Scaffolded and Unscaffolded Generative AI Use in Mathematics Teacher Education: Effects on Pre-Service Teachers’ Instructional Design Competence

Stel je een klaslokaal voor waar de leraar niet alleen een persoon is, maar een krachtig computerprogramma dat in enkele seconden lesplannen kan schrijven, wiskundeproblemen kan maken en complexe ideeën kan uitleggen. Dit is de belofte van generatieve kunstmatige intelligentie, een technologie die snel haar intrede heeft gedaan in scholen en universiteiten. Maar er zit een addertje onder het gras. Als een student simpelweg de computer om een antwoord vraagt en dit zonder vragen te stellen accepteert, kunnen ze leren om op de machine te vertrouwen in plaats van hun eigen vermogen om na te denken, te plannen en problemen op te lossen te ontwikkelen. Dit is de centrale spanning waar het lerarenonderwijs vandaag de dag voor staat: hoe gebruik je deze slimme hulpmiddelen om toekomstige leraren te helpen hun vak te leren, zonder dat de hulpmiddelen het denken voor hen overnemen. De sleutel tot het oplossen van dit puzzelstuk ligt in een concept dat 'scaffolding' (steunstructuur) wordt genoemd. In het onderwijs is scaffolding als de tijdelijke steunbalken die worden gebruikt bij het bouwen van een huis; ze houden de structuur omhoog terwijl de bouwers hun ambacht leren, en worden verwijderd zodra het gebouw sterk genoeg is om op eigen kracht te staan. De vraag die onderzoekers stelden was of het geven van deze vorm van gestructureerde begeleiding aan toekomstige wiskundeleraren, terwijl zij kunstmatige intelligentie gebruikten, hen betere leraren zou maken dan wanneer zij het zelf zouden moeten uitzoeken.

Een team van onderzoekers in Ghana zette zich in om deze vraag te beantwoorden door samen te werken met zesentwintig toekomstige wiskundeleraren. Deze studenten waren ingeschreven voor een cursus gewijd aan het leren ontwerpen van wiskundelessen, een cruciale vaardigheid voor elke pedagoog. De onderzoekers verdeelden de klas in twee groepen. De ene groep gebruikte de kunstmatige intelligentie-tool zonder speciale instructies; hen werd gezegd de technologie te gebruiken om hen te helpen bij het plannen van hun lessen, maar zij moesten zelf uitzoeken hoe ze de juiste vragen moesten stellen en de antwoorden moesten controleren. De andere groep gebruikte dezelfde technologie, maar kreeg een specifieke reeks ondersteuningen. Deze ondersteuning bestond uit voorbeelden van hoe men goede vragen aan de computer stelt, checklists om het werk van de computer te verifiëren, en sturende vragen die hen dwongen na te denken over de vraag of het lesplan wel logisch was voor hun leerlingen. Het doel was om te zien of deze extra begeleiding invloed had op hoe goed de studenten een les konden ontwerpen, hoe klaar zij zich voelden om technologie te gebruiken, hoe goed zij hun eigen leerproces konden beheren en hoe kritisch zij de informatie konden evalueren die de computer hen gaf.

Na veertien weken van het werken aan lesplannen waren de resultaten duidelijk. De studenten die gestructureerde begeleiding hadden ontvangen, presteerden aanzienlijk beter dan zij die zonder deze begeleiding werkten. Wanneer de onderzoekers naar de uiteindelijke lesplannen keken die door de studenten waren gemaakt, hadden de studenten uit de groep met de ondersteuning effectievere en doordachantere lessen ontworpen. Zij waren beter in het organiseren van de stof, het kiezen van de juiste activiteiten en het creëren van manieren om te testen of de leerlingen de wiskunde begrepen. De groep zonder de ondersteuning produceerde plannen die vaak gehaast waren of zware bewerking vereisten, omdat zij de output van de computer te snel hadden geaccepteerd. De begeleide groep scoorde ook hoger op metingen van hun bereidheid om in de toekomst technologie te gebruiken. Zij voelden zich meer zelfverzekerd in hun vermogen om met de computer te communiceren, de beperkingen ervan te begrijpen en het op een verantwoorde manier te gebruiken. Zij werden minder snel misleid door fouten of bevooroordeelde informatie gegenereerd door de software.

De studie onthulde ook dat de begeleide studenten beter leerden leren. Zij toonden een veel sterker vermogen om hun eigen leerproces te reguleren. In plaats van alleen een verzoek te typen en op een resultaat te wachten, pauzeerden zij om hun aanpak te plaren, monitorden zij de output van de computer terwijl deze binnenkwam, en evalueerden zij of de suggesties overeenkwamen met hun doelen. Zij behandelden de computer als een partner die ondervraagd moest worden, in plaats van een machine die gehoorzaamd moest worden. Dit kritische denken was het meest duidelijke verschil tussen de twee groepen. De studenten met de ondersteuning vroegen zichzelf voortdurend af of de lesideeën accuraat en passend waren voor echte kinderen. Zij controleerden de wiskunde, vergeleken de suggesties met hun tekstboeken en herzien de plannen wanneer de computer een fout maakte. De studenten zonder de ondersteuning accepteerden vaak het eerste antwoord dat zij kregen, zelfs wanneer dit gebrekkig was, omdat zij niet de middelen hadden om het te verifiëren.

Wanneer de onderzoekers een kleinere groep studenten interviewden om hun ervaringen te begrijpen, werd het patroon nog levendiger. De studenten die de ondersteuning hadden gekregen, beschreven een proces van diep nadenken. Zij legden uit dat de checklists en sturende vragen hen dwongen om te vertragen en na te denken over het "waarom" achter elke activiteit in hun les. Zij realiseerden zich dat de kwaliteit van de les afhing van hun eigen beslissingen, en niet alleen van de output van de computer. In contrast hiermee gaven de studenten zonder de ondersteuning toe dat zij zich vaak verloren of onzeker voelden wanneer de computer een vreemd antwoord gaf. Zij hadden de neiging om opnieuw te beginnen met een nieuwe chat in plaats van hun oorspronkelijke vraag te verbeteren, en zij gaven vaak prioriteit aan snelheid boven nauwkeurigheid. Zij voelden dat de computer het werk voor hen deed, wat hen het gevoel gaf minder goed voorbereid te zijn om zelfstandig te onderwijzen.

De bevindingen suggereren dat het simpelweg overhandigen van een krachtige kunstmatige intelligentie-tool aan toekomstige leraren niet voldoende is om hen betere pedagogen te maken. Het hulpmiddel is slechts zo goed als de begeleiding die eromheen zit. Wanneer de onderzoekers een kader boden dat aanzette tot planning, controle en reflectie, gebruikten de studenten de technologie om hun professionele vaardigheden aan te scherpen. Zij leerden betere lessen te ontwerpen, kritischer na te denken over de informatie die zij ontvingen en de controle over hun eigen leerproces te nemen. Zonder dat kader liep de technologie het risico een kruk te worden die voorkwam dat zij hun onafhankelijke oordeelsvermogen ontwikkelden, dat zij in een echte klas nodig zouden hebben. De studie concludeert dat voor kunstmatige intelligentie om de volgende generatie leraren echt te helpen trainen, het gebruikt moet worden met intentionele ondersteuning die studenten leert hoe ze moeten denken, en niet alleen hoe ze moeten vragen.