Learning Analytics-Driven Personalized Exercise Prescriptions in Secondary School Physical Education: A Quasi-Experimental Evaluation of an AI-Supported Formative Assessment System
Deze quasi-experimentele studie toont aan dat een door AI ondersteund, op learning analytics gebaseerd systeem de resultaten van lichamelijke opvoeding in het voortgezet onderwijs significant verbetert door gepersonaliseerde trainingsschema's en actieve feedback te leveren, waarbij de grootste voordelen werden waargenomen bij leerlingen met een lager basisniveau van fysieke fitheid.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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 sportschool binnenloopt waar iedereen probeert sterker, sneller of beter te worden in een sport. In een perfecte wereld zou iedere persoon een persoonlijke coach direct naast zich hebben staan, die elke beweging observeert, precies weet welke spieren zwak zijn, en elke dag een op maat gemaakt trainingsschema overhandigt dat verandert op basis van hoe men de dag ervoor presteerde. Maar in de echte wereld, vooral in een drukke schoolgym met dertig kinderen tegelijk, is dat onmogelijk. Leraren moeten de hele klas op dezelfde manier onderwijzen, en leerlingen krijgen vaak pas aan het einde van het kwartaal een eindcijfer, zonder te weten hoe ze hun fouten eigenlijk moeten herstellen. Dit is waar een vakgebied genaamd "Learning Analytics" om de hoek komt kijken. Beschouw het als een superintelligente detective die alle kleine aanwijzingen verzamelt uit de prestaties van een leerling — zoals hoe snel ze renden of hoe ver ze sprongen — en die ruwe cijfers omzet in een heldere kaart voor verbetering. Wanneer je dat detectivewerk combineert met Kunstmatige Intelligentie (AI), krijg je een systeem dat kan fungeren als die ontbrekende persoonlijke coach, zelfs in een enorme klaslokaal. De grote vraag die onderzoekers zich hebben gesteld is: kan deze digitale magie daadwerkelijk helpen om echte kinderen beter te laten worden in sport, of is het slechts een flitsend gadget dat niets verandert?
Dit artikel vertelt het verhaal van een team van onderzoekers die besloten dit idee te testen in een echte middelbare school in Chengdu, China. Ze zetten een 12-wekense experiment op waarbij 133 seventh-grade leerlingen betrokken waren. Ze verdeelden de leerlingen in twee groepen: een "Controlegroep" die de gebruikelijke, standaard lichamelijke opvoedingslessen kreeg, en een "Interventiegroep" die de speciale AI-behandeling kreeg. Voor de leerlingen in de speciale groep werkte het proces als een hightech feedbackloop. Eerst deden ze een test om hun startniveau van fitheid te bepalen. Vervolgens analyseerde een AI-systeem hun resultaten en stelde een diagnose over waar ze slecht in waren — misschien waren ze geweldig in het gooien van een bal, maar erg slecht in het hardlopen over lange afstanden. Op basis hiervan genereerde de AI een gepersonaliseerd "oefenvorschrift" voor elke leerling, wat in feite een op maat gemaakt trainingsplan was met slechts twee of drie specifieke taken om elke week uit te voeren.
Maar de AI sprak niet alleen tot de leerlingen; de AI sprak ook tot de leraren. De leraren hadden een speciaal dashboard op hun computers dat fungeerde als een weerkaart voor de hele klas. Het liet hen bijvoorbeeld zien: "Hé, 80% van de kinderen in Klas 1 heeft moeite met duurloop," of "Leerling X heeft deze week zijn trainingsplan niet voltooid." Dit stelde de leraren in staat om hun lessen gaandeweg aan te passen, met de focus op de specifieke problemen die de AI had gesignaleerd. De leerlingen kregen ook regelmatig rapporten die hen vertelden hoe zij verbeterden ten opzichte van hun eigen eerdere zelf, in plaats van hen alleen te vergelijken met de rest.
De resultaten van dit experiment waren behoorlijk opwindend. Na de 12 weken hadden de leerlingen die het AI-systeem gebruikten hun totale scores voor lichamelijke opvoeding gemiddeld met 3,70 punten verbeterd, terwijl de leerlingen in de reguliere klassen slechts met 1,60 punten verbeterden. Dat is een verschil van 2,10 punten, wat een significante sprong is in de wereld van de schoolsporten. De AI-groep werd beter in bijna alles waarvoor ze werden getest, inclusclusief duurloop, krachtoefeningen, verspringen en balvaardigheid.
Een van de meest interessante ontdekkingen was wie er het meeste baat bij had. De leerlingen die begonnen met de laagste fitheidsscores zagen de grootste winst. Het is alsover je leert fietsen: de persoon die aan het begin het meest wankelde, kreeg de meeste hulp van de zijwieltjes en de coach, en verbeterde sneller dan de persoon die al vrij goed reed. De gegevens toonden aan dat leerlingen met lagere basisscores gemiddeld bijna 5 punten verbeterden, terwijl de hoogpresterende leerlingen slechts ongeveer 2 punten verbeterden. Dit suggereert dat het systeem echt goed is in het helpen van degenen die het moeilijk hebben om in te halen, wat een groot punt is voor de eerlijkheid in het onderwijs.
De onderzoekers keken ook naar hoe de leerlingen het systeem gebruikten om te zien wat het verschil maakte. Ze vonden een duidelijke link: hoe meer leerlingen daadwerkelijk hun toegewezen oefeningen voltooiden en hoe vaker ze naar hun AI-voortgangsrapporten keken, hoe meer hun scores stegen. Het was niet alleen de technologie die telde; het ging om het gebruik ervan. Ook de leraren gebruikten de data actief. In de klassen die de AI gebruikten, bekeken de leraren het dashboard gemiddeld 5 tot 7 keer per week en brachten ze specifieke wijzigingen aan in hun lessen op basis van wat ze zagen, terwijl de leraren van de controlegroep niet over deze gegevens beschikten om hen te leiden.
Echter, het artikel is voorzichtig om dit geen wondermiddel te noemen. De onderzoekers wijzen erop dat dit een specifiek experiment was in één school met een specifiek type toets (voorbereiding op de toelatingsexamens voor de middelbare school), dus kunnen we niet 100% zeker weten of het op precies dezelfde manier zou werken elders. Ze merken ook op dat de studie slechts 12 weken duurde, dus ze weten niet of de kinderen beter zouden blijven worden of dat ze na een paar maanden zouden vergeten wat ze hadden geleerd. Maar de bewijzen die ze hebben zijn sterk: het AI-systeem verving de leraren niet; het gaf hen een superkracht om te zien wat er in het klaslokaal gebeurde en hielp leerlingen met gepersonaliseerde begeleiding die voorheen onmogelijk aan iedereen tegelijk te geven was. Het verandert een generieke opdracht als "ren sneller" in een specifiek plan zoals "ren op deze snelheid voor deze duur, rust dan even, en ren dan opnieuw", dat past bij het individuele kind.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.