In eerste instantie klinkt dit te mooi om waar te zijn: een leerervaring die is afgestemd op de behoeften, sterke punten en worstelingen van het kind, die indien nodig kan worden versneld of vertraagd, met oneindig geduld.
Dat is al tien jaar of langer de hoop om de onderwijstechnologie-industrie te stimuleren: gespecialiseerd onderwijs dat snelle vooruitgang stimuleert. Maar voor het grootste deel is het te mooi om waar te zijn. Niet omdat de ambitie verkeerd is, maar omdat de huidige visie juist het tegenovergestelde is.
EEN PERSOONLIJKE LEERAANPAK DIE MISLUKT?
Visie van AI in het onderwijs trekt de meeste aandacht en er wordt geïnvesteerd in gepersonaliseerd leren. Denk aan de AI-docenten van Khan Academy, of een model als Alpha School, waar docenten grotendeels worden vervangen door op AI gebaseerde platforms. Alpha School is een klein maar snel groeiend netwerk van privéscholen waar studenten les krijgen via AI-onderwijs, waarbij de volwassenen in de kamer meer optreden als coaches en verzorgers dan als leraren.
Het idee is intuïtief: elke leerling krijgt een op AI gebaseerde adaptieve ervaring die is afgestemd op zijn specifieke behoeften en sterke punten. Het algoritme ontmoet het kind. De leraar trok zich terug. Dat klinkt interessant, totdat je nadenkt over wat het eigenlijk oplevert: apparaatgemedieerde instructies. De leerlingen zitten voor een scherm en doorlopen de inhoud in hun eigen tempo, onder toezicht van een volwassene wiens taak meer te maken heeft met coördineren en ouderschap dan met lesgeven.
We hebben deze experimenten op grote schaal uitgevoerd, zonder daarvoor gekozen te hebben. Het heet de COVID-pandemie. Jaren later zijn we nog steeds aan het herstellen van de impact ervan op de prestaties van leerlingen, de sociale ontwikkeling en de relatie tussen kinderen en scholen. Deze ervaringen, plus bredere culturele overwegingen met betrekking tot schermen en de ontwikkeling van kinderen, hebben ons duidelijk bewijs gegeven van wanneer apparaten nuttig kunnen zijn voor kinderen en wanneer niet. Het antwoord is genuanceerder dan techno-optimisten of sceptici suggereren. Maar één ding is duidelijk: schermen zijn geen vervanging voor leraren.
Het probleem met gepersonaliseerd leren is dat het de leraar tot een obstakel maakt, en niet tot een beïnvloedingspunt. De architectuur is achteruit.
Gepersonaliseerd leren zet algoritmen aan het stuur. Maar gepersonaliseerd onderwijs zorgt ervoor dat leraren op de markt zijn, met veel betere data, betere tools en meer tijd om te doen wat alleen een leraar kan doen.
VERKEERD SOORT HULP
De redenen waarom kinderen naar school komen zijn vooral sociaal. John Hattie’s onderwijsonderzoek al tientallen jaren laten consistent en duidelijk zien dat relaties tussen docenten en leerlingen, discussies in de klas, gezamenlijke probleemoplossing en leren van collega’s enkele van de krachtigste prestatie-effecten opleveren. Dit zijn geen toevallige kenmerken van de school. Zij is school.
Welke leraar Niet doen wat nodig is, zijn meer systemen, meer wachtwoorden, meer tijd voor het dashboard. Wat zijn ze Doen de behoefte is iets dat de meeste mensen nooit hebben gehad: een synthese van beoordelingsgegevens die verband houdt met de huidige stand van de klas en gekoppeld is aan het volgende leerplan. Het in elkaar zetten van de foto kostte veel tijd. Voor de meeste docenten is dit niet mogelijk. Niet op het niveau van precisie dat studenten verdienen.
Dit is waar AI dingen kan veranderen. Niet door de docent vooraan in de klas te vervangen, maar als collega die het voorbereidende werk op zich kan nemen dat mooi onderwijs mogelijk maakt.
Bedenk wat docenten die toegang hebben tot bekwame onderwijsassistenten kunnen doen. Ze delegeren tijdrovend backoffice-onderwijswerk, zodat ze hun energie kunnen steken in wat het allerbelangrijkst is: het mensenwerk van het lesgeven.
De meeste leraren hebben die luxe niet elke dag. AI kan daar verandering in brengen, als het rond de juiste problemen is opgebouwd.
HET GEGEVENSPROBLEEM IS NIET OPGELOST
Dit is wat gepersonaliseerd onderwijs moeilijk maakt, en wat de meeste tools daarvoor ontoereikend maakt: je hebt data nodig. Geen beoordelingsgegevens aan het einde van het jaar. Geen momentopname van september. U moet weten waar elke leerling zich momenteel bevindt, in de dagen en weken voorafgaand aan een bepaalde les, in relatie tot de specifieke vaardigheden waarop die les is gebaseerd. Dit werkt alleen als de tool begrijpt hoe kennis in het hele leerplan wordt opgebouwd, en niet slechts in één les.
Dit is een veel moeilijker dataprobleem dan het klinkt. Formatieve beoordeling – voortdurend bewijsmateriaal dat leraren tijdens het lesgeven verzamelen – vormt de kern van goed lesgeven. Maar op de meeste scholen bevindt dat bewijsmateriaal zich in losgekoppelde systemen, als het al kan worden vastgelegd. Tools die lesplannen kunnen genereren, kunnen leraren niet vertellen of hun klas er klaar voor is, omdat ze geen toegang hebben tot een doorlopend beeld van het begrip van de leerlingen. Het kennen van uw kinderen gaat niet alleen over het hebben van gegevens. Het gaat erom dat je er wijs uit kunt worden – in elke leerling, in elke vaardigheid, in maanden geschiedenis. En dat allemaal in het tempo dat goed onderwijs eigenlijk vereist.
Dit is het probleem dat de nieuwste technologie van HMH eindelijk begint op te lossen. In plaats van tussen leerlingen en docenten te zitten, werkt ons dynamische leermodel achter de schermen door gegevens uit toetsen en de leergeschiedenis van elke leerling te koppelen aan een kaart van hoe kennis zich in de loop van de tijd ontwikkelt. Voorafgaand aan een les over het optellen van breuken kan een docent die ons platform gebruikt, zien of haar klas blijk heeft gegeven van beheersing van gelijkwaardige breuken – en het allerbelangrijkste: ze ziet waarom, en niet alleen maar een aanbeveling. Transparante redenen die hij kan ondervragen, geloven en ernaar kan handelen. Geen zwarte doos.
Dat is iets wat het veld tot nu toe niet heeft kunnen doen.
DE VERSIE DIE ECHT WERKT
Naarmate de technologie vordert, zullen leraren die toegang hebben tot dit soort intelligentie hun klaslokalen op een andere manier betreden. AI verschijnt precies daar waar de leerling is, legt het uit en geeft concrete aanbevelingen aan de leraar – voordat de bel gaat. De docent belt nog wel. Maar hij zal slagen met een niveau van situationeel bewustzijn dat gewoonlijk jaren nodig heeft om zich te ontwikkelen. Maar het is nog steeds niet compleet.
Leraren met dit soort intelligentie beschikken niet alleen over betere informatie. Ze krijgen de vrijheid om betere leraren te worden.
De visie van AI als een onvermoeibare persoonlijke mentor voor elke student is een verleidelijk doel, maar het geeft een verkeerd beeld van de efficiëntie in het onderwijs. Dit optimaliseert de overdracht van inhoud, terwijl de dingen die het leren echt gaande houden buiten beschouwing worden gelaten, zoals leraren die merken wanneer er iets misgaat, die halverwege de les aanpassingen doen, die ervoor zorgen dat leerlingen zich echt verzorgd voelen. Die dingen gebeuren niet op het scherm. Het gebeurt in klaslokalen, tussen mensen. Omdat de klasruimte geen inefficiëntie is, proberen we deze te optimaliseren. Dat is het punt.
Jack Lynch is de CEO van HMH.
