Hoe verandert AI het leerproces in de academische wereld?
Artificiële intelligentie (AI) veroorzaakt een revolutie in het onderwijs, van basisscholen tot doctoraatsprogramma’s. Maar is het echt AI dat het doctoraatsonderwijssysteem overhoopgooit? Of legt de technologie diepere, onderliggende problemen bloot? Vicent Botella-Soler vraagt zich af of doctoraatsopleidingen in hun huidige vorm kritisch denken werkelijk stimuleren en suggereert dat AI een kans biedt om een systeem dat te veel gericht is op resultaten te verbeteren. Laten we het vergelijken met... onverwacht bezoek van je schoonouders?
Ontwricht: AI en het doctoraat
AI-tools lijken iets te hebben gebroken in het doctoraatsonderwijs – en, zonder twijfel, in het onderwijs in het algemeen – hoe verward we nog zijn over de aard en omvang van de schade. Het is duidelijk dat AI-tools de manier waarop onderzoek wordt uitgevoerd fundamenteel zullen veranderen: van literatuuronderzoek en data-analyse tot codering en experimenteel ontwerp.
Een pijnpunt (hoewel ik denk dat het een zegen is) is dat deze nieuwe tools de manier waarop we onderzoekers momenteel evalueren op de proef stellen. Hoe kunnen we onderzoeksresultaten eerlijk erkennen en beoordelen als AI helpt bij het schrijven van papers of subsidievoorstellen? Wiens idee was “dat”? GenAI heeft roet in het eten gegooid van ons zeer competitieve, resultaatgericht academische systeem. Maar laten we niet vergeten dat dit systeem van resultaten en evaluatie al in een crisis zat voor de komst van AI. We zijn al jaren geobsedeerd door productiviteit en “uitmuntendheid” en gebruiken proxy-resultaten om alles te meten en te rangschikken, van papers tot onderzoekers tot instellingen, vaak ten koste van kwaliteit en relevantie. Zoals de wet van Goodhart voorspelde, heeft men steeds inventievere manieren gevonden om het resultaatgerichte academische systeem te bespelen (in de ergste gevallen zelfs met wetenschappelijke fraude). AI-tools hebben deze problemen alleen maar verergerd.
Volgens mij ligt het struikelblok ergens anders: hoe gaat AI het leerproces van onze studenten beïnvloeden? Leren gaat vaak over doen: denken, lezen, onderzoeken, samenvatten, enz. Als AI veel van deze taken voor ons kan doen, leren we dan evenveel? Of leren we anders? Kan intelligent gebruik van AI het leerproces verbeteren? Ongetwijfeld. Eisen voor verhoogde productiviteit zijn echter vaak in strijd met het idee van leren als een proces. Ze zeggen dat AI-tools “tijd kunnen besparen voor belangrijkere dingen”, maar wat zijn die belangrijkere dingen? Als leren door doen essentieel is, moeten we misschien blijven doen, zelfs als AI het beter en sneller kan. En welk effect gaan AI-tools hebben op de toch al gespannen productiviteitsverwachtingen? Wat zal er gebeuren met de huidige mentale gezondheidscrisis in de academische wereld?
Zelfs als we het eens zijn dat het leerproces van doctoraten van vitaal belang is, zit de academische wereld vast in het evalueren van outputs, zoals proefschriften, subsidies, octrooien en publicaties. Als verfrissend tegenvoorbeeld passen sommige instellingen, zoals de KU Leuven, de criteria van het doctoraat al aan om beter aan te sluiten bij het idee van leren als een proces, en leggen ze niet zoveel nadruk op de concrete resultaten van het doctoraatsonderzoek.
AI dwingt ons om fundamentele vragen opnieuw te bekijken:
- Waar dient een doctoraat voor?
- Wat moeten studenten leren uit deze ervaring, ongeacht hun discipline of onderzoeksonderwerp?
- Hoe kunnen we het leerproces garanderen tijdens het doctoraat in het AI-tijdperk?
Tijdens een recente bijeenkomst van doctoraatsonderwijsprofessionals in Zürich (Zwitserland) benadrukten verschillende sprekers het belang van het ontwikkelen van kritische denken. Hoewel er altijd al impliciet verwacht werd dat doctoraatsstudenten leren om ideeën en uitspraken kritisch te evalueren, zouden we er baat bij hebben om kritisch denken expliciet te onderwijzen. Eén spreker benadrukte de noodzaak om “de filosofie terug te brengen in het doctoraat in de filosofie!”, met hetzelfde enthousiasme waarmee je zou roepen “naar de barricaden!”. Ik ben het er volledig mee eens. We moeten tijdens het doctoraat lesgeven in wetenschapsfilosofie en epistemologie: studenten expliciet aanmoedigen om hun eigen gedachten en kennis in vraag te stellen, en om voortdurend na te denken over wat het betekent om iets te “weten” en over de verschillende manieren waarop we kennis verwerven.
Laten we niet uit het oog verliezen dat de AI-discussie in zijn essentie niets anders is dan een reprise van een veel ouder gesprek over de academische wereld en haar rol in de samenleving. Zoals ik het zie, is de impact van AI op de academische wereld tot nu toe als onverwacht bezoek van je schoonouders: het huis was al vies en slordig, maar hun komst maakt de rommel alleen maar duidelijker en pijnlijker.
Referenties
- Moore, S., Neylon, C., Paul Eve, M. et al. (2017): “Excellence R Us: university research and the fetishisation of excellence”, Palgrave Communications, 3, 16105. https://doi.org/10.1057/palcom....
- Iagoli, M. (2020): “Fraud by numbers: Metrics and the New Academic Misconduct”, in Los Angeles Review of Books, 7 september. https://lareviewofbooks.org/ar....
- Muller, J.Z. (2018): “The Tyranny of Metrics”, Princeton University Press
- Hall, S (2023): “A mental-health crisis is gripping science — toxic research culture is to blame”, Nature 617, 666-668. doi: https://doi.org/10.1038/d41586...
AI voor onderzoekers
Introduction to AI and Machine Learning for Biomedical Research
training - online - KU Leuven, VUB, UHasselt, UGent, VAIA
Generatieve AI voor hoger onderwijs
gecureerde lessenreeks - VAIA & VLIR
Data Visualization
cursus - Brugge - PUC KU Leuven Continue, VAIA
Vicent Botella-Soler
With a background in physics and computational neuroscience, Vicent has worked in data science and machine learning in the private sector for many years. He currently works as a freelance consultant and trainer for academic institutions, on topics related to academic well-being, decision-making, and critical thinking.
Gerelateerde opleidingen
Introduction to Parallel Programming with MPI and OpenMP
Training - Jülich - forschungszentrum jülich
AI-superworker: maak van AI je tweede brein en boost je productiviteit met 50%!
Opleiding - Berchem - Syntra AB