Character Formation in the Age of Generative AI: Integrating Classical Islamic Educational Philosophy into AI-Assisted Learning

In klaslokalen over de hele wereld vindt een stille verschuiving plaats. Studenten wenden zich tot kunstmatige intelligentie om hen te helpen bij het schrijven van essays, het oplossen van problemen en het voltooien van opdrachten. Hoewel deze hulpmiddelen ongelooflijk krachtig kunnen zijn, hebben ze ook een nieuw soort verwarring gecreëerd. Veel jongeren merken dat ze niet weten waar de grens ligt tussen het gebruiken van een behulpzame assistent en het laten doen van het denkwerk door de machine. Ze weten hoe ze de technologie moeten bedienen, maar ze missen vaak een duidelijk moreel kompas om te sturen hoe ze het gebruiken. Dit is niet alleen een probleem van het volgen van regels of het vermijden van betrapping; het is een diepere vraag over hoe technologie de persoon die het gebruikt vormt. Wanneer een student te zwaar leunt op een machine om hun werk te doen, kunnen ze gewoonten van vermijding en afhankelijkheid ontwikkelen die hen nog lang na het nakijken van de opdracht bijblijven. De kern van het probleem is dat huidige schoolbeleid er vaak op gericht is om fraudeurs te betrappen, in plaats van studenten te helpen het innerlijke karakter op te bouren dat nodig is om deze hulpmiddelen wijs te gebruiken.

Een onderzoeker aan de Khazar Universiteit in Azerbeidzjan merkte deze spanning uit de eerste hand op. Ze zag studenten die aarzelden om toe te geven dat ze AI gebruikten, niet omdat ze iets kwaadwillends probeerden te verbergen, maar omdat ze oprecht niet wisten of hun methoden juist waren. Ze voelden een vaag onbehagen, maar hadden geen taal om het te beschrijven. Om dit aan te pakken, keek ze naar een traditie van onderwijsfilosofie die al veertien eeuwen bestaat: de islamitische morele denkwijze. Deze traditie biedt een specifieke manier om menselijke groei te begrijpen, bewegend van iemands aangeboren gevoel voor goed en kwaad, via een proces van het zuiveren van de geest van slechte gewoonten, naar het vinden van diepe betekenis in hun werk, en uiteindelijk naar het handelen op manieren die hun gemeenschap helpen. De onderzoeker, Afet Suleymanova, stelde voor dat deze eeuwenoude stappen aangepast kunnen worden om moderne studenten te helpen navigeren door het digitale tijdperk. Ze vond niet een nieuwe set regels uit om studenten te straffen. In plaats daarvan ontwierp ze een vijfstappenplan om hen te helpen hun eigen intenties te controleren en hun eigen karakter op te bouwen terwijl ze AI gebruiken.

De studie begon met een eenvoudige observatie van 54 universiteitsstudenten in Baku. Wanneer zij gevraagd werd naar hun gebruik van AI, gaven velen toe dat ze soms het gevoel hadden dat ze de tools het zware werk lieten doen. Ze wisten dat ze de technologie gebruikten, maar ze misten een kader om te beslissen wanneer het nuttig en wanneer het schadelijk was. Suleymanova realiseerde zich dat de standaardmanier waarop scholen dit aanpakken — door software te gebruiken om plagiaat te detecteren of door strikte regels op te stellen — slechts het oppervlakkige probleem behandelt. Het bereikt niet de wortel van de zaak, namelijk de interne morele ontwikkeling van de student. Om dit op te lossen, stelde ze een model voor genaamd "Fitrah-Amal", wat ruwweg vertaalt als een reis van de aangeboren morele natuur naar rechtvaardig handelen. Dit model is geen rigide checklist, maar een cyclus van reflectie die studenten kunnen gebruiken vóór, tijdens en na hun interactie met een AI-tool.

De eerste stap in deze reis gaat over intentie. Voordat een student zelfs maar een prompt in een AI typt, wordt hen gevraagd even stil te staan en zichzelf een simpele vraag te stellen: "Wat probeer ik hier eigenlijk te leren?" Dit moment van reflectie, geworteld in het idee dat mensen een aangeboren gevoeligheid voor de waarheid hebben, helpt hen te beslissen of ze de tool gebruiken om te groeien of alleen om een snel antwoord te krijgen. Als het doel leren is, wordt de student aangemoedigd de AI te gebruiken om ideeën te verkennen, in plaats van het eigen denken te vervangen. De tweede stap houdt filtering in. Net zoals een persoon zijn huis kan schoonmaken van stof, wordt de student gevraagd de informatie die zij van de AI ontvangen te filteren. Ze moeten zoeken naar vooroordelen, fouten of ontbrekende perspectieven, waarbij ze de output van de AI behandelen als grondstof die menselijke bewerking vereist in plaats van als de definitieve waarheid. Dit verandelt het controleren van feiten in een morele praktijk van waakzaamheid en kritisch blijven.

De derde fase beweegt van het controleren van feiten naar het vinden van betekenis. Hier vraagt de student zich niet alleen af of de informatie waar is, maar ook of het nuttig en noodzakelijk is. Zij worden aangemoedigd de data te verbinden met echte problemen in hun eigen gemeenschap. De vierde stap gaat over interne verantwoordelijkheid. Dit is misschien wel het meest cruciale deel van het model. In plaats van hard te werken alleen omdat een docent meekijkt, wordt de student begeleid om hard te werken omdat zij een persoonlijke standaard van uitmuntendheid hebben. Zij vragen zichzelf af: "Is dit echt mijn werk?" en "Zou ik trots zijn om dit te laten zien aan iemand die mijn werkelijke capaciteiten kent?" Dit verschuift de focus van de angst om betrapt te worden naar een verlangen naar persoonlijke integriteit. De laatste stap gaat over actie. De student overweegt wie baat zal hebben bij hun werk. Het doel is om de technologie te gebruiken om echte problemen voor echte mensen op te lossen, waardoor een schoolopdracht verandert in een dienst aan de gemeenschap.

Om te zien of deze aanpak zin maakte in de echte wereld, testte Suleymanova deze ideeën bij haar studenten. Ze gaf hen een vragenlijst gebaseerd op deze vijf stappen en vroeg hen te reflecteren op hun eigen ervaringen. De resultaten waren veelzeggend. De meeste studenten hadden al een gevoel dat er iets niet klopte wanneer ze AI te veel gebruikten; ze voelden een drang naar afhankelijkheid of een bezorgdheid dat ze hun eigen stem verloren. Echter, ze wisten niet hoe ze op dat gevoel moesten handelen. Ze hadden het morele bewustzijn, maar misten de instrumenten om het in actie om te zetten. De studie suggereert dat wanneer studenten een duidelijke structuur krijgen om hun eigen intenties en gewoonten te onderzoeken, ze de digitale wereld met meer zelfvertrouwen en eerlijkheid kunnen navigeren. De gegevens toonden aan dat studenten niet moreel blind waren; ze wachtten simpelweg op een kaart.

Het artikel beweert niet dat dit model een perfecte oplossing is die voor iedereen en overal bewezen is. De onderzoeker merkt voorzichtig op dat de gegevens afkomstig zijn van één enkele universiteit en dat het model in veel verschillende klaslokalen en culturen getest moet worden voordat we zeker kunnen zijn van de langetermijneffecten. Ze erkent ook dat de studie nog in een vroeg stadium verkeert en dat er meer onderzoek nodig is om te zien of deze ideeën kunnen worden aangepast aan studenten die niet dezelfde religieuze achtergrond delen. De kernbevinding is echter duidelijk: de manier waarop we studenten leren omgaan met AI moet veranderen. We kunnen hen niet alleen leren hoe ze de technologie moeten gebruiken; we moeten hen leren hoe ze deze kunnen gebruiken zonder hun eigen vermogen om na te denken en hun eigen gevoel voor goed en kwaad te verliezen.

De onderzoeker betoogt dat het huidige systeem, dat zwaar leunt op externe regels en detectiesoftware, onvoldoende is. Het behandelt studenten als potentiële regelbrekers in plaats van mensen die nog in ontwikkeling zijn. Daartegenover staat deze nieuwe benadering, die onderwijs ziet als een proces van karaktervorming. Het suggerend dat de beste manier om met AI om te gaan niet is door het te verbieden of te controleren, maar door studenten te helpen een intern kompas te ontwikkelen dat hen vertelt wanneer ze het hulpmiddel moeten gebruiken en wanneer ze het weg moeten leggen. De studie stelt voor dat als we studenten kunnen helpen hun gebruik van technologie te verbinden met hun eigen waarden en hun verlangen om anderen te helpen, zij vanzelf betere keuzes zullen maken.

Uiteindelijk gaat dit werk over meer dan alleen huiswerk. Het gaat over wat voor mensen we worden in een tijdperk waarin machines zo veel van ons denken kunnen overnemen. De onderzoeker suggereert dat als we studenten volledig laten outsourcen van hun denkvermogen, we het risico lopen een generatie te creëren die afhankelijk is en minder in staat is om moeilijke problemen aan te pakken. Maar als we hen een kader bieden om betrokken te blijven, om te bevragen wat ze zien en om verantwoordelijkheid te nemen voor hun eigen groei, kan technologie een hulpmiddel worden dat hun karakter versterkt in plaats van verzwakt. De studie biedt een pad vooruit dat geworteld is in oude wijsheid maar ontworpen is voor het moderne klaslokaal, waarmee wordt getoond dat het antwoord op de uitdagingen van kunstmatige intelligentie wellicht niet te vinden is in betere software, maar in beter onderwijs.