SURF organiseert voor de 26ste (!) keer De Onderwijsdagen. Twee dagen lang over onderwijs en ICT. Meer dan 1000 bezoekers, meer dan 60 sessies gespreid over twee dagen. Bijna de helft gaat over AI. Ik ben benieuwd.

Met een mooie maar donkere choreo openen studenten van het Haagse conservatorium.
Decaan Haags Conservatorium
“Dans is een universele taal en de globalisering brengt ons naar plaatsen waar we vroeger enkel konden van dromen. Vanaf de zijlijn is technologie een enorme ondersteuning. Er zijn eindeloze mogelijkheden voor exploratie, documentatie en instructies… maar wanneer je in de dansstudio zit moet je als docent met de student nog altijd fysiek aan de slag.”
Van Mens naar Machine en terug naar de Mens. We zullen dat hier nog horen. De AI hype is gaan liggen en de academici gingen aan de slag. We horen twee dagen lang een genuanceerd verhaal, ambitieus en realistisch tegelijk. I like that a lot!
Keynote1: Waarom leiden we op?
Tijdens de keynote geen tech entrepreneurs of trendwatchers op het podium maar een filosoof en een professor humanistiek, beiden onderwijsprofessionals. Het is tekenend voor de grote maturiteit waarmee ze bij SURF nadenken over technologie.
Er is een verschil tussen WILLEN (motivatie) en MOETEN (inzet). Wanneer in de opleiding ruimte is voor VERWONDERING (interesse en passie) dan vallen willen en moeten samen en komt de student tot groei en zelfontwikkeling.
“Een docent is zoveel meer dan een taalmodelletje.”
Opleidingen zijn teveel gericht op de arbeidsmarkt. We denken dat we Human Resources moeten opleveren terwijl we Human Capital zouden moeten vormen. Opgejaagd door nieuwe technologieën leggen we steeds meer focus op KWALIFICATIE (Wat moet ik kunnen?). Terwijl SUBJECTISATIE (Hoe word ik iemand?) en SOCIALISATIE (Hoe functioneer ik met anderen?) steeds verder in de verdrukking komen. Om die laatste twee te realiseren heb je coaching nodig en Corona heeft ons geleerd dat je daarvoor fysiek onderwijs nodig hebt. Technologie kan dat niet. Je doet dat met gepassioneerde docenten op inspirerende campussen. En zo belanden we, niet verwonderlijk eigenlijk , zomaar terug bij de kritische dialoog van Plato en Socrates. Dát is en blijft de hoofdoelstelling van onderwijs. Technologie verandert daar niets aan. Integendeel!
In essentie is onderwijs de gestructureerde kennistransfer van de ene generatie naar de andere. Om daarna de jeugd de ruimte te geven om zelf aan de slag te gaan. Onderwijs helpt jongeren een plek te vinden in de samenleving (socialisatie!). Hou je studenten geïnteresseerd door zelf een inspirerend rolmodel te zijn (subjectisatie!).

En toch moeten we vandaag nog meer aandacht geven aan technologie.
Het is onze plicht om de ongekende mogelijkheden van Artificiële Intelligentie te exploreren en waar zinvol, te integreren in onze werkmethoden. Als we zo’n krachtige technologie niet omarmen dan dreigen we er de grip op te verliezen. Je kan dat vergelijken met het Monster van Frankenstein. De creatie werd pas een monster doordat Viktor Frankenstein zelf, het in de steek had gelaten.
Sessie AI in het curriculumontwerp
Allart Strijker (PHD filosofie én onderwijskunde) en Leonie Van Vossen (onderwijskundige) lichten het GenAI framework van Saxion hogeschool toe. Opnieuw geen hipster sfeertje, geen paniekzaaierij noch overdreven optimisme. De mogelijkheden van AI werden nuchter geanalyseerd en waar zinvol en ingepast in de bestaande onderwijskaders. De statements van Saxion krijgen hier en daar al eigen wetenschappelijke referenties en testresultaten. Knap!
“AI kan nooit leidend zijn. AI moet altijd ingepast worden in een Mens-Machine-Mens sequentie.”
Zoals vaak bij nieuwe technologie zal je moeten sleutelen aan de eindtermen van je curriculum. Saxion heeft drie AI doelstellingen geformuleerd die moeten verwezenlijkt worden in het curriculum design:

- Leren met GenAI: Dit sluit aan bij wat we al hoorden bij Microsoft. De mogelijkheden van de taalmodellen om geïndividualiseerd leren te ondersteunen zijn veelbelovend. [Wordt GenAI meer een STUVO dan een Opleidingsding?]
- Leren over GenAI: elke student moet de risico’s van AI leren kennen. Dat is een grote uitdaging. Analyseren en In vraag stellen moeten toegevoegd worden aan de klassieke leerdoelen van Weten, Inzien, Toepassen en Integreren. [Heeft Howest een kader voor digitale geletterdheid?]
- Leren voor GenAI in de beroepspraktijk: het is ondertussen duidelijk dat GenAI bepaalde beroepenvelden radicaal verandert. Maar evengoed is het voor bepaalde zaken totaal onbruikbaar. Opleidingen moeten hierover intensief in dialoog gaan met het werkveld. [Heeft Howest hiervoor structurele bevragingen?]
Er is bij lectoren grote paniek over de schrijfopdrachten. Hoe kunnen we studenten evalueren als er werkelijk niets meer zelf geschreven lijkt? De Saxion dame zelf lijkt niet in paniek.
“Natuurlijk hebben de taalmodellen impact op het toetsen. Geen enkele student kan tijdens een schrijfopdracht aan de verleiding van ChatGPT weerstaan. Je moet als docent zelf sleutelen aan je evaluatiemethoden. Zet in op verifiëren, beoordelen, analyseren en herschrijven. Ja hoor, dat is terug old school. Dat zijn schrijfopdrachten met fysiek toezicht, mondelinge toelichting en geïndividualiseerde feedback. Maar het resultaat is zinvoller en rijker dan voorheen.”
Terug naar de oude methoden dus. Mooi hoe die ook post digitaal robuust blijken te zijn 🙂
Case1: AI gedreven support voor docenten en onderwijsadviseurs
Silvester Draaier, Ontwerp ingenieur en doctor in de filosofie demonstreert zijn experimentele tool AI-prompts voor onderwijsontwerp
Samen met een developer ontwierp hij een WordPress frontend bovenop GPT4O die lectoren helpt om oplossingen te vinden voor problemen in de klas. Via een checklist wordt een voorgedefinieerde prompt ingevuld en genereert ChatGPT voor de lector een lijst met oplossingen op maat. “Ik weet dat WordPress niet secure is, maar ik ben gewoon een experimenteerder. Ik kan me permitteren niet wakker te liggen van security :-)”
Het resultaat van de prompt levert veel informatie en refereert ook naar andere gerelateerde content. Ook al leest het resultaat oppervlakkig en stralen de referenties niet altijd veel vertrouwen uit toch lijkt het fijn om als individuele docent je eigen problematiek uitgediept en geherformuleerd te zien. Zo herken je je eigen problemen en komt de oplossing misschien binnen handbereik.
Tot zover iteratie 1. Voor wie een beetje onderwijskundige achtergrond heeft zijn de antwoorden voor de hand liggend. Geen vernieuwende shit. Daarom probeerde Draaier in volgende iteraties tot scherpere antwoorden te komen. Via Retrieval Augmented Generation werd de onderwijskundige visie van de instelling toegevoegd aan de prompt. Maar dat gaf een slechter resultaat. Het antwoord ging te snel over naar de specifieke content. Eerst het internet afschuimen en daaruit dan de overlap met de visie van de instelling destilleren? Neen, zo werken die LLMs niet. Verder dan iteratie 1 is Draaier dus nog niet geraakt. Maar hij blijft verder experimenteren.
Het publiek is wel getriggerd en vuurt hun vragen af op Drijer:
- Zijn de startvragen onderzoek gebaseerd? Nee hoor, dat is gewoon mijn eigen experimental knowledge.
- Is er al onderzoek naar de impact van die antwoorden? Neen. Dit is gewoon een technologieverkenning.
- Wordt dit binnen jullie instelling gebruikt? Nauwelijks, we hebben publiek gezet maar niemand lijkt het te gebruiken. Men test het even of probeert vooral de bot te hacken. Meer niet.
- Kan je borgen dat het antwoord de waarheid is? Neen.
- Neemt zoiets je werk over? Totaal niet.
Conclusie: Taalmodellen helpen overduidelijk in kennisdomeinen waar vrije antwoorden een meerwaarde hebben, problemen waar een anders geformuleerde invalshoek een creatief proces in gang kan steken. Toch heeft deze persoonlijke pedagogische coach nog weinig om het lijf. Het is veelzeggend dat de sessie al klaar is om 12:15 ipv om 12:30.
Case2: Gepersonaliseerde feedback met AI
De sessie van EtAlia charmeert me nog het meest: Automated Short Answer Grading.
Olaf Vrijmoet (economist/data scientist) en zijn compaan Roel Tafa (software engineer) bouwden tijdens hun studie een educatieve website voor het vak geschiedenis. En in hun masterthesis hebben ze daar toen een toetsprogramma met automatische feedback gebouwd. Ondertussen zijn ze met www.EtAlia.nl 4 jaar verder en blijven ze verder bouwen aan hun “AI integrated app to make student’s and teacher’s life easier”.

Olaf is een pientere kerel. Ietwat onwennig op het podium maar spot-on met zijn presentatie en erg scherp tijdens de vragenronde. Ook bij EtAlia maken ze gebruik van een front-end bovenop GPT4O om de prompting te pre-engineeren. Wanneer studenten aan de slag gaan met EtAlia dan vergelijkt de LLM hun antwoorden met het referentieantwoord, geeft punten én schrijft gepersonaliseerde feedback waarom het antwoord ontoereikend is. Hiervoor werd het model getraind met meer dan 5.000 cases.


Olaf en Roel zijn een mooi complementair duo en dat zie je ook aan hun product. Dat is netjes en zonder franjes. Propere dashboards en een erg goed doordacht consent scherm. Mens en machine worden daarduidelijk van elkaar gescheiden. EtAlia doet geen enkele poging om hun tool te humaniseren. En dat zorgt voor duidelijkheid. Als student ga je aan de slag met een machine. Van een lector is (nog) geen sprake. Juist door die heldere afscheiding voelt het inzetten van AI goed en comfortabel.

Bovendien zijn de resultaten indrukwekkend. De kwaliteit van de automatisch gegenereerde feedback werd door een groep lectoren gescoord op 78/100. Diezelfde groep scoorde zichzelf bij een peerreview 82/100. Het model haalt hiermee een accuraatheid van 95%. Dat is meer dan acceptabel.
Conclusie: Op zich is wat EtAlia doet een betrekkelijk eenvoudige oefening. Twee korte teksten met elkaar vergelijken en de verschillen oplijsten. No big deal. Tot je bedenkt dat dit thuis aan het bureau van de student kan gebeuren, real-time en probleemloos schaalbaar. Dát is wel een big deal!
Keynote2: Liminaliteit
Technologie en ethiek staan dicht bij elkaar. Technologie bepaalt steeds meer ons denken en ons waardenkader. Vergelijk het met uitvinding van de anesthesie. Mensen in een bijna-dood toestand brengen, stel je voor! Ook toen er morele bezwaren om die nieuwe technologie toe te passen. terwijl dat nu de normaalste zaak van de wereld is.
Ook AI zal uiteindelijk een extra toolkit voor onze jobs blijken. We kunnen de methodiek van de Large Language Models, by design niet doorgronden. Maar we kunnen wel inzien wat ze doen met ons. Als we kritisch blijven evalueren tenminste. We gaan daarvoor een nieuwe ethiek ontwikkelen. Uit de zorg weten we ondertussen hoe we verantwoord kunnen experimenteren. Dat is een heel complex proces met vele kleine stapjes en veel onzekerheid maar dat is net hoe een nieuw ethisch kader zich vormt.


We bevinden ons in heel erg boeiende tijden. We zitten in een soort 4de industriële revolutie, waar de veranderingen zich, gedirigeerd door Moore’s law, sneller dan ooit lijken te voltrekken. En daarin zitten we op de grens tussen wat was en wat zal zijn. Die nieuwe context zorgt instinctief voor twijfel, onzekerheid, risico en angst maar wie helder blijft denken, wilskracht toont en de dingen aan- en doorpakt zal bovendrijven. We zitten in het tijdperk van de liminaliteit. Dat is de boodschap en de peptalk die Surf meegeeft aan meer dan 1.000 professionals uit onderwijs en ICT.
Wat Surf elk jaar opnieuw, neerzet is zowel inhoudelijk als organisatorisch, van erg hoog niveau. Het is pijnlijk vaststellen dat we in Vlaanderen de boot van de onderwijsdigitalisering even grandioos zullen missen als die van de e-commerce. Hebben we werkelijk niets geleerd van bol.com of Coolblue? We komen letterlijk 26 congressen achter. Ondanks Belnet, het HOR, Digitaal Vlaanderen, de Associaties, de Vlhora’s en de Vlhur’s is er niet de minste intentie om dit gezamenlijk aan te pakken. Integendeel, het is vechten om ICT op de strategische agenda’s te houden.
@ZuhalDemir Please?? Kunnen we dit op de agenda zetten? En kan je hiervoor de juiste (!) middelen en mensen voorzien?