Understanding dynamic learning profiles in AI-supported environments in Vietnam: Evidence from a three-wave latent transition analysis
Deze longitudinale studie onder 725 Vietnamese bachelorstudenten onthult dat succesvolle adaptatie aan door AI ondersteund leren wordt gekenmerkt door een hoge zelfeffectiviteit en metacognitieve regulatie met een lage cognitieve ontlasting, een stabiel "optimaal" profiel dat consequent hogere academische prestaties oplevert dan maladaptieve patronen van overmatige afhankelijkheid van AI.
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
In het moderne klaslokaal vindt een stille revolutie plaats die de manier waarop studenten leren, vormgeeft. Kunstmatige intelligentie is verschoven van de periferie van het onderwijs naar het centrum, en biedt tools die ideeën kunnen genereren, complexe concepten kunnen uitleggen en problemen kunnen oplossen. Deze verschuiving verandert de essentie van het denken. Wanneer een student een AI-systeem gebruikt, werkt hij niet langer alleen; hij werkt in een partnerschap met een machine. Deze nieuwe dynamiek roept een fundamentele vraag op over de menselijke geest: wanneer we het zware denkwerk aan een computer overlaten, wat gebeurt er dan met ons eigen vermogen om te leren? Om dit te begrijpen, kijken onderzoekers naar drie specifieke zaken. Ten eerste is het vertrouwen van de student in het gebruik van de technologie. Ten tweede is de mate waarin zij de machine het werkelijke werk laten doen van het genereren van ideeën of het oplossen van problemen, een proces dat cognitieve ontlasting (cognitive offloading) wordt genoemd. Ten derde is het vermogen van de student om een waakzaam oog te houden op hun eigen leerproces, door te controleren of de machine helpt of dat deze te veel de overhand neemt. Dit evenwicht tussen het gebruiken van een hulpmiddel en het behouden van de controle is de sleutel tot het begrijpen of technologie ons slimmer maakt of alleen maar sneller.
Een team van onderzoekers aan de Vietnam National University in Hanoi zette zich scharpe doelstellingen om precies in kaart te brengen hoe studenten dit nieuwe landschap navigeren. Zij volgden 725 bachelorstudenten gedurende een enkel semester en volgden hun gewoonten en cijfers op drie verschillende momenten in de tijd. De onderzoekers keken niet alleen naar hoeveel AI werd gebruikt, maar naar de specifieke gedragspatronen die ontstonden wanneer vertrouwen, delegatie en zelfbeheersing met elkaar mengden. Door deze studenten te observeren terwijl zij hun studieprogramma doorliepen, ontdekte het team dat leerlingen niet in één enkele categorie van "goede" of "slechte" gebruikers vielen. In plaats daarvan clusterden zij in drie duidelijke groepen, elk met een eigen unieke manier van omgaan met de technologie.
De eerste groep, die de onderzoekers het "Optimale" profiel noemden, bestond uit studenten die zeer zelfverzekerd waren in hun vermogen om AI te gebruiken, maar een strakke controle hielden over hun eigen denken. Deze studenten gebruikten de technologie als een krachtige assistent, maar lieten het zelden de kern van het begrip en de redenering overnemen. Zij behielden een sterke zelfbeheersing en controleerden voortdurend de output van de machine om te verzekeren dat deze zinvol was. De tweede groep, het "Gemiddelde" profiel, vertoonde een mix van eigenschappen. Deze studenten hadden een gemiddeld zelfvertrouwen en gebruikten de AI in matige mate, waarbij ze de technologie noch volledig vertrouwden, noch volledig weerstand boden. Zij bevonden zich in een overgangstoestand en probeerden nog de juiste balans te vinden. De derde groep, het "Maladaptieve" profiel, vertelde een ander verhaal. Deze studenten waren bereid de technologie te gebruiken, maar droegen het zware cognitieve werk volledig over. Zij lieten de AI ideeën genereren, verklaringen construeren en problemen oplossen, vaak zonder voldoende toezicht of kritische evaluatie.
De studie onthulde dat deze patronen geen vluchtige momenten waren, maar stabiele manieren van leren die gedurende het semester aanhielden. De onderzoekers ontdekten dat de studenten in de Optimale groep consequent de hoogste academische cijfers behaalden. Hun succes kwam niet simpelweg doordat zij de technologie gebruikten, maar omdat zij deze gebruikten terwijl zij hun eigen mentale autoriteit behielden. In contrast hiermee eindigden de studenten in de Maladaptieve groep, die zwaar vertrouwden op de machine om voor hen te denken, met de laagste cijfers. De data toonden een sterke link aan: naarmate studenten meer van hun denken aan de AI delegeerden, daalde hun vermogen om hun eigen leerproces te reguleren aanzienlijk. Dit suggereert dat het gevaar van AI niet het hulpmiddel zelf is, maar het verlies van menselijk toezicht. Wanneer studenten het proces stoppen te monitoren, wordt hun leren oppervlakkig.
Gedurende het semester observeerden de onderzoekers een geleidelijke verschuiving in de totale studentengroep. Gemiddeld genomen werden studenten iets zelfverzekerder in het gebruik van AI, en begonnen zij de AI iets minder te gebruiken voor het zware denkwerk. Tegelijkertijd verbeterde hun vermogen om hun eigen leren te monitoren en te controleren. Dit suggereert dat studenten met de tijd en ervaring van nature leren om de relatie tussen mens en machine te herbalanceren, bewegend naar een effectievere manier van werken. De studie merkte echter ook op dat de patronen die vroeg werden vastgesteld, vrij hardnekkig waren. Studenten die in de Maladaptieve groep begonnen, hadden de neiging daar te blijven, terwijl degenen in de Optimale groep daar ook bleven. De weg naar succes ging niet over het meer gebruiken van AI, maar over het gebruiken ervan met een vaste hand.
De bevindingen dagen het idee uit dat het louter hebben van toegang tot geavanceerde technologie gegarandeerd beter leren oplevert. Het onderzoek geeft aan dat de meest succesvolle studenten degenen zijn die AI behandelen als een partner in plaats van een vervanging. Zij gebruiken het hulpmiddel om hun capaciteiten uit te breiden zonder de kernprocessen van begrip op te geven. Voor zowel docenten als studenten is de les duidelijk: de waarde van kunstmatige intelligentie in het onderwijs hangt volledig af van het menselijke vermogen om de controle te behouden. De technologie kan de data en de concepten afhandelen, maar de geest moet de architect blijven. Zonder die actieve, regulerende controle komt de efficiëntie van de machine ten koste van de diepgang van het menselijk denken.
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.