Dr. Anthony Lee, President en CEO van Westcliff University – Interviewreeks

Dr. Anthony M. Lee is de president van Westcliff University in Irvine, Californië, een van de snelst groeiende universiteiten in de VS, die in een decennium is gegroeid van minder dan een paar honderd studenten tot meer dan 3.000 studenten. Dr. Lee heeft leidinggevende functies bekleed bij verschillende universiteiten en scholen in de VS en internationaal. Met expertise in innovatieve hybride en online programma’s, heeft Dr. Lee nieuwe programma’s gelanceerd die technologie combineren met traditionele campusgebonden klassen voor een verbeterde leerervaring. Hij heeft scholen succesvol door het accreditatieproces geleid op universitair en K-12 niveau. Zijn ervaring heeft hem een leider gemaakt in veel kritische gebieden binnen het hoger onderwijs, waaronder marketing, financiën, operaties, naleving en accreditatie.

Hoe is uw definitie van arbeidsmarktgereedheid geëvolueerd in de tijd van generatieve AI en automatisering?

Arbeidsmarktgereedheid betekende vroeger technische competentie en de mogelijkheid om onmiddellijk bij te dragen within een gedefinieerde rol. In de tijd van generatieve AI is die definitie niet langer voldoende, omdat de aard van het werk zelf verandert.

Vandaag betekent gereedheid effectief functioneren in omgevingen waar intelligentie wordt verdeeld tussen mensen en machines, waar tools voortdurend evolueren en waar uitvoering steeds vaker wordt versterkt. Het concurrentievoordeel ligt niet langer alleen in het kennen van een taak, maar in het kennen van hoe problemen te formuleren, AI-uitvoer te controleren, aannamen te onderzoeken en oordeel te vellen onder echte wereldbeperkingen.

We zien een verschuiving van taakuitvoering naar cognitieve toezicht. Entry-level werk wordt opnieuw gedefinieerd. Routineproductie kan worden geautomatiseerd, verantwoordelijkheid niet. Dat legt meer nadruk op kritisch denken, ethisch redeneren, contextuele bewustzijn en de mogelijkheid om AI-gegenereerde uitvoer om te zetten in verantwoorde beslissingen.

Bij Westcliff zien we arbeidsmarktgereedheid als de integratie van domeinexpertise, AI-beheersing en gedisciplineerd menselijk oordeel. Studenten moeten begrijpen hoe generatieve systemen functioneren, waar ze hefboomwerking creëren en waar ze risico introduceren. Nog belangrijker, ze moeten leren hoe ze kunnen samenwerken met deze systemen zonder intellectuele verantwoordelijkheid uit te besteden.

Ons applied learning model is ontworpen rond gestructureerde betrokkenheid bij opkomende technologieën in authentieke contexten. Het doel is niet alleen toolvaardigheid, maar adaptieve capaciteit, de mogelijkheid om effectief te blijven als tools veranderen.

In deze tijd zullen professionals die uitblinken niet zijn die concurreren met AI, maar die AI zorgvuldig kunnen sturen, kritisch kunnen onderzoeken en verantwoordelijk kunnen blijven voor de resultaten die het beïnvloedt. Dat is wat arbeidsmarktgereedheid nu vereist.

Wat betekent het voor een instelling om AI serieus te nemen op het niveau van het curriculum en de instelling, in plaats van het te behandelen als een add-on?

AI is geen instructietool. Het verandert de architectuur van het onderwijs zelf.

Serieus nemen van AI begint met herontwerp. Elk vakgebied moet onderzoeken hoe generatieve systemen professionele verwachtingen veranderen en definiëren wat AI-versterkte vaardigheid vereist. Beoordeling moet redenering en toegepaste competentie meten, niet alleen uitvoer.

Maar serieus nemen vraagt ook om institutionele coherentie. AI-geletterdheid kan niet in geïsoleerde cursussen zitten. Faculteitsontwikkeling, bestuur, beoordelingsstrategie en leveranciersbeheer moeten worden uitgelijnd rond een duidelijk principe dat technologie academische kwaliteit moet versterken, niet verwateren.

Op dat punt wordt AI onderdeel van de intellectuele infrastructuur van de universiteit. Het vormt hoe leren wordt gestructureerd, hoe meesterschap wordt aangetoond en hoe institutionele geloofwaardigheid wordt onderhouden in een arbeidsmarkt waar menselijk oordeel en machinecapaciteit naast elkaar opereren. Dat is de manier waarop we bij Westcliff vooruitgang boeken.

Hoe balanceren jullie fundamentale menselijke vaardigheden met het leren van studenten om effectief samen te werken met AI?

Ik zie dit niet als een compromis. Als AI generatieve AI de premie op fundamentele menselijke capaciteiten verhoogt.

Wanneer routinecognitieve productie goedkoop wordt, wordt het differentiator hogere-orde redenering. Kritisch denken betekent beter vragen formuleren en machinegegenereerde uitvoer onderzoeken. Oordeel betekent weten wanneer je op een systeem moet vertrouwen en wanneer je moet pauzeren. Ethiek wordt praktisch en gaat over het begrijpen van de gevolgen van het inzetten van intelligente systemen op grote schaal.

Studenten moeten leren denken in AI-aanwezige omgevingen. Prompting is een startpunt, maar cognitief toezicht is de diepere vaardigheid. Afgestudeerden moeten conclusies kunnen formuleren en verdedigen die zijn geïnformeerd, maar niet bepaald door intelligente systemen.

Bij Westcliff behandelen we AI-beheersing als een versterker van fundamentele vaardigheden. Studenten engageren met intelligente tools terwijl ze verantwoordelijk blijven voor duidelijkheid, geloofwaardigheid en gevolg. Op lange termijn zullen professionals die uitblinken intellectuele diepte combineren met technologie-agile.

Welke delen van het hoger onderwijs zijn het meest kwetsbaar voor verstoring door AI, en welke gebieden zijn meer robuust dan mensen verwachten?

De meest kwetsbare gebieden zijn gebaseerd op informatietransfer en gestandaardiseerde uitvoer. Als een model voornamelijk afhankelijk is van instructiebezorging of beoordelingen die productie meten, zal AI het snel uitdagen.

Hoger onderwijs is meer robuust waar het centrumontwikkeling, mentorship, toegepaste praktijk, teamwork, klinisch leren en professionele identiteitsvorming omvat. AI kan deze ervaringen ondersteunen, maar kan ze niet vervangen. Groei die wordt opgebouwd door feedback en verantwoordelijkheid.

De scheidslijn is ontwerp. Instellingen die zich voornamelijk zien als inhoudsleveranciers zijn blootgesteld. Diegenen die opereren als intentionele leer systemen, gefocust op redenering, toegepaste competentie en meetbare groei, blijven zeer relevant.

AI verhoogt de standaard voor wat een diploma moet vertegenwoordigen.

Hoe moeten universiteiten het ontwerp van diploma’s heroverwegen nu AI de tijd tot vaardigheid comprimeert en de drempel naar toegang verlaagt?

Terwijl AI de tijd comprimeert die nodig is om technische vaardigheden te verwerven, moeten universiteiten verduidelijken waar een diploma waarde toevoegt.

Als tools taakvaardigheid versnellen, moet hoger onderwijs zich richten op wat niet kan worden geautomatiseerd, conceptuele diepte, gestructureerd probleemoplossend denken, ethisch oordeel en duurzame prestaties onder beperkingen.

Diploma-ontwerp moet modulair en toegepast zijn, maar coherent. Het doel is cumulatieve competentie, integratie van technische vaardigheid met redenering en adaptiviteit.

AI verlaagt de drempel naar toegang. Universiteiten moeten reageren door de drempel voor integratie, oordeel en aangetoonde capaciteit te verhogen. Een diploma moet duurzame competentie signaleren, niet alleen blootstelling.

Bij Westcliff zien we diploma’s als dynamische ecosystemen in plaats van vaste lineaire progressies. Stapelbare referenties en geladderde paden stellen leerlingen in staat om opnieuw te engageren als industrieën verschuiven, terwijl ze coherentie en rigor behouden. Flexibiliteit is belangrijk, maar intellectuele vooruitgang is belangrijker.

Wat is de rol van AI in beoordeling en certificering?

AI dwingt het hoger onderwijs om een realiteit onder ogen te zien die al bestond voordat de technologie zelf ontstond. Veel traditionele beoordelingen maten productie in plaats van begrip. Als een taak nu met minimale inspanning kan worden geautomatiseerd, moeten we ons afvragen of het ooit redenering heeft vastgelegd.

Beoordeling moet verschuiven naar authentieke demonstratie van competentie, mondelinge verdediging, scenario-gebaseerd probleemoplossend denken, iteratieve verbetering, toegepaste simulaties en portfolio-bewijs dat denken zichtbaar maakt. In een AI-omgeving is wat telt niet alleen het artifact, maar het cognitieve proces erachter.

Bij Westcliff zijn we overgestapt op mondelinge en iteratieve beoordelingsmodellen die studenten verplichten om hun redenering in real-time te formuleren en te verdedigen. AI kan helpen door adaptieve prompts te genereren en schaalbare feedback te ondersteunen, maar ontwerpverantwoordelijkheid blijft menselijk. Instellingen moeten ervoor zorgen dat ze leerlingcognitie evalueren, niet modeluitvoer.

Certificering gaat steeds meer over aangetoonde capaciteit in plaats van opgezette zitplaatsen. Werkgevers willen bewijs van toegepaste competentie en verantwoordelijk oordeel. Instellingen die beoordeling proactief herontwerpen, versterken de geloofwaardigheid van hun diploma’s.

Als het op een verantwoorde manier wordt geïmplementeerd, legt AI bloot waar academische standaarden moeten worden verhoogd.

Hoe pakken jullie bestuur en toezicht aan bij het introduceren van AI in onderwijs en administratie?

We benaderen AI zoals we elke systeem zouden benaderen die het academische niveau en de institutionele geloofwaardigheid materieel beïnvloedt. Bestuur begint met duidelijke doelstellingen, gedefinieerde grenzen en duidelijke verantwoordingslijnen.

Effectief toezicht zorgt ervoor dat innovatie vertrouwen versterkt in plaats van ondermijnt. Dat betekent strikte gegevensbescherming en -beveiliging, vooroordelen en eerlijkheidsbeoordeling wanneer systemen studentenresultaten beïnvloeden, en transparantie over welke tools worden gebruikt en hoe gegevens worden verwerkt.

Het vereist ook het bijwerken van integriteitskaders om huidige realiteiten te weerspiegelen in plaats van verouderde aannamen. Faculteitsontwikkeling is cruciaal zodat adoptie intentioneel is en aansluit bij leerdoelen, in plaats van gefragmenteerd of reactief te zijn.

Toen we AI-ondersteunde beoordelingsmodellen introduceerden bij Westcliff, was toezicht ingebed in het ontwerp. Faculteiten bewaakten de implementatie, evalueerden de impact en verfijnden processen op basis van bewijs. Leveranciersbeoordeling is continu, niet episodisch. Instellingen moeten regelmatig de uitlijning met academische standaarden en studentenbescherming opnieuw evalueren.

Het doel is verantwoorde innovatie.

Welke misvattingen hebben docenten meestal over AI, en welke mentaliteitsverandering is vereist?

Twee misvattingen komen vaak naar voren. De eerste is dat AI voornamelijk een probleem van vals spelen is. De tweede is dat het alleen een productiviteitstool is. Het is geen van beide in isolatie. Meer fundamenteel, het weerspiegelt een verschuiving in hoe kennis wordt gegenereerd, geëvalueerd en toegepast.

Wanneer instellingen AI alleen als een integriteitsprobleem behandelen, kiezen ze voor beperking. Wanneer ze het alleen als efficiëntie behandelen, onderschatten ze de implicaties. De belangrijkere vraag is hoe leren te ontwerpen zodat redenering zichtbaar en verantwoord blijft in een AI-omgeving.

De noodzakelijke mentaliteitsverandering is van controle naar ontwerp. Dit stelt faculteiten in staat om centraal te staan als architecten van leerervaringen die oordeel, synthese en toegepaste competentie benadrukken.

Met institutionele ondersteuning, gedeelde praktijken en coherente governance kunnen docenten echt vooruitgang boeken waar AI de lat voor doordachte pedagogie verhoogt en academisch ontwerp belangrijker maakt dan ooit tevoren.

Hoe moeten universiteiten studenten voorbereiden op een arbeidsmarkt waar rollen vloeibaar zijn en AI entry-level werk herdefinieert?

Entry-level rollen hebben traditioneel gediend als opleidingsgebieden voor routineproductietaken. In veel sectoren neemt AI nu een groot deel van dat vroegstadiumwerk over. Als gevolg daarvan worden afgestudeerden verwacht om op een hoger niveau te opereren.

Voorbereiding moet zich richten op capaciteiten die moeilijk te automatiseren zijn: probleemformulering, communicatie, besluitvorming en verantwoord toezicht op intelligente systemen. Studenten moeten comfortabel zijn met werken in ambiguïteit, waar tools evolueren en rollen vloeibaar zijn.

Universiteiten moeten adaptieve competenties benadrukken die contexten overstijgen in plaats van alleen smalle specialisatie. Gestruktureerd, projectgebaseerd leren met echte beperkingen is essentieel. Wanneer studenten complexe problemen oplossen en hun aanbevelingen verdedigen, oefenen ze het soort verantwoorde denken dat werkgevers steeds meer waarderen.

AI-geletterdheid moet baseline worden. Niet iedereen hoeft modellen te bouwen, maar iedereen moet begrijpen hoe intelligente systemen beslissingen binnen hun beroep beïnvloeden.

De arbeidsmarkt zal blijven verschuiven. De verantwoordelijkheid van het hoger onderwijs is niet om elke rol te voorspellen, maar om afgestudeerden te produceren die over rollen heen kunnen bewegen, continu kunnen leren en significante bijdragen kunnen leveren in omgevingen die worden gevormd door versnellende technologie.

Wat zou aangeven dat een universiteit met succes is aangepast aan AI-gedreven verandering in plaats van alleen te overleven?

Succes zal worden gemeten door resultaten en niet door openbare positie of ijdelheidsmetrieken.

Een universiteit heeft zich echt aangepast wanneer het curriculum en de beoordelingsmodellen zijn herontworpen rondom competentie op basis van de echte wereld in plaats van inhoudslevering. Faculteiten kunnen doordachte leerontwerp demonstreren versus laggard-adoptanten en studenten kunnen duidelijk hun redenering formuleren en verdedigen op manieren die niet op aanvraag kunnen worden gegenereerd.

Institutionele aanpassing is ook zichtbaar in governance. AI-gebruik is transparant, toezicht is ingebed en we kunnen aantonen dat vertrouwen in academische resultaten sterker wordt in plaats van afneemt.

Het meest betrouwbare indicatie is externe validatie. Werkgevers erkennen dat afgestudeerden getoonde oordeel, toegepaste capaciteit, besluitvorming en vaardigheid in AI-omgevingen demonstreren.

Aanpassing betekent flexibiliteit zonder compromis. De instelling evolueert naarmate technologie vordert, terwijl ze strikte standaarden en ethische duidelijkheid handhaaft. Bij Westcliff geloven we dat we een leermodel produceren dat geloofwaardig, veerkrachtig en waardevol blijft terwijl AI het landschap blijft herschikken.

Bedankt voor het geweldige interview, lezers die meer willen leren over deze faculteit, moeten Westcliff University bezoeken.