The field grew, the programme did not: differential growth and substrate portability in artificial intelligence and education research, 2016–2026
Deze studie daagt de misvatting uit dat een afnemend aandeel in publicaties duidt op een achteruitgang van het vakgebied door aan te tonen dat hoewel de totale literatuur over AI in het onderwijs tussen 2016 en 2026 vijfmaal is gegroeid, specifieke subvelden verschillende groeicijfers ervoeren gedreven door "substraat-draagbaarheid"—de aanpasbaarheid van onderzoeksconstructen aan nieuwe datacontexten—in plaats van functionele veroudering.
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
Decennialang hebben onderzoekers geprobeerd computers te gebruiken om te begrijpen hoe mensen leren. Ze bouwden systemen om het gedrag van studenten te volgen, te voorspellen wie moeite zou kunnen krijgen en lessen in realtime aan te passen. Dit werk leunde zwaar op digitale platforms die elke klik en toetsaanslag registreerden, waardoor enorme sporen van gegevens werden gecreëerd voor analyse. Rond 2022 arriveerde een nieuw soort technologie: grote taalmodellen die tekst kunnen genereren, vragen kunnen beantwoorden en direct inhoud kunnen creëren. Deze verschuiving boeide zowel onderwijzers als onderzoekers, wat leidde tot een massale toestroom van nieuwe studies. Maar naarmate de hoeveelheid onderzoek explodeerde, ontstond er een verwarrend patroon. Het aandeel artikelen dat gewijd was aan de oudere, data-intensieve methoden leek te verdwijnen, wat velen deed geloven dat die vakgebieden waren uitgestorven. De vraag bleef echter: waren de oude manieren om leren te bestuderen verlaten, of waren ze simpelweg overstemd door de enorme omvang van de nieuwe golf?
Een team van onderzoekers besloot dit te beantwoorden door naar het werkelijke aantal gepubliceerde studies te kijken, niet alleen naar hun proportie. Ze verzamelden bijna 1.200 academische artikelen van 2016 tot medio 2026, waarbij de tijdlijn in twee tijdperken werd verdeeld: vóór de opkomst van generatieve kunstmatige intelligentie en daarna. Hun doel was om de samenstelling van de literatuur te scheiden van de feitelijke activiteit binnen deze literatuur. Stel je een stad voor die groeit van 100 inwoners naar 1.000 inwoners. Als een specifieke buurt waarin vroeger 30 mensen woonden, nog steeds precies 30 mensen huisvest, daalt het aandeel van die buurt in de stad van 30% naar slechts 3%. Voor een waarnemer die alleen naar percentages kijkt, lijkt die buurt gekrompen of zelfs verdwenen te zijn. In werkelijkheid is het aantal mensen dat daar woont helemaal niet veranderd; de stad is simpelweg veel groter geworden. De onderzoekers pasten dezelfde logica toe op het gebied van kunstmatige intelligentie in het onderwijs. Zij ontdekten dat hoewel het aandeel artikelen over oudere onderwerpen zoals educatieve datamining en leeranalyse inderdaad drastisch afnam, het werkelijke aantal artikelen over deze onderwerpen niet altijd verdween. Sterker nog, voor sommige onderwerpen bleef het aantal studies stabiel of groeide het zelfs, maar minder snel dan de nieuwe generatieve onderwerpen.
De studie onthulde een verhaal van differentiële groei in plaats van totale vervanging. Het vakgebied als geheel breidde zich in tien jaar tijd meer dan vijf keer uit. De oudere onderzoeksprogramma's, die afhankelijk waren van het verzamelen van langdurige gedragsgegevens van studenten, groeiden niet met diezelfde razendsnelle snelheid. Twee specifieke gebieden, educatieve datamining en leeranalyse, zagen een echte daling in het aantal per jaar gepubliceerde artikelen. Een ander gebied, intelligente tutorensystemen (intelligent tutoring systems), hield stand en publiceerde ongeveer hetzelfde aantal artikelen als voorheen, ook al kromp het aandeel ervan in het totaalveld aanzienlijk. Ondertussen schoten nieuwe onderwerpen zoals academische integriteit, ethiek en het gebruik van generatieve hulpmiddelen voor het maken van lesmateriaal in populariteit, en groeiden zij veel sneller dan het gemiddelde van het vakgebied. De onderzoekers ontdekten dat het voortbestaan van een onderzoeksonderwerp minder afhing van de naam ervan en meer van wat nodig was om eraan te bestaan. Onderwerpen die complexe, geïnstrumenteerde platformen vereisten om jarenlang studentendata te verzamelen, hadden moeite om bij te blijven. Onderwerpen die verkend konden worden met eenvoudige tekst of directe interactie, zoals discussies over ethiek of het genereren van lesplannen, bloeiden juist op.
Dit onderscheid is cruciaal voor iedereen die probeert de huidige staat van het vakgebied te begrijpen. Een nieuwe onderzoeker die vandaag de dag het vak betreedt, kan naar de lijst met populaire onderwerpen kijken en concluderen dat het vermogen om studentendata te analyseren is achtergelaten. Echter, de data laten zien dat deze capaciteit nog steeds wordt ontwikkeld, zij het tegen een lager, meer gestaag tempo dan de hype rondom nieuwe middelen suggereert. Het oudere werk is niet gewist; het is ingehaald. De studie suggereert dat de verschuiving geen falen van de oude methoden is, maar een natuurlijk gevolg van een nieuwe technologie die voor iedereen direct beschikbaar is, wat zorgt voor een vloedgolf aan nieuwe vragen die geen zware infrastructuur behoeven om beantwoord te worden. Voor instellingen of docenten die deze technologieën willen adopteren, is de les duidelijk: de meest zichtbare onderwerpen zijn niet de enige die bestaan. Het fundamentele werk om leren via data te begrijpen gaat gewoon door, ook al domineert het niet langer de koppen. Het vakgebied heeft zijn verleden niet verloren; het heeft zich er simpelweg omheen uitgebreid, waarbij zowel het oude als het nieuwe mee naar voren wordt genomen, maar elk op een heel ander tempo.
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.