Een AI-oplossing die kijkt naar wat leerlingen nodig hebben op het gebied van leesvaardigheid, zodat zij tekst goed kunnen vertalen naar een praktische opdracht.
Leerlingen die praktijkvaardigheden wel hebben, maar ze tijdens toetsen niet kunnen laten zien omdat ze te weinig leesvaardigheid hebben, of feitenkennis missen en daardoor de vraag niet begrijpen. Dat is zonde en geeft geen reëel beeld van de werkelijkheid.
Universitair docent en projectleider Harmen de Weerd: “We willen in kaart brengen welke vaardigheden leerlingen missen om de instructies voor praktijkopdrachten te begrijpen, en deze met gepersonaliseerd oefenmateriaal verbeteren, zodat ze uiteindelijk hun praktijkvaardigheden wél kunnen laten zien. In een ideale setting heeft een leraar tijd om alle leerlingen op hun eigen niveau te begeleiden, zodat iedereen naar eigen kunnen presteert. Dat gaat in de praktijk niet. Kan dat gat worden opgevuld met AI?
Middelbare school Het Rijks in Nijmegen werkt samen met de Rijksuniversiteit Groningen en EdTech-bedrijf MemoryLab in dit co-creatieproject van NOLAI.
Rijksuniversiteit Groningen heeft twee methodes ontwikkeld waarmee lesmateriaal gepersonaliseerd wordt. De eerste methode is gebaseerd op eerder onderzoek naar de rekenvaardigheid van havo- en vwo-leerlingen. Harmen: "We gaan aan de hand van die methode bepalen welke basisvaardigheden leerlingen nodig hebben om een examen goed te maken. Voor rekenen kwam dat neer op het begrijpen van grote getallen en daarnaast kennis van optellen, aftrekken, delen en vermenigvuldigen. Wij willen nu gaan onderzoeken wat een leerling nodig heeft om een geschreven instructie om te zetten naar een praktische handeling.
De tweede methode draait om begrippenkennis, waarbij je een leerling vraagt naar definities van woorden met de juiste timing: op het moment dat ze het nét niet vergeten zijn. Je heractiveert de kennis en voorkomt demotivatie, omdat leerlingen nog wel het juiste antwoord kunnen geven".
Uitgangspunt is het het lesmateriaal binnen een landelijke module van het domein Dienstverlening. Dit betekent dat er meer leerlingdata beschikbaar is voor onderzoek én het ontwikkelde prototype straks mogelijk breed inzetbaar is.
Het maken van toetsen zorgt altijd voor stress, ongeacht om welk vak het gaat. Op basis van toetsresultaten bepaalt de slimme technologie in hoeverre een leerling de juiste kennis en vaardigheden heeft om een praktische opdracht goed uit te voeren. Het bestaande systeem van MemoryLab wordt vervolgens op een nieuwe manier gebruikt. Oorspronkelijk is dat ontwikkeld voor het leren van woordjes. We gaan kijken of we dat systeem kunnen inzetten voor langere lijsten met begrippen. Wellicht vraagt dat om aanpassing van het algoritme.
De slimme technologie detecteert de antwoorden en toetsresultaten van leerlingen (detecteren). Dit wordt gebruikt om het basisniveau van de leesvaardigheid en woordenschat te bepalen. Dit niveau wordt, na het maken van een opgave, vervolgens bijgewerkt aan de hand van het antwoord (interpreteren). Vervolgens selecteert de slimme technologie de volgende opgave voor de leerling, afgestemd passend op het niveau van de leerling (handelen).
Harmen: “We hopen dat leerlingen minder vaak herkansingen hoeven te maken en gemotiveerder zijn, omdat hun leesvaardigheden beter aansluiten op de toetsen. Daarnaast wordt het lesgeven voor leraren comfortabeler. Er is niets vervelender dan te bedenken dat je niet genoeg tijd hebt om alle leerlingen genoeg individuele aandacht te geven. Met gepersonaliseerd lesmateriaal krijgen leerlingen toch de aandacht die ze nodig hebben.”
