Hoe ontwerpers van leertrajecten AI kunnen gebruiken voor het analyseren
In een recente blogpost beschrijft Philippa Hardman hoe AI-tools het analysedeel van het ontwerpproces binnen ‘learning design’ kunnen veranderen. Hardman benadrukt drie belangrijke gebieden waar AI een significante impact heeft: het begrijpen van het probleem, het definiëren van de doelgroep en het bepalen van de leerinhoud.
Analyse is volgens haar van oudsher een lastig onderdeel van het ontwerpproces, omdat het tijd en vaardigheden vereist om data te verzamelen en te analyseren, terwijl ontwerpers van leertrajecten vaak niet hierover beschikken. Door AI in te zetten, kunnen docenten zowel de snelheid als de diepgang van alle drie de fasen van de analyse volgens haar verbeteren.
Om het probleem te begrijpen, gebruiken ontwerpers van leertrajecten tools zoals Perplexity voor onderzoek naar trends in de sector. ChatGPT 4o en Gemini helpen bij het opstellen van probleemstellingen en interviewvragen, terwijl Claude en ChatGPT 4o worden ingezet om de antwoorden van belanghebbenden te analyseren en gemeenschappelijke thema’s en oorzaken te identificeren. Generatieve AI-toepassingen zoals ChatGPT 4o, Claude en Perplexity kunnen ook worden gebruikt om business goals te formuleren.
Bij het definiëren van de doelgroep analyseren ontwerpers van leertrajecten met behulp van ChatGPT 4o en Gemini relevante HR-gegevens en creëren ze gestructureerde enquêtes om inzicht te krijgen in de demografie en psychografie van de lerenden. Fathom -die ik zelf niet ken- wordt bijvoorbeeld ingezet om interviews met lerenden samen te vatten. Dit geeft meer inzicht in hun aspiraties en motivaties.
Om te bepalen wat er in de ‘leerervaring’ moet worden opgenomen, en gebruiken ontwerpers van leertrajecten dan bijvoorbeeld QuizGecko om voorkennis van lerenden te peilen. ChatGPT 4o, Gemini & Claude kunnen worden gebruikt om bestaande prestatiegegevens en andere relevante data te analyseren. Met behulp van Perplexity en Consensus maken ontwerpers van leertrajecten gedetailleerde kennis- en vaardighedenkaarten, die ze vervolgens vergelijken met bestaande prestatiegegevens om de belangrijkste aandachtsgebieden te bepalen.
Hardman schrijft dat generatieve AI bij het ontwerpen van leertrajecten meestal wordt gebruikt voor het creëren van inhoud. Zij stelt dat enkele van de krachtigste use cases echter buiten de ontwikkelingsfase ligt. AI helpt ontwerpers van leertrajecten om ervoor te zorgen dat hun voorbereidende werk grondig, datagedreven en afgestemd is op de behoeften van zowel de organisatie als de lerenden. Dit leidt volgens haar uiteindelijk tot effectievere leer- en ontwikkelprogramma’s met meer impact. Zij schrijft dat het omarmen van AI voor de analysefase niet alleen een trend is, maar een noodzaak voor modern leerontwerp.
Mijn opmerkingen
Interessant om te lezen hoe Hardman generatieve AI gebruikt voor de analysefase van ‘learning design’. Het valt me wel op dat ze met geen woord rept over het gebruik van bedrijfsgevoelige en persoonsgegevens. HR-gegevens die je invoert mogen bijvoorbeeld niet toe te leiden zijn naar personen. Verder moet je je m.i. ook afvragen wanneer generatieve AI echt toegevoegde waarde heeft ten opzichte van andere technologieën zoals gewone zoekmachines of dataanalysetools. Andere technologieën verbruiken immers veel minder energie.
Philippa Hardman is overigens keynote spreker tijdens de tweede editie van AI-deas for learning and education die op 18 november 2024 in Utrecht gehouden wordt.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.