Kunstmatige Intelligentie: de belangrijkste toepassingen in het onderwijs

Bij Programic houden we van uitdagingen en dat is precies waar het onderwijs momenteel mee te maken heeft. Heel veel uitdagingen. Terwijl de Tweede Kamer zich buigt over het leraren tekort, kijken wij liever naar nieuwe kansen. Want hoe bieden techbedrijven lange termijn oplossingen in het onderwijs? Wij denken dat de technologie achter kunstmatige intelligentie daar een goed antwoord op kan geven.

Wat is kunstmatige intelligentie?

Kunstmatige intelligentie is de inzet van software op specifieke taken waar, normaal gesproken, mensen hun intelligentie voor gebruiken. Vandaag de dag spreken we vooral over de leermethodes achter kunstmatige intelligentie, ofwel: Machine Learning. Yeah! Weer een nieuwe term. Korte uitleg:

Machine Learning kan je zien als het vermogen van software om zelfstandig iets te leren. Een bekend voorbeeld van Machine Learning is DeepDream, het systeem achter Google Afbeeldingen. Dit systeem analyseert afbeeldingen van objecten, dieren en gezichten. Zo leert het systeem om te begrijpen wat een kat is en welke visuele eigenschappen deze heeft. Tja, erg leuk het herkennen van een kat, maar wat zijn de toepassingen in het onderwijs?

3 veelbelovende toepassingen in het onderwijs

Edbot

Een Edbot is een chatbot. En een chatbot kan je misschien kennen van een webshop. Wanneer je een vraag stelt in de chat wordt deze eerst beantwoord door een kunstmatige assistent. In het geval de kunstmatige assistent een vraag niet kan beantwoorden word je doorverwezen naar een echte medewerker. Oké, terug naar de Edbot. De belangrijkste taak van de Edbot is dus het beantwoorden van vragen die leerlingen stellen. Hierbij kan je denken aan inhoudelijke vragen over het lesmateriaal of praktische vragen over het lesrooster.

Learning analytics

Learning analytics is het verzamelen, analyseren en interpreteren van data over leerlingen. Uit deze analyses kan het systeem zelf beoordelen of een leerling extra ondersteuning nodig heeft of juist meer uitdaging. Het belangrijkste voordeel is dat de statistieken automatisch worden bijgehouden. Op deze manier zijn docenten minder tijd kwijt aan het maken van eigen analyses over de voortgang van een leerling.

Adaptieve leersystemen

Adaptieve leersystemen kunnen zelfstandig de lesstof aanpassen aan de leersnelheid en het niveau van een leerling. Verder wordt de lesstof aangeboden op basis van persoonlijke interesses. Het gebruik van adaptieve leersystemen zou moet leiden tot gemotiveerdere leerlingen die beter presteren. Nog een belangrijk voordeel is dat docenten minder tijd kwijt zijn aan leerlingen die meer begeleiding nodig hebben.

Wat is het doel van deze toepassingen?

Inmiddels zijn er al verschillende toepassingen die experimenteel worden gebruikt. De intentie van deze toepassingen is om het onderwijs slimmer en efficiënter te maken. Dit heeft als belangrijk doel om de werkdruk bij docenten te verlagen.

Aan de slag met kunstmatige intelligentie?

De ontwikkeling van technologie in het onderwijs maakt dus grote sprongen. Zelf kan je hiermee ook aan de slag. Het ontwikkelen van slimme software begint tenslotte met goede ideeën. Wil je weten hoe kunstmatige intelligentie jou kan helpen? Wij vertellen je graag meer.