Beyond the Zero-Sum Debate: Designing for Agency and Efficiency in the Age of GenAI

In de bruisende wereld van het onderwijs bestaat er al lang een stille spanning tussen twee manieren van denken over hoe mensen leren. Aan de ene kant is er de overtuiging dat studenten de vrijheid nodig hebben om te verkennen, fouten te maken en door moeilijke problemen heen te worstelen om een onderwerp echt te begrijpen. Deze benadering waardeert het rommelige, vaak frustrerende proces van het ontdekken als de motor van het leren zelf. Aan de andere kant is er het verlangen naar efficiëntie, waarbij docenten duidelijke structuren en stapsgewijze begeleiding bieden om ervoor te zorgen dat studenten feiten en vaardigheden beheersen zonder de weg kwijt te raken of ontmoedigd te raken. Decennialang hebben onderwijzers en onderzoekers gedebatteerd over hoeveel hulp er geboden moet worden en hoeveel onafhankelijkheid er verleend moet worden, waarbij ze zich afvroegen of deze twee doelen ooit samen zouden kunnen gaan. Nu is er een nieuwe kracht in dit gesprek terechtgekomen: generatieve kunstmatige intelligentie. Dit zijn computersystemen die in staat zijn om essays te schrijven, wiskundige problemen op te lossen en ideeën te genereren in enkele seconden, wat het harde werk van het leren vaak overbodig doet lijken. Dit plotselinge verschijnen dwingt tot een heroverweging van oude vragen, waarbij wordt gevraagd of dergelijke krachtige instrumenten studenten helpen sneller te leren of hen simpelweg zullen misleiden door te laten denken dat ze meer weten dan ze in werkelijkheid doen.

Twee onderzoekers, Marcela Borge van Pennsylvania State University en Todd Shimoda van Thinkertools, Inc., zijn in dit debat gestapt om een praktische weg vooruit aan te bieden. Zij stellen dat de komst van kunstmatige intelligentie ons niet dwingt om te kiezen tussen totale vrijheid en strikte controle. In plaats daarvan stellen zij een kader voor dat leertaken behandelt als zijnde bestaande uit twee afzonderlijke delen: het kernwerk dat studenten zelf moeten doen om een diep begrip op te bouwen, en het ondersteunende werk dat door technologie afgehandeld kan worden om de voortgang soepel te houden. Hun doel is om aan te tonen hoe onderwijzers deze nieuwe instrumenten kunnen gebruiken om het menselijk denken te versterken in plaats van het te vervangen, zodat ervoor wordt gezorgd dat studenten nog steeds betrokken blijven bij de noodzakelijke strijd die leidt tot werkelijke inzichten.

De onderzoekers beginnen met het identificeren van een probleem dat zij de "Constructieparadox" noemen. Dit is het idee dat leren vaak het moeilijke, tijdrovende werk vereist om kennis vanaf nul op te bouwen. Wanneer een student een essay schrijft, een complexe vergelijking oplost of een experiment ontwerpt, zijn zij niet alleen een eindproduct aan het produceren; zij zijn een mentaal model aan het construeren van hoe de wereld werkt. Als een student kunstmatige intelligentie gebruikt om dat essay direct te genereren of die vergelijking op te lossen, omzeilen zij de mentale constructie. Ze eindigen met een gepolijst resultaat, maar zij hebben het proces overgeslagen dat de kennis creëert. De paradox is dat hoewel studenten en docenten tevreden kunnen zijn met het eindproduct, de student eigenlijk minder heeft geleerd omdat hij de cognitieve inspanning heeft vermeden die nodig is om de kennis eigen te maken. De onderzoekers suggereren dat als we kunstmatige intelligentie al het harde denken laten doen, we het risico lopen een generatie te creëren die in staat is perfecte antwoorden te produceren, maar niet kritisch kan denken wanneer zij geconfronteerd worden met een nieuwe of onbekende probleemstelling.

Om dit op te lossen, putten de auteurs uit decennia aan onderzoek naar computerondersteund collaboratief leren, een veld dat bestudeert hoe mensen samen leren met de hulp van technologie. Zij stellen een eenvoudig maar krachtig onderscheid voor tussen "focale" en "ondersteunende" taken. Een focale taak is het hoofddoel dat een student moet leren doen. Als het doel is om te leren hoe men een argument voert, dan is de handeling van het construeren van dat argument de focale taak. Als het doel is om te leren hoe men een team aanstuurt, dan is de handeling van het onderhandelen en coördineren met anderen de focale taak. Dit zijn de onderdelen van het leren die onder de controle van de student moeten blijven. Dit zijn de onderdelen waar de strijd, de fouten en de uiteindelijke doorbraken plaatsvinden. Ondersteunende taken daarentegen zijn de achtergrondactiviteiten die de focale taak helpen te laten plaatsvinden, maar die zelf niet het hoofddoel van het leren zijn. Dit kunnen activiteiten zijn zoals het formatteren van een document, het organiseren van gegevens of het opzoeken van een definitie. Dit zijn de onderdelen waar technologie het meest nuttig kan zijn, door in te grijpen om de mentale belasting te verminderen, zodat de student zijn energie kan richten op het kernwerk.

De onderzoekers illustreren dit met voorbeelden uit hun eigen eerdere werk bij het ontwerpen van educatieve software. In een systeem dat ontworpen is om studenten te helpen wetenschap te leren, vertelde de software de studenten niet precies wat ze moesten doen of hoe ze elk probleem moesten oplossen. In plaats daarvan liet het de wetenschappelijke onderzoeksvraag — het stellen van vragen, het vormen van hypothesen en het testen van ideeën — volledig aan de studenten over, hoewel het wel software-adviseurs incorporeerde die algemeen advies boden over cruciale onderdelen van de onderzoeksfase. Dit was de focale taak, het deel dat hun volledige aandacht en inspanning vereiste. De software bood echter wel gestructureerde ondersteuning voor de reflectie die plaatsvond na het experiment. Het begeleidde studenten in hoe ze terug konden kijken op wat ze hadden gedaan, door hun aandacht te richten op specifieke, theoretisch gefundeerde dimensies van collaboratieve competentie en te beperken waar ze over konden reflecteren, zodat ze zich konden concentreren op het leren van hun fouten in plaats van zich te verliezen in de mechanica van het schrijven van een rapport. Door de twee te scheiden, liet het systeem de studenten de volledige impact van wetenschappelijke ontdekking ervaren, terwijl ze tegelijkertijd de nodige begeleiding kregen om er betekenis aan te geven.

Door deze logica toe te passen op generatieve kunstmatige intelligentie, suggereren de onderzoekers dat docenten en ontwerpers een specifieke vraag moeten stellen voordat ze de technologie gebruiken: "Wat is het belangrijkste dat we de student willen leren, en welk deel van deze activiteit is essentieel voor dat leren?" Als het antwoord is dat de student moet leren hoe hij kritisch moet denken, dan moet het denkproces zelf behouden blijven. De kunstmatige intelligentie kan worden gebruikt om voorbeelden te genereren, alternatieve perspectieven te bieden of te helpen bij het organiseren van informatie, maar het mag niet worden toegestaan om het denken van de student over te nemen. De onderzoekers waarschuwen dat als we deze instrumenten simpelweg gebruiken om de productie van huiswerk of essays te versnellen, we waarschijnlijk de zeer vaardigheden ondermijnen die we hopen te ontwikkelen. Het gevaar zit niet in het gebruik van de technologie, maar in het gebruik ervan om het cognitieve werk te omzeilen dat noodzakelijk is voor groei.

Het artikel benadrukt ook dat dit evenwicht niet door technologie alleen kan worden bereikt. Het vereist de actieve betrokkenheid van docenten die de doelen van de les begrijpen en in realtime beslissingen kunnen nemen over wanneer ze de studenten moeten laten worstelen en wanneer ze hulp moeten bieden. In het verleden volgde educatieve software vaak een vast script, waarbij studenten door een vooraf bepaald pad werden geleid. Met generatieve kunstmatige intelligentie is het pad niet langer vaststaand; de technologie kan op onvoorspelbare manieren reageren, onverwachte antwoorden bieden of zelfs onjuiste informatie geven. Dit maakt de rol van de docent belangrijker dan ooit. De docent moet optreden als een dirigent, die beslist wanneer hij de studenten en de kunstmatige intelligentie vrij laat interageren en wanneer hij ingrijpt om het gesprek te sturen. De docent moet een klasomgeving creëren waarin studenten zich veilig voelen om fouten te maken en waar de groep samenwerkt om informatie te verifiëren en problemen op te lossen.

Uiteindelijk betogen de onderzoekers dat de waarde van leren ligt in het proces, niet alleen in het product. De frustratie van het niet weten van het antwoord, de inspanning van het proberen van verschillende benaderingen en de voldoening van het vinden van een oplossing zijn wat diep begrip en het vermogen om kennis in nieuwe situaties toe te passen, opbouwen. Generatieve kunstmatige intelligentie heeft het potentieel om een krachtige partner in dit proces te zijn, maar alleen als het zorgvuldig wordt gebruikt. Het moet worden gezien als een instrument om het menselijke leerproces te ondersteunen, niet als een vervanging ervan. Door onderscheid te maken tussen het kernwerk dat studenten zelf moeten doen en het ondersteunende werk dat technologie kan afhandelen, kunnen onderwijzers de kracht van deze nieuwe instrumenten benutten zonder de essentiële menselijke elementen van nieuwsgierigheid, samenwerking en kritisch denken te verliezen. Het doel is niet om leren makkelijk te maken, maar om het betekenisvol te maken, zodat ervoor wordt gezorgd dat studenten hun opleiding niet alleen verlaten met een verzameling feiten, maar met het vermogen om zelfstandig te denken, te creëren en problemen op te lossen.