Bij de lancering van ChatGPT vorig jaar schreef ik al, dat deze vorm van AI een interessante rol zou kunnen spelen voor het maken van vergelijkingsmateriaal voor studenten om (interne) feedback te genereren voor hun eigen leerproces. David Nicol heeft een aantal van de ‘nadelen’ van het werken met ChatGPT omgezet in redenen om te gaan werken met ‘internal’ of ‘active’ feedback. In deze blog zet ik ze op een rij.
- Issues van ChatGPT: bias, onnauwkeurigheid en lastig te verifieren bij gebrek aan bronvermelding
Er wordt veel geschreven over de antwoorden die ChatGPT genereert als je een vraag stelt. De informatie waar ChatGPT mee is getraind kent een stevige bias, dat wil zeggen vooroordelen, bevooroordeelde algoritmes, zie oa. Insider. Dit maakt dat je eenzijdige antwoorden op je vragen krijgt. Een leek zal deze eenzijdigheid niet meteen herkennen. Daarnaast is ChatGPT een taalmodel dat is getraind om na een reeks woorden een volgend woord te voorspellen, wat maakt dat ChatGPT misschien heel slim klinkt, maar het weet zelf totaal niet wat hij zegt en of het wel klopt. Mijn collega Jorn Bunk schreef hier in meerdere blogs over zie oa. ChatGPT en de docentenpraktijk. Tot slot is niet te achterhalen waar ChatGPT de informatie vandaan haalt. Hierdoor kun je niet verifieren of hetgeen je leest waar is of niet, want de bronvermelding ontbreekt.
Deze issues maken dat je twijfels kunt hebben of je studenten de ruimte moet geven om ChatGPT te gebruiken. Als je gebruikt maakt van het ‘active feedback model’ van David Nicol kun je ChatGPT ondanks deze nadelen juist heel goed inzetten. Namelijk door studenten te vragen om de output van ChatGPT te vergelijken met andere informatiebronnen (door de docent aangereikt). In deze vergelijking zit namelijk het leren en dan kan dus ook als je (nog) geen expert bent.
2. Academische integriteit – wie doet het werk, de student of de machine?
De angst van veel docenten is dat studenten bij het maken van opdrachten gebruik maken van ChatGPT en de antwoorden kopieren en plakken en inleveren als hun eigen product, zonder vermelding dat ze hiervoor ChatGPT gebruikt hebben. Zolang je bij het beoordelen van de competentieontwikkeling alleen kijkt naar de eindproducten van studenten ondervang je dit nadeel niet. Je kunt echter gebruik maken van het ‘active feedback model’ waarin studenten de feedback die ze zelf genereren (internal feedback) expliciet maken. Dit maakt het mogelijk om de focus te leggen op processen van denken en leren bij studenten in plaats van hun producten, waardoor je als docent wel zicht heb op hetgeen de student zelf heeft gedaan en hierop kan acteren (door te beoordelen of feedback te geven of een nieuwe opdracht te geven of nieuw vergelijkingsmateriaal aan te bieden).
3. Waar is de menselijke dimensie bij het leren?
Een grote zorg met inzet van technologie in onderwijs (en dus ook AI) is, dat de menselijke dimensie verdwijnt uit het leerproces (door sommigen wordt dit gezien als de oplossing van het lerarentekort). In het ‘active feedback model’ integreer je de mogelijkheden van technologie (ChatGPT/AI) met andere bronnen en vormen van dialoog. Juist door de combinatie tussen vergelijkingen van bronnen met vergelijkingen in de dialoog (samenwerken, delen, comments geven) kan het leren versterken. Zie ook onderstaande figuur voor het proces van het active feedback model:
- studenten maken een opdracht
- studenten vergelijken hun uitwerking met
- comments en dialoog met docent, peers of anderen
- andere bronnen en observaties
- informatie gegenereerd door AI tools zoals Chat GPT
- studenten genereren interne feedback
Leave a Reply