Hoe slimmere technologie de kloof in het STEM-onderwijs kan helpen dichten

De wetenschap beweegt zich snel, maar STEM heeft niet hetzelfde tempo gehad. Op een moment waarop we meer wetenschappers, ingenieurs en gezondheidszorgprofessionals nodig hebben dan ooit, worden te veel studenten nog steeds achtergelaten. Voor leerlingen in landelijke gebieden, ondergefinancierde scholen of die werk en zorgtaken combineren, kan de weg naar een STEM-carrière geblokkeerd zijn voordat deze überhaupt begint.

Dit is niet alleen een beleidsprobleem of een budgetkwestie. Het is een ontwerpuitdaging. En als iemand die games, leerplatforms en immersieve technologie heeft gebouwd voor het grootste deel van mijn carrière (en niet om te vergeten, als vader van vier), is het een uitdaging die ik zeer persoonlijk neem. We moeten opnieuw nadenken over wat leren inhoudt en we moeten het doen op een manier die toegang uitbreidt zonder de lat te verlagen.

Dat is waar slimmere technologie om de hoek komt. Niet technologie voor de technologie zelf, maar tools die helpen om docenten meer te doen met minder, studenten hands-on oefening te geven ongeacht waar ze zijn, en echte wetenschap mogelijk te maken.

Het gaat niet om snelheid. Het gaat om passen.

Er is veel hype over hoe kunstmatige intelligentie (AI) het onderwijs sneller kan maken. Maar alleen snelheid is niet nuttig als het de studenten niet dient. Wat belangrijker is, is of de inhoud leerlingen ontmoet waar ze zijn en ze geeft wat ze nodig hebben om te slagen.

Neem wetenschapslabo’s. Fysieke labo’s zijn duur, moeilijk in te plannen en vaak ontoegankelijk voor studenten die niet op een traditioneel campus zitten. Voor de miljoenen studenten die online of parttime leren, is dat een deal-breaker.

Virtuele labo’s kunnen helpen om dat op te lossen. Ze maken het mogelijk om complexe experimenten via een browser te leveren, waardoor studenten veilig en flexibel kunnen oefenen. Maar het bouwen van die labo’s kost tijd – en dat is waar nieuwe technologie kan helpen. Door AI te gebruiken om academische experts te ondersteunen, kunnen onze teams simuleringsontwerpen genereren of inhoudsgaten opsporen en hoogwaardig wetenschappelijk onderwijs in meer klaslokalen brengen, sneller. En we kunnen het doen zonder hoeken af te snijden of contact met mensen te verliezen.

Laat mensen leiden, niet het algoritme

Er is een goede en een verkeerde manier om technologie in het onderwijs te gebruiken. We hebben geëxperimenteerd met manieren om AI achter de schermen te gebruiken. Dat betekent het bouwen van tools die onze teams helpen sneller te werken, niet het vervangen van docenten of curriculum.

Ieder simulatie die we publiceren, zal worden beoordeeld door echte wetenschappers en instructieontwerpers. AI kan helpen om een vroege versie te genereren, maar het zijn de experts die het eindproduct vormgeven. Die menselijke laag is essentieel. Het houdt de inhoud accuraat, leeftijdspecifiek en afgestemd op hoe studenten leren.

En het stopt niet bij interne beoordeling. We testen met echte docenten om te zien hoe het materiaal presteert in de klas, online en in hybride formaten. We kijken naar betrokkenheid, begrip en gebieden waar studenten vastlopen. Al die gegevens voeden terug in hoe we onze inhoud verfijnen.

Dit is niet alleen een kwestie van kwaliteit; het is een kwestie van vertrouwen. Als we technologie willen gebruiken om een meer gelijkwaardig onderwijs te ondersteunen, moet het zorgvuldig worden gebouwd en met echte toezicht. Het moet deel uitmaken van een systeem dat prioriteit geeft aan studenten en docenten, niet software.

Praktisch leren dat blijft hangen

Een van de grote vragen in het onderwijs op dit moment is: hoe weten we of studenten echt leren? Met tools zoals ChatGPT is het gemakkelijker dan ooit om een essay te fabriceren of een probleemopgave op te lossen. Dat is een uitdaging voor scholen – en een kans voor platforms die leren via ervaring, niet via memorisatie.

Virtuele labo’s zijn een antwoord. Wanneer studenten een experiment uitvoeren, troubleshooten en zien wat er gebeurt als ze een fout maken, is het leren dieper. Je kunt niet copypasten doorheen dat.

En wat net zo belangrijk is, is de feedbacklus. In een goed ontworpen simulatie krijgen studenten real-time begeleiding, niet alleen scores. Ze worden aangemoedigd om na te denken over hun acties, misstappen te herzien en kritisch te denken. Dat soort leren blijft hangen, omdat het actief en toegepast is.

We hebben ook gezien hoe simulaties studenten kunnen helpen die weinig vertrouwen hebben in wetenschap. Deze tools geven hen een veilige ruimte om te experimenteren, te falen en opnieuw te proberen. Dat is niet alleen goede pedagogie; het is een manier om een gevoel van capaciteit op te bouwen. En wanneer studenten zichzelf zien als capabel om wetenschap te doen, zijn ze meer geneigd om op het pad te blijven.

Een echt voorbeeld: Yavapai College

Op Yavapai College in Arizona zijn veel studenten ouder, werken of zorgen voor gezinnen. Een paar jaar geleden introduceerden docenten virtuele labo’s in een online microbiologiecursus. De voltooiingsgraad steeg met 16% en de kloof tussen online en fysieke studenten verdween vrijwel volledig.

Dat is wat gebeurt wanneer je ontwerpt met echte studenten in gedachten. Het gaat niet om flashy tools, het gaat om het wegnemen van barrières en het ondersteunen van de resultaten die ertoe doen.

Waar we naartoe gaan

Ik heb gezien hoe technologie kan veranderen hoe mensen leren. Maar wat me het meest enthousiasmeert, is niet het tempo van verandering, maar het potentieel om eindelijk enkele van de kloven te dichten die we al te lang hebben meegedragen.

Niet elke oplossing hoeft te worden aangedreven door AI. Maar de juiste tools, gebruikt door expertmensen, kunnen helpen om meer studenten te laten slagen in wetenschap en om meer docenten te laten doen wat ze het beste doen.

Als ouder wil ik dat mijn kinderen opgroeien in een wereld waarin goed onderwijs niet wordt geblokkeerd door geografie of inkomen of wordt bepaald door generatieve AI. Ik weet dat we die wereld kunnen bouwen als we ons minder richten op buzzwords en meer op het bouwen van wat echt werkt.