The Lecturers’ Experiences and Generative AI in Developing Communicative Speaking Materials in English Education Program

In klaslokalen over de hele wereld staan docenten voor een constante uitdaging: hoe helpen ze studenten om een nieuwe taal niet alleen correct, maar ook betekenisvol te leren spreken. Decennialang was de meest effectieve benadering de Communicatieve Taalonderwijsmethode, een methode die de nadere interactie boven het memoriseren van grammaticaregels stelt. Het doel is om situaties te creëren waarin leerlingen informatie moeten uitwisselen, problemen moeten oplossen of meningen moeten delen, net zoals ze dat in het dagelijks leven zouden doen. Deze aanpak leunt zwaar op het vermogen van de docent om activiteiten te ontwerpen die authentiek en relevant aanvoelen voor het eigen leven van de studenten. Vandaag de dag is er een krachtig nieuw instrument op het toneel verschenen: generatieve kunstmatige intelligentie. Dit zijn computersystemen die in staat zijn om in enkele seconden originele teksten, verhalen en gespreksscripts te creëren. Hoewel ze een manier bieden om direct eindeloos lesmateriaal te produceren, roepen ze ook een fundamentele vraag op voor pedagogen. Kan een machine de subtiele behoeften van een specifieke groep studenten begrijpen, of loopt het risico lessen te produceren die grammaticaal perfect maar sociaal hol zijn?

Een team van onderzoekers zette zich in om deze vraag te beantwoorden door te observeren hoe vijf universiteitsdocenten in Indonesië dit nieuwe landschap navigeren. Deze onderwijzers geven Engels aan studenten die zelf worden opgeleid tot docent. De onderzoekers wilden zien hoe deze professionals kunstmatige intelligentie gebruiken om spreekvaardigheid-materiaal te creëren zonder het menselijke aspect te verliezen dat taalverwerving effectief maakt. Ze voerden diepgaande interviews uit, waarbij ze de docenten vroegen hun dagelijkse werk, hun angsten en hun strategieën te beschrijven wanneer zij deze digitale hulpmiddelen gebruiken. De studie onthult een duidelijk patroon: de docenten laten de machines niet het stuur overnemen. In plaats daarvan behandelen ze kunstmatige intelligentie als een behulpzame assistent die ruwe ideeën genereert, terwijl de menselijke docent de expert blijft die de uiteindelijke les vormgeeft, bewerkt en goedkeurt.

De docenten in de studie beschreven een workflow waarin het menselijke element niet onderhandelbaar is. Ze legden uit dat hoewel tekstboeken nuttig zijn, ze er vaak niet in slagen de specifieke interesses, culturele achtergronden of toekomstige carrièredoelen van hun studenten te vatten. Een docent heeft misschien een spreekactiviteit nodig over lokaal toerisme in Bone of milieuproblemen in Zuid-Sulawesi, onderwerpen die een generiek tekstboek mogelijk mist. Wanneer de docenten kunstmatige intelligentie gebruiken, vragen ze er meestal eerst naar voor een lijst met ideeën of een eerste concept van een gesprek. Ze kunnen vragen om een rollenscenario of een debatonderwerp. Echter, ze gebruiken de output bijna nooit precies zoals deze verschijnt. Eén docent merkte op dat de computer een gesprek kan produceren waarin iedereen perfect beleefd is en elkaar direct begrijpt, een scenario dat zelden in het echte leven voorkomt. Echte gesprekken zijn rommelig; mensen onderbreken elkaar, aarzelen en begrijpen elkaar soms niet. De docenten nemen het concept van de computer en herschrijven het om deze natuurlijke imperfecties op te nemen, zodat het materiaal authentiek aanvoelt.

Dit proces van bewerken is waar het professionele oordeel van de docent schittert. De onderzoekers vonden dat de docenten fungeren als een filter, waarbij ze het werk van de computer controleren op culturele relevantie en praktische bruikbaarheid. Ze vragen zich af of de woordenschat te moeilijk is voor hun specifieke studenten of of de beschreven situatie daadwerkelijk zin zou maken in een Indonesische klasomgeving. Ze houden ook rekening met de emotionele kant van het leren. Als een docent de grammatica van een student elke keer dat deze spreekt corrigeert, kan de student te bang worden om te praten. De docenten in de studie legden uit dat ze vaak eerst de studenten vrij laten spreken om zelfvertrouwen op te bouwen, en correcties bewaren voor later. Een computer, merkten zij op, weet niet inherent wanneer hij moet terughoudend moet zijn met correcties om een student betrokken te houden. De menselijke docent weet wanneer hij moet ingrijpen en wanneer hij de conversatie moet laten doorstromen, een beslissing gebaseerd op jarenlange ervaring met de specifieke groep mensen die voor hen staat.

De studie benadrukt ook dat de docenten deze hulpmiddelen zien als een manier om creatieve vermoeidheid te overwinnen. Het semester na semester onderwijzen van dezelfde cursus kan uitputtend zijn, en de docenten gaven toe dat de computer hen helpt om snel frisse ideeën te genereren. Het kan binnen enkele seconden een dozijn verschillende manieren voorstellen om een specifieke vaardigheid te oefenen, waardoor de docent een breder menu aan opties krijgt om uit te kiezen. De docenten zijn echter voorzichtig om de autoriteit over het eindproduct te behouden. Ze zien de computer als een hulpmiddel dat de routinematige taken van brainstormen en concepten schrijven afhandelt, waardoor zij zich kunnen concentreren op het diepere werk van de pedagogiek. Eén docent beschreef de relatie simpelweg: de computer levert het concept, maar de docent produceert het uiteindelijke lesmateriaal. Dit onderscheid is cruciaal. De technologie versnelt het proces, maar vervangt niet de noodzaak voor een mens om te beslissen wat het beste is voor de lerenden.

Misschien wel de meest significante bevinding is dat de docenten hun studenten ook actief aanmoedigen om kritisch te zijn tegenover deze hulpmiddelen. De onderzoekers observeerden dat de onderwijzers de technologie niet alleen zelf gebruiken; ze moedigen hun studenten aan om deze te bevragen. In de klas vragen ze studenten bijvoorbeeld om een door een computer gegenereerd gesprek te vergelijken met een echte opname of een voorbeeld uit een tekstboek. Ze bespreken hoe de computer fouten kan maken, bepaalde patronen kan herhalen of culturele nuances kan missen. Deze aanpak verandert het gebruik van kunstmatige intelligentie in een leermoment op zich. Studenten leren dat de technologie weliswaar krachtig is, maar niet neutraal of onfeilbaar. Ze worden geleerd informatie te verifiëren en te erkennen dat de output van de computer slechts een startpunt is, en niet de uiteindelijke waarheid.

Het onderzoek concludeert dat de meest succesvolle integratie van kunstmatige intelligentie in het taalonderwijs plaatsvindt wanneer de technologie de menselijke expertise ondersteunt, in plaats van deze te vervangen. De docenten in deze studie vonden een gezonde balans waarbij de computer het zware werk van de ideeëngeneratie op zich neemt, en de menselijke docent ervoor zorgt dat het materiaal betekenisvol, cultureel passend en pedagogisch verantwoord is. De studie suggigt dat zolang docenten degene blijven die de belangrijke onderwijskundige beslissingen nemen — het stellen van doelen, het aanpassen aan de behoeften van studenten en het beoordelen van de kwaliteit van de interactie — de technologie een krachtige bondgenoot kan zijn. Het is niet een kwestie van kiezen tussen menselijke docenten en machines, maar eerder een manier vinden waarop zij samen kunnen werken, waarbij de mens altijd de richting bepaalt. De toekomst van het taalonderwijs, volgens deze onderwijzers, rust op het behouden van het menselijk oordeel in het centrum, waarbij de machine wordt gebruikt om de kunst van het onderwijzen te versterken, niet te wissen.