AI in het onderwijs

In de afgelopen jaren hebben we een ongekende groei van kunstmatige intelligentie (AI) gezien, die niet alleen de technologische wereld, maar ook het onderwijs en onderzoek transformeert. Als academisch macro-econoom aan de universiteit Maastricht doe ik onderzoek en geef ik onderwijs. Daarbij loop ik niet weg voor innovatie en probeer nieuwe technologie te gebruiken om mijn werk effectiever, efficiënter en leuker te maken. Zo ben ik betrokken bij het Maastricht Immersive Learning Lab (MILL), en zie ik de kansen die AI met zich meebrengt voor onderwijs in mijn vakgebied. In dit essay verken ik de implicaties van AI voor ons werk, de onderwijspraktijken en de bredere maatschappelijke gevolgen.

AI in het onderwijs: het Maastricht Immersive Learning Lab

In Maastricht werken we al sinds jaar en dag met het Probleem Gestuurd Onderwijs-model. De basisgedachte is dat studenten gemotiveerder zijn en beter leren als ze zelf hun problemen formuleren en oplossen. Om dat een stap verder te brengen, hebben we het Maastricht Immersive Learning Lab (MILL) opgezet. De MILL ontwikkelt een innovatieve benadering van onderwijs door middel van real-time simulaties en gamification. Hier kunnen studenten hun kennis toepassen in een gesimuleerde omgeving, wat hen helpt om diepgaand inzicht te krijgen in complexe economische vraagstukken. Het blijkt dat kennis beleven en gebruiken veel beter beklijft dan hem lezen of horen. We werken nu nog met bordspellen en rollenspel, maar AI speelt straks een cruciale rol in dit proces, doordat het de ervaring veel realistischer kan helpen maken. Daarnaast zal AI ons ook in staat stellen om data in real-time te analyseren en feedback te geven op basis van de handelingen en keuzes van studenten. Dit maakt niet alleen het leerproces immersiever en dynamischer, maar helpt ons ook om de effectiviteit van verschillende onderwijsmethoden te evalueren en te verbeteren. Met de technologie verandert ook de manier waarop we leren en kennis toetsen. Daar is wat mij betreft niets mis mee. AI helpt mij en mijn studenten nu in ieder geval al met het snel geven van feedback… en wie weet hoef ik al over een paar jaar geen tentamens meer te maken of papers te corrigeren! Het goed gebruik van AI in het onderwijs stimuleert een cultuur van experimenteren en innoveren, wat van groot belang is voor de ontwikkeling van kritisch denken en probleemoplossende vaardigheden. Slecht gebruik van AI kan natuurlijk ook. Maar alleen als we vasthouden aan onze oude manieren van doen, is AI een probleem. Want als ChatGPT beter geschreven papers en take-home examens aflevert, moeten we anders gaan toetsen en niet de student de schuld geven als de verleiding te groot wordt.

AI in onderzoek: veranderingen en vooruitzichten

In de onderzoeksarena, waar ik als macro-econoom actief ben, biedt AI nieuwe mogelijkheden voor data-analyse en modellering. Met tools die gebruikmaken van geavanceerde algoritmes, kunnen we sneller en efficiënter nog grotere datasets analyseren. Dit stelt ons in staat om complexere vraagstukken te onderzoeken en beleidseffecten beter te voorspellen. Maar het opent ook de deur naar meer onzin. De eerlijkheid gebiedt me te zeggen dat ik, en vele economen met mij, nog maar op zijn best een passieve kennis heb van alle technologie die we gebruiken. De meeste statistische software kan veel meer dan ik van statistiek begrijp en zelfs van Excel en Word ken ik maar de helft van de mogelijkheden. Het werkt, en verder stellen we maar geen vragen. Dat gat tussen kunnen gebruiken en weten wat er gebeurt wordt snel groter met LaTeX, Stata en R. ICT-technologie is al langer een black-box en in die zin is de impact van AI op onderzoek zelf misschien niet zoveel anders.

Maar het is wel een gamechanger op een ander vlak. Het denken en onderzoeken moet je nog zelf doen, maar het schrijven van blogs, onderzoeksvoorstellen, beleidsnota’s en opiniestukken op basis van je onderzoek kan hierdoor natuurlijk oneindig veel eenvoudiger worden en sneller verlopen. Dat zou de impact van onderzoek kunnen vergroten. Maar misschien ook niet. Statistische software heeft in mijn vakgebied ook een lawine aan zinloos econometrisch geweld opgeleverd en het online publiceren neemt inmiddels zo’n hoge vlucht dat in de meeste vakgebieden het bijhouden van de literatuur een illusie is geworden. Meer en sneller is dus wellicht niet beter.

Want als niet alleen ik, maar alle economen AI inzetten voor hun onderzoek ontstaat er een dynamiek van verhoogde concurrentie om geld van financiers en aandacht van beleidsmakers en het bredere publiek. De kwaliteit van de content en inzichten kan door die concurrentie toenemen, maar het leidt ook tot een risico op informatieoverload. Financiers, beleidsmakers en publiek kunnen overweldigd raken door de overvloed aan analyses, rapporten en aanbevelingen die AI voor ons genereert. Hierdoor kan het moeilijker worden om relevante en betrouwbare informatie te onderscheiden van ruis. Of erger, iedereen shopt zijn eigen waarheid bij elkaar. Dit vraagt om een nieuwe benadering van de manier waarop we informatie presenteren en communiceren. Het is essentieel dat we ons niet alleen richten op het creëren van volume, maar ook op het cureren en filteren ervan, zodat we waardevolle inzichten effectief kunnen blijven delen. Bij informatieoverload is het risico namelijk levensgroot dat AI ook wordt ingezet om dat cureren en filteren voor ons te doen. En dan belanden we in een rare wereld waarin AI-gegenereerde content vervolgens ook door AI wordt gefilterd en gewogen om uiteindelijk te komen tot (door AI genomen?) besluiten die effect hebben op echte mensen.

De voordelen komen dus met verantwoordelijkheden. Terwijl AI ons kan helpen bij het toegankelijker formuleren van onderzoeksresultaten, moeten we zelf blijven waken over de kwaliteit en de ethiek van ons werk. En ons afvragen of alles wat gepubliceerd kan worden, ook gepubliceerd moet worden. De overvloed van AI-gegenereerde content roept vragen op over originaliteit en de betrouwbaarheid van onze bevindingen. Als onderzoekers moeten we ons bewust zijn van de beperkingen van AI en kritisch blijven nadenken over de betekenis van ons werk.

Gevolgen voor de maatschappij

De impact van AI reikt verder dan onderwijs en onderzoek; het heeft verstrekkende gevolgen voor de maatschappij. Dit vraagt om een heroverweging van ons onderwijssysteem en de vaardigheden die we onze studenten aanleren. Het is cruciaal dat we hen niet alleen voorbereiden op technologische veranderingen zelf, maar ook op een wereld waarin samenwerking, creativiteit en ethiek centraal staan. Bovendien bestaat het risico dat gebruik van AI leidt tot ongelijkheid, uitsluiting en discriminatie, vooral als algoritmes niet goed zijn ontworpen. Daarom is het van belang dat we de ontwikkeling van AI-technologieën begeleiden met ethische richtlijnen en inclusieve praktijken.

Conclusie

De groeiende kracht van AI heeft aanzienlijke gevolgen voor ons onderzoek, ons onderwijs en de maatschappij. Als macro-econoom aan de Universiteit Maastricht en betrokken bij het Maastricht Immersive Learning Lab, zie ik zowel de kansen als de verantwoordelijkheden die deze technologie met zich meebrengt. Het biedt ons nieuwe mogelijkheden voor interactief leren, diepgaander analyses en een groter bereik. Maar AI  vraagt ook om een zorgvuldige afweging van de ethische en sociale implicaties. Alleen door een evenwicht te vinden tussen innovatie en verantwoordelijkheid kunnen we ervoor zorgen dat AI een positieve kracht blijft in ons leven en onze samenleving.

[1] Dit stuk is geschreven met behulp van ChatGPT 4 op 01-11-2024. De tekst is eerst door chat geformuleerd op basis van een lijst met bulletpoints, die de auteur in het stuk verwerkt wilde zien. Daarna heeft de auteur de tekst met nadere details en aanpassingen de zijne gemaakt. De auteur neemt volledige verantwoordelijkheid voor het hier geschrevene. Alle eventuele fouten zijn dan ook voor rekening van de auteur.