Wie bouwt nu leren? AI en de democratisering van onderwijs

AI heeft het mogelijk gemaakt voor bijna iedereen om iets te creëren dat op leren lijkt.

Een leerling kan een document uploaden en om een samenvatting vragen. Een manager kan een PDF omzetten in een quiz. Een onderwerpdeskundige kan vragen om een cursusoverzicht, leerdoelen en een beoordeling in een paar minuten.

Dat is een echte verschuiving. Ik denk dat we de belangrijkheid ervan niet moeten bagatelliseren. Voor het eerst kunnen mensen nuttige leer materiaal creëren zonder altijd een platform, een productieteam of een instructieontwerper nodig te hebben.

Maar we moeten voorzichtig zijn over wat we bedoelen met leren.

Er is een verschil tussen het ontdekken van het antwoord op een vraag en het opbouwen van kennis. En er is een verschil tussen een nuttige leer episode en een serieus leerproces.

AI is al heel goed in het eerste deel. Als je een klein probleem wilt oplossen, een eenvoudig recept wilt volgen of met een zeer specifieke context wilt omgaan, kan AI een geweldige job doen. Het kan je een snel antwoord geven, een concept uitleggen, een quiz creëren, een document samenvatten of iemand helpen om iets te begrijpen op het moment.

Een eenvoudig voorbeeld. Ik kan twee hoofdstukken uit een geschiedenisboek uploaden en een vragenlijst voor mijn dochter creëren. Ik heb niets anders nodig. Ik kan iets dergelijks in een moment creëren en we kunnen ontdekken wat ze weet en niet weet.

Dat is nuttig, en in sommige gevallen is het genoeg.

Maar mijn dochter helpen om geschiedenis te leren door direct met AI te communiceren, is een heel andere zaak.

Dat onderscheid is belangrijk omdat veel van de conversatie over AI en leren die twee dingen als hetzelfde behandelt, wat ze niet zijn. Een leer episode kan instant, nuttig en gepersonaliseerd zijn. Een leerproces is iets anders. Het heeft structuur en richting. Het vraagt de leerling om van niet weten naar weten, naar toepassen, naar reflecteren, naar uiteindelijk de manier van denken of handelen te veranderen. Dat is veel moeilijker.

Toegang tot creatie is niet hetzelfde als meesterschap over ontwerp

Wanneer mensen praten over AI die onderwijs democratiseren, denk ik dat dit waar het argument interessant wordt. AI heeft absoluut toegang tot creatie gedemocratiseerd. Meer mensen kunnen nu leer materiaal creëren. Meer onderwerpdeskundigen kunnen hun kennis in iets gestructureerds omzetten en meer leerlingen kunnen hulp krijgen op het exacte moment dat ze het nodig hebben.

Maar toegang tot leer creatie is niet hetzelfde als meesterschap over leer ontwerp.

Als iemand iets eenvoudigs wilt leren, kan AI genoeg zijn. Maar als iemand iets serieus wilt leren, zoals nucleaire fysica, leiderschap, klinische oordeel of enige serieuze capaciteit, moet de persoon die leert veel meer doen dan alleen een cursus volgen. Ze moeten de controle over het leerproces nemen. Ze moeten begrijpen of de inhoud goed is, of de volgende stap zin heeft en of ze de kennis echt assimileren.

Dat vereist dat ze al hun metacognitieve vaardigheden gebruiken om het leren te sturen. In werkelijkheid willen de meeste mensen die last niet hebben. Ze willen niet hun energie besteden aan het constant beslissen of het leerproces correct is. Ze willen gewoon leren.

Dit is de eerste grote beperking van prompt-only leren. Het ziet er empowerment uit, maar het vraagt veel van het individu. Ze moeten de juiste invoer kiezen, de juiste vraag stellen, de kwaliteit van het antwoord beoordelen, het systeem omleiden wanneer het fout gaat en zichzelf motiveren.

AI-ondersteund leren is een continuüm

Ik denk niet dat de toekomst simpelweg “AI creëert de cursus” is. De manier om over AI-ondersteund leer creëren na te denken is als een continuüm. Aan de ene kant is er prompt-only creatie. Een gebruiker vraagt AI om een beginnerscursus over een onderwerp te creëren. Het is snel en nuttig als startpunt. Maar het is ook beperkt. Het klinkt coherent en gepolijst, maar dat betekent niet dat het een sterke pedagogiek achter zich heeft of een sterke afstemming met het echte doel van de leerling.

Daarna is er resource-gerichte creatie. Hier werkt AI vanuit echte bronmateriaal zoals een video, een handleiding, een lezing, een artikel. Dat is sterker omdat het systeem is gebaseerd op iets feitelijks.

Vervolgens komt doel-gerichte creatie, waarbij het startpunt niet alleen inhoud is, maar een resultaat. Welke capaciteit proberen we te bouwen? Wat moet iemand kunnen doen daarna? Hoe weten we of ze het kunnen doen?

Een andere route is leerproces-gerichte creatie. Hier vormt de educator of instructieontwerper de ervaring. Waar begint de leerling? Waar moet hij worstelen? Wanneer moet hij reflecteren? Wanneer moet hij oefenen? Wanneer moet hij worden beoordeeld?

Tenslotte is er menselijk gecurateerde creatie, waarbij de deskundige nauw betrokken blijft bij de structuur, sequentie, beoordeling en betekenis van de ervaring. AI is er nog steeds, maar het is niet de regisseur. Het is de assistent.

Dit onderscheid is belangrijk omdat leren niet één ding is. Het hangt af van hoe je leren definieert en wat voor soort leren je probeert te creëren.

Wanneer we het hebben over kritisch denken, diep leren, lange reizen, grote doelen en belangrijke beslissingen, hebben we menselijk gericht leren nodig.

Hetzelfde geldt voor de assets die we AI geven. Er is een groot verschil tussen AI vragen om iets te creëren vanuit een lege prompt en het voorzien van een rijke set leer assets zoals bronmateriaal, activiteiten, leerpaden, beoordelingen en complete programma’s. Hoe serieuzer het leerdoel, hoe meer de kwaliteit van die invoer ertoe doet.

Het probleem was nooit alleen inhoud

Dit is waar ik denk dat veel organisaties fouten zullen maken. Ze zullen zien dat AI meer inhoud kan produceren, sneller, en ze zullen aannemen dat het probleem is opgelost.

In feite vereenvoudigen we leren elke keer als er een technologische revolutie plaatsvindt. Toen de radio arriveerde, zeiden mensen dat er geen reden was om naar school te gaan omdat studenten konden luisteren. Toen de bioscoop arriveerde, vroegen mensen waarom we nog boeken nodig hadden. Nu is AI gearriveerd, en we riskeren hetzelfde te doen. We riskeren aan te nemen dat omdat een nieuw medium informatie kan presenteren, het leren kan vervangen.

Het grootste probleem is de vereenvoudiging van wat leren is

Leren is niet alleen informatieoverdracht. Het is niet alleen cognitief. Het is sociaal. Het is emotioneel. Het is cultureel. Het draagt waarden. Leren komt met waarden en leren komt met visies van de toekomst.

Dat is het verschil tussen functioneel leren en transformatief leren. Functioneel leren kan iemand laten zien hoe hij een kop koffie maakt door een recept te volgen. Gebruik dit bedrag aan water, dit bedrag aan koffie, deze methode, deze timing. Transformatief leren helpt hen om te begrijpen hoe ze echt goede koffie maken. Hoe grindgrootte de smaak verandert, hoe water temperatuur de extractie beïnvloedt, hoe smaak ontwikkelt, hoe aan te passen wanneer iets verkeerd gaat en uiteindelijk hoe ze iets van hun eigen maken. Dat klinkt als een kleine onderscheid, maar het is niet. Het verandert wat we denken dat leren is.

Er is een nuttige manier om hierover na te denken. Leren heeft een politiek en een kunst.

Dat betekent niet politiek in een smalle partijpolitieke zin. Het betekent dat leren nooit neutraal is. We maken altijd beslissingen over wat ertoe doet, wat moet worden uitgedaagd en wat voor soort toekomst we naar toe werken. Leren is altijd politiek in die bredere zin, omdat je een beslissing neemt over de weg die je inslaat. We leggen altijd emotie, waarden en perspectief in.

En leren is ook kunst, omdat het gaat over hoe mensen de wereld begrijpen en interpreteren terwijl de wereld om hen heen verandert. AI kan helpen, maar het kan het niet bezitten.

Dit is waar de educator en instructieontwerper belangrijker worden, niet minder. Terwijl AI meer van het daadwerkelijke productiewerk overneemt, verschuift hun waarde naar het vormen van het doel, de structuur en de richting van de leerervaring.

In het verleden werd veel van de instructieontwerptijd besteed aan het produceren van de stukken van leren. Bij LearnWorlds zien we deze verschuiving rechtstreeks: instructieontwerpers hoeven niet langer zo veel tijd te besteden aan het creëren van de inhoud, het beeld, de video of het asset. Ze kunnen veel meer tijd besteden aan de details en verfijningen van de leerreis.

Dat is de belangrijke verschuiving. De educator gaat upstream. Ze worden minder een inhoudsproducent en meer een regisseur.

Neem elk geweldig boek dat meer dan eens is aangepast. Het bronmateriaal kan hetzelfde zijn, maar twee regisseurs zullen niet dezelfde film maken. De toon, het tempo, de sfeer, wat wordt benadrukt en wat het verhaal lijkt te betekenen, komen allemaal van de persoon die het regisseert, omdat ze hun eigen persoonlijke interpretatie en perspectief meebrengen.

Leren werkt op dezelfde manier. Leren is een verhalenervaring, bijna een cinematografische ervaring. Hetzelfde bronmateriaal kan veel verschillende leerervaringen worden. Leren is niet één verhaal uit hetzelfde boek. Er zijn veel verschillende verhalen.

Die rijkdom telt. Het is geen inefficiëntie die moet worden verwijderd. Het is onderdeel van wat leren menselijk maakt en het is onderdeel van wat ons verschillende perspectieven, manieren van denken en cultuur geeft.

Dit is waar ik denk dat AI spannend wordt, in plaats van bedreigend. Het geeft educators een grotere ontwerpruimte. Dit is waarom we het hebben over regisseurs en ontwerpers. Educators kunnen nu de ontwerpruimte openen, prototypes van een leerreis creëren, verschillende mogelijkheden verkennen en dieper in het ontwerp gaan dan ze voorheen konden.

AI kan helpen om materiaal te genereren, maar de mens beslist nog steeds wat de ervaring probeert te doen. Dat is het essentiële verschil tussen inhoudsgeneratie en leerontwerp.

Richting verandert materiaal in leren

Zonder die richting is er een gevaar dat organisaties een AI-interactie zullen behandelen alsof leren heeft plaatsgevonden. AI geeft je een perspectief op wat bestaat. Het is slechts een perspectief. Soms is het een heel goed perspectief. Soms is het verrassend en nuttig. Maar een uniek gesprek of een paar interacties moeten niet worden behandeld alsof het leren is voltooid.

Er is nog een risico. Wanneer een leerling alleen met AI is, kan iets sociaals verloren gaan. Leren is sociaal. Historisch gezien zijn ideeën, disciplines en bewegingen ontwikkeld door mensen, gemeenschappen, meningsverschillen en gedeelde normen. Wanneer het alleen de leerling en AI is, verliezen we sommige van die sociale componenten die helpen om ideeën en kennis te testen en te ontwikkelen.

AI kan het proces personaliseren tot een buitengewone mate, maar miljoenen afzonderlijke gesprekken tussen individuen en machines zijn niet hetzelfde als een gedeelde intellectuele cultuur. Als leren te geïsoleerd wordt, riskeren we sommige van de meningsverschillen, onderhandelingen en collectieve zin te verliezen die kennis helpen te ontwikkelen.

De vraag is niet alleen of een individu effectief kan leren met AI. Het is wat er gebeurt met de collectieve menselijke vooruitgang wanneer zo veel leren plaatsvindt in privé.

Dat betekent niet dat we AI moeten afwijzen. Integendeel. Ik ben de eerste en grootste ambassadeur van deze technologie. AI kan ons just-in-time ondersteuning geven. Het kan context begrijpen. Het kan met documenten werken. Het kan nuttige antwoorden creëren in een paar seconden.

Maar we moeten begrijpen wat voor soort leren we het vragen te ondersteunen.

Voor organisaties wordt dit een praktische vraag. Waar is AI genoeg? Waar hebben we gerichte leerervaringen nodig? Waar hebben we beoordeling, feedback, validatie en een menselijk perspectief nodig? Waar moeten we mensen beter laten worden in het gebruik van AI zelf?

Omdat als we verwachten dat mensen met zeer intelligente copilots werken, ze ook beter moeten worden. Als je met een zeer intelligente machine werkt, moet je je spel verhogen. Je moet begrijpen waarom het zegt wat het zegt.

Dus ja, AI heeft veranderd wie leren kan bouwen. Het heeft creatie geopend voor meer mensen. Het heeft veel soorten leren sneller, gemakkelijker en toegankelijker gemaakt.

Maar hoe meer AI creatie democratiseert, hoe meer we richting moeten begrijpen. De politiek en de kunst achter leren.

De toekomst zal niet worden gebouwd door te doen alsof AI alles alleen kan doen. Het zal worden gebouwd door mensen die begrijpen wanneer AI moet genereren, wanneer het moet assisteren, wanneer het moet aanpassen en wanneer een mens nog steeds de ervaring moet sturen.

Prompting kan materiaal creëren, maar richting is wat dat materiaal in leren verandert.