Lecturers’ Experiences in Human Expertise and Generative AI in Developing Communicative Speaking Materials for English Foreign Language (EFL)

In klaslokalen over de hele wereld staan docenten voor een constante uitdaging: hoe kunnen ze studenten helpen om een nieuwe taal niet alleen correct, maar ook betekenisvol te leren spreken. Decennialang was de meest vertrouwde aanpak gericht op echte communicatie in plaats van het memoriseren van regels. Deze methode, bekend als Communicative Language Teaching, vraagt studenten om taal te gebruiken om problemen op te lossen, ideeën te delen en met elkaar te interageren, net zoals ze dat in het dagelijks leven zouden doen. Het doel is om een vaardigheid op te bouwen waarbij een student een gesprek kan navigeren, en niet slechts een grammaticaatabel kan opzeggen. Vandaag de dag is een nieuwe kracht deze klasdynamiek binnengekomen: generatieve kunstmatige intelligentie. Dit zijn computersystemen die in staat zijn tekst te schrijven, scenario's te creëren en lesplannen op te stellen in enkele seconden. Hoewel deze technologie belooft docenten tijd te besparen en nieuwe ideeën aan te wakkeren, roept het ook een stille maar dringende vraag op. Als een machine direct een lesplan kan schrijven, heeft de docent dan nog steeds de rol van deskundig ontwerper van die les nodig? Het antwoord is belangrijk omdat taalverwerving diep menselijk is; het rust op het begrijpen van cultuur, emotie en de rommelige, onvoorspelbare aard van echte conversatie.

Een team van onderzoekers zette zich in om te observeren hoe Engelse docenten in Indonesië deze nieuwe realiteit navigeren. Ze richtten zich op vijf universiteitsdocenten die spreekvaardigheid onderwijzen aan studenten die worden opgeleid tot docent Engels. Deze onderwijzers gebruiken hulpmiddelen zoals ChatGPT en vergelijkbare programma's om materiaal voor hun klassen te creëren. De onderzoekers vroegen niet of de docenten de technologie gebruikten; ze vroegen hoe ze het gebruikten. Door middel van gedetailleerde gesprekken luisterde het team naar hoe deze docenten hun eigen professionele ervaring in evenwicht brachten met de directe output van kunstmatige intelligentie. Wat zij vonden, was een duidelijk patroon van menselijke controle. De docenten kopieerden niet simpelweg wat de computer hen gaf. In plaats daarvan behandelden ze de kunstmatige intelligentie als een behulpzame assistent die ideeën kon brainstormen of een eerste versie van een les kon opstellen, maar zij stelden vast dat zij de uiteindelijke redacteuren en besluitvormers waren.

De docenten legden uit dat hun expertise ligt in het kennen van hun specifieke studenten en de lokale context. Ze beschreven een proces waarbij ze bijvoorbeeld een kunstmatige intelligentie zouden vragen om een rollenspelactiviteit over een markt of een debatonderwerp voor te stellen. De computer zou snel een script of een reeks instructies genereren. De docenten stapten echter in om die inhoud te hervormen. Ze merkten op dat de computer vaak gesprekken produceerde die te perfect, te beleefd en te logisch waren. Echte menselijke spraak, wezen zij erop, zit vol onderbrekingen, aarzelingen en momenten waarop mensen elkaar verkeerd begrijpen voordat ze een manier vinden om te verduidelijken. De docenten herschreven de vloeiende dialoog van de computer om deze realistische imperfecties op te nemen, zodat de studenten oefenden voor de werkelijke wereld, en niet voor een gepolijste simulatie. Ze pasten ook de onderwerpen aan om ze aan te laten sluiten bij hun lokale omgeving, door algemene voorbeelden te vervangen door kwesties die relevant zijn voor hun regio, zoals lokaal toerisme of milieuproblemen in Zuid-Sulawesi.

Deze zorgvuldige redactie ging niet alleen over het corrigeren van fouten; het ging over het beschermen van de educatieve waarde van de les. De docenten ontdekten dat hoewel kunstmatige intelligentie uren aan voorbereidingstijd kon besparen, het de beoordelingscapaciteit die nodig is om te beslissen wat een student daadwerkelijk moet leren, niet kon vervangen. Eén docent merkte op dat de computer een moeilijke activiteit kon voorstellen die er op papier goed uitzag, maar de specifieke groep studenten voor hen zou verwarren. Een ander noemde dat de computer vaak culturele nuances miste, waardoor voorbeelden vreemd of ongepast aanvoelden voor Indonesische leerlingen. De docenten fungeerden als een filter, waarbij ze ervoor zorgden dat elk stuk materiaal cultureel relevant en pedagogisch verantwoord was. Ze zagen de technologie als een instrument om creatieve vermoeidheid te overwinnen, dat een vonk van nieuwe ideeën bood, maar zij bleven degene die beslisten welke ideeën te behouden en hoe ze te verfijnen.

De studie benadrukte ook hoe deze docenten hun eigen studenten voorbereiden op dit nieuwe digitale tijdperk. In plaats van kunstmatige intelligentie te verbieden, moedigden de docenten hun studenten aan om het kritisch te gebruiken. Ze vroegen studenten om wat de computer schreef te vergelijken met wat zij wisten uit tekstboeken of uit de praktijk. Het doel was om studenten te leren de output in twijfel te trekken, vooroordelen te herkennen en feiten te verifiëren. De docenten benadrukten dat de machine niet neutraal is; het draagt zijn eigen aannames en patronen met zich mee. Door studenten te leren de technologie te evalueren, zorgden de docenten ervoor dat de volgende generatie docenten de tools niet alleen gebruikt, maar ook begrijpt. Deze aanpak maakte de klas tot een ruimte voor kritisch denken, waar de technologie evenzeer een onderwerp van studie was als een hulpmiddel.

Uiteindelijk suggereert het onderzoek dat de meest effectieve manier om generatieve kunstmatige intelligentie in het taalonderwijs te gebruiken, is om de menselijke docent stevig aan het roer te houden. De technologie blinkt uit in snelheid en variëteit, en biedt een breed scala aan concepten en ideeën in enkele ogenblikken. Maar de menselijke docent brengt de essentiële elementen van context, empathie en professioneel oordeel. De docenten in deze studie zagen zichzelf niet vervangen worden door machines; ze zagen zichzelf als de dirigenten van een nieuw orkest, waarbij ze de technologie gebruikten om hun middelen uit te breiden terwijl ze ervoor zorgden dat de muziek trouw bleef aan de behoeften van hun studenten. De balans die zij zochten, ging niet over hoeveel werk de computer deed, maar over wie de belangrijke beslissingen nam. Zolang de docent degene bleef die de leerdoelen definieerde, het materiaal aanpaste aan de studenten en de kwaliteit van de interactie beoordeelde, diende de technologie als een krachtige ondersteuning. De studie concludeert dat de toekomst van het taalonderwijs niet ligt in de keuze tussen menselijke expertise en kunstmatige intelligentie, maar in het vinden van een partnerschap waarbij de machine de routine afhandelt en de menselijke geest de betekenis behandelt.