Logo Noorhoff Uitgevers
  • ‘Machine learning verandert de rol van de docent, maar maakt hem niet overbodig’

    • de redactie
    • 8 november 2017
    • #
    • 0

    Wat is machine learning? En wat kan machine learning nu en in de toekomst betekenen voor het onderwijs? Deze vragen beantwoordt Bert Thijs de Jong, Innovation Lead bij Noordhoff Uitgevers. “Een BOT die hulp biedt bij huiswerk- of leervragen is in de toekomst mogelijk.”

    Bij machine learning gaat een computer op zoek naar patronen in grote hoeveelheden data. Op basis hiervan wordt een algoritme opgesteld. Door nieuwe data toe te voegen, worden verfijndere patronen ontdekt. Daardoor wordt de machine steeds slimmer, waardoor de voorspellingen die hij doet, steeds beter worden. ‘Dat is machine learning heel eenvoudig uitgelegd,’ vertelt Bert Thijs de Jong. ‘Dit principe wordt gebruikt om advertenties van Google nog specifieker te maken.’

    Doordat er grote behoefte is aan maatwerk en personalisering, kan machine learning in het onderwijs belangrijker worden. Door digitaal lesmateriaal adaptief te maken wordt tegemoetgekomen aan deze behoefte, zonder dat het docenten veel extra werk kost. Deze adaptiviteit kan worden aangebracht door mensen, door een adaptiviteits-BOT, of door een combinatie.

    Adaptiviteit

    In de nieuwe generatie leermiddelen van Noordhoff Uitgevers kunnen leerlingen adaptief oefenen. Met het intelligente overhoorprogramma Slim stampen voor de moderne vreemde talen bijvoorbeeld, dat zich aanpast aan de kennis en vaardigheden van de leerling. ‘In dit programma zit al een adaptiviteits-BOT,’ vertelt Bert Thijs. Het programma biedt een woordje precies op het moment aan dat het meeste leerrendement kan worden gehaald. De nieuwe generatie platforms werken ook adaptief, maar deze adaptiviteit is van te voren door uitgevers, auteurs en technici aangebracht.’

    Ook bij Slim stampen is er nog interventie van mensen nodig om het programma te sturen. Bert Thijs: ‘Aan de hand van data wordt bekeken hoe leerlingen antwoorden, of er genoeg variatie is in type vragen, enzovoort. Op basis hiervan worden de algoritmes achter Slim stampen steeds verder verfijnd.’

    Chatbot

    Momenteel draait Noordhoff een kleine test met Microsoft en de lesmethode buiteNLand. Hier wordt gekeken of een chatbot leerlingen lesstof kan uitleggen op basis van menselijke input. ‘Dit is vergelijkbaar met de chatbots van verzekeringsmaatschappijen, waarbij je op een chatfunctie kunt klikken als je een vraag hebt. Je hebt het gevoel dat je met een echt mens chat, maar in feite sta je in verbinding met een chatbot. Maar zover zijn we voor het onderwijs nog niet. Een op het oog simpele vraag “Waardoor ontstaat een tsunami?”, is al reuze complex.’

    Een BOT die hulp biedt bij huiswerkvragen. Het staat nog in de kinderschoenen, maar in de toekomst is het mogelijk. Bert Thijs: ‘Het voordeel van een BOT die helpt bij huiswerk of leren is dat álle leerlingen daarvan gebruik kunnen maken, omdat het op den duur niet veel hoeft te kosten. Ook is het ideaal als een leerling een keer een les heeft gemist. Wanneer hij met oefenstof aan de slag gaat op het leerplatform van Noordhoff, kan een BOT monitoren wanneer hij vastloopt. Een chatbot moet dan wel goed “gevoed” zijn. Hij moet precies weten wat een leerling al gedaan heeft, waar hij zich in de lesstof bevindt en welke theoretische basis hij heeft.’

    Data-analyse

    Bots kun je op oneindig veel manieren programmeren en doordoor ook voor verschillende doeleinden gebruiken. In de nieuwe generatie leermiddelen van Noordhoff willen we bijvoorbeeld BOTS inzetten om alle learning analytics te monitoren. ‘Het is belangrijk om te weten of opdrachten goed determineren en of er geen missers tussen zitten,’ legt De Jong uit. ‘Nu worden vragen waarmee iets geks aan de hand is menselijk beoordeeld, vaak op basis van docenten die iets geks constateren. Maar gaandeweg kunnen we een BOT zo intelligent maken dat hij zelf minder goede vragen uit het systeem vist.’

    De 564 scholen die momenteel met de nieuwe platforms van Noordhoff werken genereren heel veel data, waardoor het mogelijk is om het materiaal voortdurend te verbeteren. ‘Dit maakt het mogelijk om – met behulp van BOTS – antwoord te vinden op vragen als: Wanneer kunnen leerlingen die in de verrijkende leerroute zitten op een hoger niveau werken? En: Heeft de herhalingsroute inderdaad het effect dat leerlingen daarna beter presteren in de basisroute? Maar ook: Hoeveel tijd besteden leerlingen aan het bestuderen van theorie en welk effect heeft dat op hun resultaat?’

    Docent overbodig?

    Gaat machine learning de docent uiteindelijk ontlasten? Of worden docenten misschien helemaal overbodig? Die kans is nihil. De Jong: ‘De rol van de docent is aan verandering onderhevig. Dat zie je nu al gebeuren. Virtuele klassenassistenten en adaptieve programma’s geven docenten juist de mogelijkheid gerichter onderwijs op maat te leveren. Als een chatbot basale vragen van leerlingen beantwoordt, kan een docent zich richten op andere dingen. Op het vergroten van motivatie, bijvoorbeeld, het inspireren van leerlingen, en de waarom- en contextvragen die boven de stof hangt uitleggen.’

    Meer lezen?


    Interview: Maartje Nix

    Delen is het nieuwe
    vermenigvuldigen

    Reageren is leren!

    Uw e-mailadres wordt niet gepubliceerd. Verplichte velden zijn met een * aangegeven.

    Er zijn nog geen reacties geplaatst.

    Sluiten