadaptatie en cognitieve betrokkenheid te waarborgen.

Oorspronkelijke auteurs: Md Zabirul Islam, Md Motaleb Hossen Manik, Ge Wang

Gepubliceerd 2026-06-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Md Zabirul Islam, Md Motaleb Hossen Manik, Ge Wang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een complex onderwerp probeert uit te leggen, zoals hoe een MRI-machine werkt, met behulp van een video. Je hebt twee keuzes: je kunt een slimme AI vragen om "gewoon een coole video over dit onderwerp te maken," of je kunt optreden als een meesterarchitect en een strikt, stapsgewijs blauwdruk geven.

Dit artikel introduceert CourseBlueprint, een systeem dat voor de tweede optie kiest. Het is een nieuwe manier om educatieve video's te bouwen die daadwerkelijk onderwijzen, in plaats van er alleen maar mooi uit te zien.

Hier is hoe het werkt, onderverdeeld in eenvoudige concepten en analogieën:

1. Het Probleem: De "Improviserende Acteur" versus de "Gescripte Regisseur"

Huidige AI-videogeneratoren zijn als getalenteerde improviserende acteurs. Als je hen vraagt een video over "röntgenstraling" te maken, kunnen ze vloeiend spreken en bewegende beelden laten zien. Maar ze vergeten vaak de regels van het onderwijzen. Ze leggen misschien geavanceerde wiskunde uit vóór de basisprincipes, gebruiken verwarrende jargon voor een beginner, of dwalen gewoon zonder oog te hebben voor het feit of de kijker eigenlijk wel oplet.

De auteurs zeggen: "Stop met improviseren. We hebben een script nodig."

2. De Oplossing: De "Getypeerde Blauwdruk"

In plaats van de AI een vage prompt te geven, dwingt CourseBlueprint de AI om een gestructureerd formulier (een "getypeerd contract") in te vullen voordat er ook maar één frame van de video wordt gemaakt. Denk hierbij aan een bouwblauwdruk voor een huis. Je zegt niet alleen tegen de bouwer: "Bouw een mooi huis." Je geeft hem een plan dat zegt:

Fundering: Wat weet de student al?
Skeletbouw: Wat is de volgorde van de kamers (concepten)?
Decoratie: Hoe moeten we praten tegen deze specifieke student (eenvoudige woorden versus technische termen)?
Betrokkenheid: Waar plaatsen we de "haak" om de interesse vast te houden?

Het systeem bouwt deze blauwdruk in drie specifieke stappen:

De Scaffolding (De Ladder): Het kijkt naar een echte universitaire cursus (23 colleges, meer dan 1.000 dia's) en bouwt een kaart van concepten. Het zorgt ervoor dat je niet probeert het dak te beklimmen voordat je de trap hebt gebouwd. Het controleert op "lussen" (zoals zeggen dat "A nodig heeft wat B nodig heeft, maar B ook A nodig heeft") en herstelt dit automatisch.
De Adaptive Controller (De Kameleon): Het kijkt naar wie er kijkt (bijv. "een bachelorstudent met enige kennis van natuurkunde"). Vervolgens wijst het een specifieke "stijl" toe aan elk afzonderlijk concept. Eén concept krijgt misschien een "concreet, real-world" uitleg, terwijl het volgende een "technische" uitleg krijgt, allemaal afgestemd op deze student.
De Engagement Generator (De Verhalenverteller): Dit is het belangrijkste deel. Het systeem dwingt de vertelling om voor elk idee een strikt recept te volgen:
1. Haak: Stel een nieuwsgierigmakende vraag.
2. Retrieval (Ophalen): Herinner de student aan wat hij net heeft geleerd.
3. Kern: Leg het nieuwe idee uit.
4. Analogie: Vergelijk het met iets vertrouwds (zoals een medische scan te vergelijken met een partituur).
5. Forward Link (Vooruitblik): Kondig aan wat er gaat komen.

3. De "Magische Truc": Het Hergebruik van Echte Dia's

Een van de grootste fouten van AI-video is dat het probeert nieuwe plaatjes te tekenen, die vaak totaal niet lijken op de echte diagrammen die in de les worden gebruikt.

CourseBlueprint heeft een "veiligheidsschakelaar". Als de AI een perfecte match vindt in de originele cursusdia's, slaat het de tekenfase volledig over en plakt de originele dia van de docent direct in de video.

Zonder dit: Probeert de AI een complex medisch diagram te tekenen en doet het fout (0 van de 9 keer dat het werkte in hun tests).
Met dit: Pakt het de echte dia (9 van de 10 keer dat het werkte). Het is also van de AI weten wanneer hij moet stoppen met pretenderen en gewoon het echte ding moet laten zien.

4. De Resultaten: Waarom het "Script" Ertoe Doet

De auteurs testten dit door video's te maken over vijf verschillende medische onderwerpen. Ze vergeleken hun "Full Blueprint"-systeem met een versie waarin ze het "Engagement"-gedeelte (de haak, de analogie en de verhaalstructuur) hadden verwijderd.

De resultaten waren spectaculair:

Engagement Score: Daalde van een perfecte 5.0 naar een verschrikkelijke 1.2. De video werd saai en vergeten.
Adaptiviteit: Daalde van 4.8 naar 3.4. De video voelde niet meer alsof hij tegen de student sprak.
Leesbaarheid: De tekst werd veel moeilijker leesbaar (alsof men overschakelt van een helder tekstboek naar een verwarrend woordenboek).
Analogieën: De "No-Engagement"-versie stopte bijna volledig met het gebruiken van analogieën, waardoor abstracte concepten onbegrijpelijk werden.

De Belangrijkste Conclusie

De conclusie van het artikel is dat structuur belangrijker is dan vloeiendheid.

Je kunt een AI hebben die perfect spreekt en prachtige plaatjes tekent, maar als het niet de "regels van het onderwijzen" volgt (scaffolding, adaptatie en betrokkenheid), zal het niets leren. Door de AI te dwingen een strikte, controleerbare blauwdruk te volgen, verandert CourseBlueprint een "coole videogenerator" in een "betrouwbare docent".

Het is het verschil tussen een vriend die een verhaal vertelt op een feestje (leuk, maar misschien rommelig) en een docent die een les geeft (gestructureerd, helder en ontworpen om te zorgen dat je echt leert).

Technische Samenvatting: CourseBlueprint

Probleemstelling

Hoewel generatieve tekst-naar-video systemen een hoge visuele vloeiendheid hebben bereikt, falen ze vaak in het coderen van de Pedagogische Inhoudskennis (PCK) die vereist is voor effectieve instructie. Huidige benaderingen behandelen instructievideo doorgaans als generieke contentgeneratie, waarbij vertrouwd wordt op ad-hoc prompt-chaining om outlines en scripts te produceren. Dit resulteert in video's die het volgende missen:

Prerequisiet-bewuste sequentie: Concepten kunnen in een willekeurige volgorde verschijnen.
Leerder-adaptieve diepgang: Uitleg blijft vaak statisch, ongeacht het persona van de leerder.
Duurzame cognitieve betrokkenheid: Instructieve zetten (bijv. hooks, analogieën, retrieval prompts) komen incidenteel voor in plaats van systematisch.

Bovendien zijn bestaande retrieval-augmented generation (RAG) methoden vaak alleen gericht op de tekst, waardoor de visuele laag kwetsbaar blijft voor "drift", waarbij gegenereerde afbeeldingen afwijken van het bronmateriaal ondanks correcte tekstuele gronding.

Methodologie

De auteurs stellen CourseBlueprint voor, een retrieval-augmented pipeline die vrije prompt-chaining vervangt door getypeerde instructiecontracten. Het systeem werkt op een corpus van biomedische beeldvorming voor bachelorstudenten (BMED 2300; 23 colleges, 1.116 dia's) en verwerkt een onderwerp en een leerder-persona om in één enkele forward pass een gestructureerd onderwijs-blueprint te genereren.

Kernarchitectuur

De pipeline bestaat uit drie gecoördineerde componenten:

Pedagogy Core: Zet inputs om in gevalideerde, getypeerde intermediaire representaties.
- Scaffolding Module: Bouwt een prerequisiet-bewuste conceptgrafiek. Het extraheert concepten, voorspelt gerichte prerequisiet-randen en wijst knopen toe aan vijf pedagogische stadia (motivatie, prerequisiet-recap, kernopbouw, toepassing, synthese). Een deterministisch cyclus-doorbrekend algoritme (greedy verwijdering van randen met een lage betrouwbaarheid) zorgt ervoor dat de grafiek een Directed Acyclic Graph (DAG) is.
- Adaptive Style Controller: Wint per concept stijlspecificaties toe (diepgang, vocabulaire, dichtheid van voorbeelden, abstractie, gebruik van analogieën) op basis van het leerder-persona. Deze worden gevalideerd tegen gesloten enumeraties.
- Engagement Generator: Produceert narratie volgens een strikte hook → retrieval → core → analogy → forward contract. Elke narratie is begrensd (150–220 woorden) en moet specifieke instructieve zetten bevatten (bijv. een nieuwsgierigheidskloof, een terugverwijzing naar eerdere concepten en een voorwaartse link).
- Optionele Verifier: Een stap voor atomaire claim-extractie en verificatie om de feitelijke gronding tegen de opgehaalde bronnen te controleren (uitgeschakeld in de hoofdexperimenten om kosten te beheersen).
Audiovisuele Stack: Rendert het blueprint naar een video.
- Deterministische Slide-Image Override: In plaats van te vertrouwen op fragiele prompt-markers om specifieke afbeeldingen op te vragen, gebruikt het systeem een slide-hints map. Als een retrieval-match een gelijkenis-drempel ( $\tau=0.78$ ) overschrijdt, voegt de renderer direct de originele dia-afbeelding van de instructeur in, waardoor de text-to-image generatie wordt omzeild. Dit waarborgt de visuele gronding.
- Synthese: Text-to-speech genereert de narratie, die wordt uitgelijnd met woord-niveau timing en wordt samengesteld met dia's met behulp van MoviePy.
Evaluatie Harness: Combineert herhaalde LLM-judge scoring (1–5 schaal) met regex-gegronde objectieve metrieken (tellingen van analogieën, retrieval prompts, Flesch leesbaarheid).

Belangrijkste Bijdragen

Getypeerde PCK Pipeline: Een systeem dat scaffolding, adaptatie en engagement integreert in een enkele forward pass met behulp van gevalideerde intermediaire representaties (Concept Tree, Styled Tree, Enriched Script, Course Blueprint). Dit maakt het instructieplan inspecteerbaar en ondersteunt gecontroleerde ablatiestudies.
Deterministic Slide-Image Override: Een mechanisme dat de prompt-gebaseerde beeldselectie vervangt door directe insertie van corpus-dia's op basis van retrieval-betrouwbaarheid, wat de visuele gronding aanzienlijk verbetert.
Herbruikbare Benchmark: De release van de BMED 2300 corpus (1.116 slide-transcript paren), een FAISS retrieval index, en een evaluatie harness die LLM-judges combineert met objectieve metrieken.
Empirisch Bewijs over Engagement: Demonstratie dat gestructureerde engagement een "load-bearing" component is van pedagogische videogeneratie, wat de adaptatie en leesbaarheid significant beïnvloedt.

Resultaten

Het systeem werd geëvalueerd op vijf in-corpus onderwerpen (bijv. filtered back projection, MRI relaxation) met behulp van een enkel bachelor-persona. De studie vergeleken het volledige systeem met een ablatiestudie waarbij de Engagement Module werd uitgeschakeld (vervangen door single-sentence fallbacks).

Belangrijkste bevindingen:

Engagement Scores: Het verwijderen van het engagement contract zorgde ervoor dat de LLM-judge engagement score daalde van 5.00 naar 1.20.
Adaptatie Scores: De adaptatie score daalde van 4.80 naar 3.40, wat aangeeft dat de engagement generator noodzakelijk is om de specificaties van de adaptive style controller te realiseren in de uiteindelijke narratie.
Objectieve Metrieken:
- Analogieën: Daalden van 20.0 naar 0.2 per video.
- Retrieval Prompts: Daalden van 18.6 naar 0.0 per video.
- Flesch Leesbaarheid: Nam af van 38.0 naar 19.8.
- Narratie Lengte: Verminderde van ~2.089 woorden naar ~192 woorden.
Visuele Gronding: De slide-image override verbeterde de corpus-slide recovery van 0/9 (met marker-gebaseerde prompts) naar 9/10 (met de deterministische override) op hetzelfde onderwerp.

Betekenis en Claims

Het artikel betoogt dat pedagogiek als een primaire beperking (first-class constraint) moet worden behandeld in generatieve videosystemen. De primaire betekenis van CourseBlueprint ligt in de demonstratie dat:

Gestructureerde Engagement Cruciaal is: Engagement is niet louter een oppervlakkige feature; het is het mechanisme waardoor adaptatie en leesbaarheid worden gerealiseerd in het uiteindelijke artefact.
Getypeerde Contracten Auditbaarheid Mogelijk Maken: Door prompt-chaining te vervangen door getypeerde intermediaire representaties, maakt het systeem scaffolding, adaptatie en gronding controleerbaar en geschikt voor ablatie.
Visuele Gronding Determinisme Vereist: Vertrouwen op prompt-markers voor beeldselectie is fragiel; deterministische overrides op basis van retrieval-betrouwbaarheid zijn noodzakelijk om visuele drift van de bron te voorkomen.

De auteurs concluderen dat hoewel oppervlaktevloeiendheid bereikbaar is, effectieve instructieve videogeneratie afhankelijk is van expliciete, getypeerde instructiecontracten die de pedagogische structuur afdwingen. Het artikel erkent beperkingen, waaronder het gebruik van een enkele modelfamilie voor beoordeling (risico op zelfvoorkeur), het gebrek aan menselijke leerder-evaluatie, en de smalle scope van onderwerpen en persona's, en presenteert dit als directe extensies voor toekomstig werk.