Blog #12 Voorbij de add-on: De opkomst van native AI-leersystemen

Waar we de afgelopen jaren vooral AI-knopjes zagen verschijnen in bestaande systemen, dient de volgende generatie zich nu aan: het native AI-leerplatform. Tijdens een gesprek dat JaapJan Vroom had met de ontwikkelaars van Eduvare werd duidelijk dat dit niet zomaar een technische update is, maar een fundamentele breuk met hoe we onderwijs inrichten. ‘Het dwingt ons tot een spannende vraag: durven we onze vertrouwde concepten los te laten?’

Meer dan een plugin

Jullie kennen het vast wel. Bestaande, lineair opgezette LMS’en die een AI-assistent toevoegen waarmee je teksten kunt samenvatten of quizen kunt genereren. Handig, maar een LMS blijft in de basis een administratief systeem.
Een native AI-systeem draait de rollen om. AI is hier niet de extra laag, maar de motor die onderwijsinhoud, leerprocessen en docentinzichten met elkaar verbindt. Het maakt de structuur zélf adaptief. Waar je in bv Canvas of Brightspace als docent zelf de mappen vult, de volgorde bepaalt en AI hooguit als losse assistent gebruikt, is een native systeem vanaf de eerste regel code gebouwd om de AI heen.

Een native AI-systeem draait de rollen om. AI is hier niet de extra laag, maar de motor die onderwijsinhoud, leerprocessen en docentinzichten met elkaar verbindt.

Zie de huidige LMS’en als digitale boekenkast en de nieuwe als een persoonlijke privédocent die de boeken ter plekke schrijft en aanpast. En niet alleen de content wordt dynamisch, ook de relatie tussen leerdoelen, voorkennis en vervolgstappen wordt voortdurend opnieuw geïnterpreteerd. In plaats van een passieve vergaarbak van documenten, is het een actieve motor die de leerdoelen ‘begrijpt’ en voor iedere student een eigen, vloeibaar leerpad creëert dat realtime reageert op de voortgang.

Data als kloppend hart

De motor van deze vernieuwing zijn data. Waar we nu vaak nog varen op onderbuikgevoel of een eenmalige toetsuitslag, verzamelt een native AI-platform continu data over het leerproces. Het gaat niet alleen om goed of fout, maar om foutenpatronen, leerstijl en zelfs hoe zeker een student is van zijn antwoord.
Deze schat aan data levert realtime docentinzichten op. De docent ziet tijdens het leerproces direct waar de gaten in de kennis zitten. Data worden hiermee de brandstof voor gepersonaliseerde begeleiding en de ontzorging van de docent.
Waar traditionele dashboards vooral registreren wat al gebeurd is, probeert een native systeem (zoals Eduvare) ook te herkennen wat waarschijnlijk gaat gebeuren: welke kennis is fragiel, waar dreigt stagnatie en welke interventie heeft op dat moment het meeste effect. Learning Analytics is dus niet dood, maar begint nog maar net!

Waarom nog delen als je kunt genereren?

Dit roept vragen op bij onze huidige ambities, zoals het delen van open leermaterialen. Een prachtig streven, maar is het straks nog wel de juiste horizon? Als een student met één druk op de knop leermateriaal on the fly kan genereren, volledig aangepast aan de eigen behoefte en in de vorm die op dat moment het best past, waarom zouden we dan nog statische pakketten met elkaar delen?
De focus verschuift van het bezitten van content naar het sturen van de generatieve kracht van AI. In een native systeem is de content vloeibaar. Dat vraagt om het loslaten van het idee dat we leermateriaal vooraf tot in de puntjes moeten vastleggen en ‘openstellen’.

De praktijk als bron: Het mbo-curriculum op de schop?

Dit heeft grote gevolgen voor het curriculum, zeker in het mbo waar dit vaak strak omkaderd is. Stel je voor dat we actuele materialen uit het regionale bedrijfsleven de documenten die een student als beginnend beroepsbeoefenaar écht gaat tegenkomen rechtstreeks als bron aan de AI voeden. De AI verrijkt hiermee direct de leerstof, de contentcreatie én de toetsing.

Het leren wordt hiermee hyper-actueel. Maar wat betekent dat voor een curriculum dat drie jaar van tevoren is dichtgetimmerd? Native AI dwingt ons om grof en fijn ontwerp niet meer als eenmalige exercitie te zien, maar als een dynamisch proces dat wekelijks bijstuurt op basis van de praktijk en de data van de student.

Van A naar A+? Of naar B?

We stappen af van het idee dat een systeem alleen een administratieve vergaarbak is. We gaan naar een omgeving die actief meedenkt en de buitenwereld naar binnen haalt. Ik heb die toekomst al gezien, de vraag is of wij het al willen gebruiken. Zijn wij bereid onze huidige structuren en concepten los te laten om die ruimte ook echt te benutten? Om in Npuls termen te blijven: willen we van A naar A+ of naar B?