Al sinds de komst van de zoekbalk, zoeken studenten naar antwoorden op hun academische vragen. Mensen begonnen hun telefoon, hun keuken, alles met een microfoon en een assistent vragen te stellen, om antwoorden te krijgen op vragen die ze altijd al hadden. Het was vrij onwaarschijnlijk dat een smartphone-assistent een scriptie voor je zou schrijven of een vraag zou beantwoorden over de afweging tussen winst en ethiek bij het al dan niet uitbesteden van de klantenservice.
Zowel op het web als op ons kantoor is er veel discussie ontstaan over open taalmodellen voor dialoog (OLMD) en de toepassing daarvan in het bedrijfsonderwijs. Met het OLMD kan iemand een vraag stellen en deze laten beantwoorden met een uniek antwoord dat wordt geschreven door de Artificial intellegence (AI). Eenvoudig gezegd, is het alsof je de zoekmachine een vraag stelt. Het verschil is dat de OLMD meer doet dan alleen stukjes tekst presenteren van websites die betrekking hebben op uw vraag. In plaats daarvan assimileert het uit verschillende bronnen, waaronder het web, voor een antwoord.
Zou AI een proefschrift kunnen schrijven?
Dit roept onmiddellijk de vraag op naar de geldigheid van de antwoorden. De manier waarop zoekmachines werken is door de pagina inhoud te rangschikken op basis van de match van
sleutelwoorden, die vervolgens rangschikt op basis van zaken als de meeste ‘views’, relevantie van
sleutelwoorden op de pagina van de zoekopdracht, etc. De meeste ‘views’ heeft te maken met de
populariteit, en keyword matching is onderhevig aan wat onderzoekers 'confirmation bias' noemen. Kortom, het biedt wat de meeste mensen denken dat waar is; populaire opinie zijn niet feitelijk. Om de nauwkeurigheid te beoordelen, moet er een feitelijke check plaatsvinden. De prestaties van academici als docenten worden niet alleen beoordeeld op de manier waarop zij hun kennis overdragen, maar ook op de manier waarop zij de kennis van hun studenten beoordelen. Als docenten hun cursussen zouden beoordelen op basis van populariteit in plaats van validiteit, zou het hoger onderwijs een echokamer van zelfvalidatie worden.
OLMD's vormen dus eerder een bedreiging voor zoekmachines dan voor onderwijzers wat betreft het beantwoorden van vragen en het overbrengen van kennis. Blijkbaar is men geslaagd voor een MBA-examen aan een gerespecteerde universiteit. Bij nadere beschouwing van het examen waren het vooral korte vragen, meerkeuze en kwantitatieve vragen. Allemaal vragen die ontworpen zijn om zo objectief mogelijk te worden beoordeeld. Bij vergelijking met hoe de AI in een ander experiment vragen beantwoordt die meer evaluatie en antwoorden in lange vorm vereisen, waren de resultaten minder indrukwekkend.
Ondernemen is uiteindelijk een kwestie van doen, niet van schrijven. Succesvolle zakenmensen worden afgemeten aan het succes van hun bedrijf, niet aan hun geschreven businessplannen en zorgvuldig opgestelde businessmodellen. In het hoger onderwijs wordt echter veel schriftelijk beoordeeld. Dit leidt tot de onvermijdelijke toepassing van OLMD die studenten ondersteunt bij het schrijven van hun opdrachten, in plaats van dat de opdrachten voor hen geschreven wordt. Ten tweede wordt het debat over hoe business studenten in het algemeen beoordeeld worden, aangewakkerd.
Zullen ontwikkelaars zoals OpenAI of ChatGPT samenwerken met academische instellingen of hen tegenwerken?
Net als bij 'Googlen van vragen' zal AI waarschijnlijk eerder de prestaties van studenten ondersteunen aan de lagere uiteinden van het spectrum van studievoortgang, maar kan het misschien nieuwe 'brainstormende' toepassingen hebben aan de hogere uiteinden, zoals een schrijver die lijdt aan een schrijversblok. Er is echter een grens tussen ondersteuning en plagiaat die soms moeilijk te trekken is. Als zodanig zullen er tegenontwikkelingen komen om het gebruik te voorkomen of te reguleren, zoals dat al jaren gebeurt met plagiaatcontrolesoftware als Turnitin. Een mogelijk gat in dat beproefde en geteste 'vang de kopieerder/paster' is dat OLMD's unieke antwoorden geven voor de gebruiker die de vraag stelt. Dit leidt tot een andere onvermijdelijke vraag.
universiteiten een dienst aanbieden die controleert of een geschreven werkstuk door hun algoritme is geschreven, een probleem dat is opgelost met betrekking tot het traditionele model van lesgeven en beoordelen. In een onderzoek van Mark Huxham (2010) naar de prestaties en houdingen van
studenten die mondeling worden beoordeeld in vergelijking met schriftelijke beoordelingen, vonden studenten mondelinge beoordelingen inclusiever dan schriftelijke. Mondelinge beoordelingen bleken voor de onderzoekers ook een krachtig instrument om studenten te helpen een 'professionele identiteit' te ontwikkelen. Hoewel de studie niet specifiek betrekking had op studenten uit het bedrijfsleven, is de relevantie ervan duidelijk. Het is de vraag of studenten dezelfde voordelen zullen ondervinden van een dialoog met AI via tekst in plaats van via hun docent of collega, of dat nu online of offline is.
Helpen OLMD’s de innovatie te versnellen om bedrijfsvakken te beoordelen?
Binnen een Europees project over 'Networked Interaction in Foreign Language Acquisition and Research' (NIFLAR) werd een 3D virtuele wereld gebruikt om taalstudenten in real time te laten communiceren met moedertaalsprekers in de doeltaal, terwijl ze samen verschillende taken uitvoerden. Bij groepswerk als dit, beoordelen peers elkaar informeel en geven ze feedback.
Deze cyclus van ervaringsleren wordt in de bedrijfssimulaties van Edumundo aangevuld met onze games. Waar we een stap verder gaan, is het vastleggen van bewijs van betrokkenheid die de basis vormt voor de beoordeling en implementatie van de feedback; het ondersteunen van zowel de studenten als academici tijdens het spel. De open dialogen die wij met studenten en academici uitvoeren, zijn gecontextualiseerd voor de individuele klas, in plaats van de dialoog over een specifiek onderwerp of onderwerp waartoe OLMD's in staat zijn.
De meest interessante toepassing van OLMD is wellicht als een verbeterde 'assistent' voor studenten die aan een opdracht werken en een 'plagiaathandhaver' voor academici. Of deze dialoog tussen student en AI meer lijkt op een discussie tussen Einstein en zijn eerste vrouw, die zelf natuurkundige en wiskundige was, of op een discussie tussen Darwin en zijn vrouw, die musicus was, staat open voor individuele interpretatie. Of de kwaliteit van het debat in beide gevallen overeenkomt met die van OLMD moet nog blijken.
Eindoordeel
Het oordeel lijkt uit te vallen dat AI een stapje verder is dan het 'Googlen' van een vraag, wat een bedreiging vormt voor de zoekgigant. Hoe de bedreiging ook wordt aangepakt, het is onwaarschijnlijk dat zoekmachines of academische instellingen door AI gecreëerde inhoud hoger zullen waarderen dan origineel werk. De vraag is of het zal worden toegestaan in beide contexten als een efficiëntie-instrument zoals een spellingscontrole in plaats van een feitencontrole zoals een journalist of academicus.
Meld je aan voor het gratis webinar
Hoezo digitaal brononderzoek voor hbo-studenten?
Wanneer?
Maandag 24 april, 16.00 uur
Waarom deelnemen?
Leer je studenten om bestaande kennis te gebruiken bij het werken aan een beroepsproduct.
Leer je studenten de betrouwbaarheid van bronnen beoordelen.
Antwoord op de vraag: Wat betekenen AI-tools als Chat-GPT voor digitaal bronnenonderzoek?
Scoringsrubriek voor informatievaardigheden