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

Wetenschap beweegt zich snel, maar STEM heeft geen gelijke tred gehouden. 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 voor mensen 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 ontwerpopgave. En als iemand die games, leerplatforms en immersieve technologie heeft gebouwd voor het grootste deel van mijn carrière (en om nog maar te zwijgen, 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 op een manier doen die toegang uitbreidt zonder de lat te verlagen.

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

Het gaat niet om snelheid. Het gaat om pasvorm.

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

Neem wetenschapslabo’s. Fysieke labo’s zijn duur, moeilijk in te plannen en vaak buiten bereik van studenten die niet op een traditioneel campus zitten. Voor de miljoenen studenten die online of part-time 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 opbouwen 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 hoge kwaliteit wetenschappelijk onderwijs sneller in meer klaslokalen krijgen. En we kunnen dat doen zonder hoeken af te snijden of het contact met mensen te verliezen.

Laat mensen leiden, niet het algoritme

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

Elke simulatie die we publiceren, gaat door echte wetenschappers en instructieontwerpers heen. 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, leeftijdsgebonden en afgestemd op hoe studenten leren.

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

Dit is niet alleen een kwaliteitskwestie; het is een vertrouwenskwestie. Als we technologie willen laten ondersteunen om meer eerlijk onderwijs te geven, moet het zorgvuldig worden gebouwd en met echte toezicht. Het moet deel uitmaken van een systeem dat prioriteit geeft aan studenten en leraren, niet software.

Praktijkleren dat blijft hangen