UIT HET ARCHIEF
Leren met AI moet de leerling capabeler maken.
De nieuwe academische term is een nuttig moment om te heroverwegen waar de hulpverlening voor dient.
Terugblikkende editieVoorbereid voor dit archief op De editiedatum identificeert zijn plaats in de wekelijkse reeks.
Nu studenten en docenten op veel plaatsen aan een nieuw semester beginnen, wil ik terugkeren naar een fundamentele vraag: wat moet iemand kunnen begrijpen en doen nadat hij een AI-tool heeft gebruikt? Het antwoord moet leidend zijn voor de taak, de beoordeling en de ondersteuning eromheen.
Gebruik hulp om gedachten te onthullen
Een AI-tool kan een leerling helpen uitleg te vergelijken, een methode te oefenen of vragen te identificeren om te onderzoeken. De leeractiviteit moet de redenering van de persoon nog steeds zichtbaar maken. Vraag hen om de keuze die ze hebben gemaakt uit te leggen, een belangrijke bewering te controleren of te bespreken waarom een alternatieve aanpak beter zou kunnen zijn.
Geef docenten en mentoren een duidelijke rol
Mensen die het leerproces begeleiden, hebben tijd nodig om de hulpmiddelen te onderzoeken en te beslissen waar ze passen. De richtlijnen van UNESCO over generatieve AI in het onderwijs benadrukken de menselijke capaciteit en een mensgerichte benadering. Ik zou dat principe ook meenemen in stages in de sector: supervisie en feedback moeten de ontwikkeling van de leerling ondersteunen en zich niet alleen richten op de snelheid van het resultaat.
Verbind academische en praktische normen
Voor de universitaire relaties van Genellipse wil ik een brug slaan tussen verkenning en verantwoorde uitvoering. Een prototype kan een waardevol leerresultaat zijn zonder gereed te zijn voor productie. Help de deelnemers dit onderscheid en de evaluatie te begrijpen die nodig is om verder te komen. Een sterke samenwerking geeft studenten een beter beoordelingsvermogen en het bedrijf een beter inzicht in het probleem, inclusief vragen die open blijven.
Hoe Genellipse kan helpen
Genellipse kan helpen een academisch leerdoel te verbinden met een praktisch data-, software- of AI-probleem. Via een uitgebreide universitaire samenwerking kunnen deelnemers de vereisten onderzoeken, een prototype bouwen en evalueren, en documenteren wat onopgelost blijft. De opdracht moet toezicht en leerresultaten definiëren naast het technische werk, waarbij de productie-adoptie als een afzonderlijke beslissing wordt behandeld.
VAN INZICHT NAAR PRAKTIJK
Bespreek dit met Genellipse
