Kunstmatige intelligentie kan voorspellen in hoeverre een leerling in staat is problemen op te lossen – en ook nog eens helpen bij het leren.
Hoe laat je zien dat je weet wat je weet? Vaak ontkom je er niet aan je te onderwerpen aan een examen, overhoring of andersoortige toets. Niet altijd een aangename ervaring.
Foto: Jeremy Mikkola
Maar er is hoop. Een nieuw algoritme, ontwikkeld door onderzoekers van Stanford Universiteit en Google, kan tegelijkertijd je kennis vergroten en je vorderingen bijhouden, waardoor toetsen overbodig wordt. Het algoritme analyseert prestaties van voorgaande oefeningen en bekijkt waar iemand de fout in ging. Zo vormt het een beeld van de kennis en vaardigheden van een leerling.
Heersen zwermen killerdrones straks over het slagveld?
Een luchtruim gevuld door kunstmatig intelligente killerdrones, die autonoom bepalen wie blijft leven en wie zal sterven. Hoe waarschijnlijk is dat?
Deep learning
Het idee van softwaregebruik voor het volgen van de vooruitgang van leerlingen is niet nieuw. Maar weinig pogingen hebben hierbij gebruiktgemaakt van deep learning waarbij machines leren door het verwerken van grote hoeveelheden data.
Chris Piech van Stanford University en zijn team voerden hun systeem meer dan 1,4 miljoen antwoorden van leerlingen op wiskundige opgaven en het bijbehorende cijfer waarmee de leerlingen uiteindelijk waren beoordeeld.
Ook trainden de onderzoekers een netwerk dat vragen kon sorteren op het onderwerp, zoals worteltrekken, de richtingscoëfficiënt bepalen of het berekenen een snijpunt in een grafiek. Met deze informatie kon het systeem de bekwaamheid van de leerlingen per onderwerp verkennen. Het model kon vervolgens met 85 procent zekerheid voorspellen of een leerling een opdracht goed of fout zou maken.
Aandacht
Piech hoopt uiteindelijk op een geavanceerdere versie die niet alleen voorspelt welke vraag een leerling waarschijnlijk fout zal beantwoorden, maar dat ook begrijpt waarom. ‘Het zou fijn zijn als we allemaal een privéleraar konden betalen die zich bezighoudt met wat je nog moet leren’, zegt Piech. Dat is niet realistisch, maar op een dag kan dit soort software ons helpen bij het uitzoeken van de onderdelen waar iemand moeite mee heeft en diegene daarbij helpen. ‘Als je genoeg aandacht besteedt aan het leerproces van de leerling, vertelt je intuïtie je hoe een leerling ervoor staat. En dan is een examen niet nodig.’
Het algoritme is een belangrijke stap vooruit in de techniek, zegt Tamara Summer van de universiteit van Colorado. ‘Het is vooral indrukwekkend dat bij deze aanpak geen menselijke input nodig is, zoals aantekeningen over de resultaten of handgemaakte modellen over de kennis.’
Praktische waarde
Ook computerwetenschapper Neil Heffernan van Worcester Polytechnic Institute in Massachusetts vindt het belangrijk dat een methode wordt ontwikkeld die de prestaties van leerlingen beter voorspelt. Maar hij vraagt zich af welke praktische waarde het nieuwe systeem heeft. Kan het bijvoorbeeld vertellen hoe leerlingen met verschillende achtergronden en niveaus beter onderwezen kunnen worden? ‘Wat heb je eraan als je betere voorspellingen kunt doen? Ik zou die informatie liever willen gebruiken voor iets waardevols.’
Altijd op de hoogte blijven van het laatste wetenschapsnieuws? Meld je nu aan voor de New Scientist nieuwsbrief.
Lees ook: