Bewerk Dossier: DOSP-VHR-002346

Titel

Enhanced Description

Cleaned Description

Het gebruik van onderwijstechnologie (EdTech) is de afgelopen decennia exponentieel toegenomen. Instellingen voor hoger onderwijs (zoals VIVES) volgen deze trend. Recente ontwikkelingen op het gebied van kunstmatige intelligentie (AI) genereren veel toepassingen voor het onderwijs. Lesgeven en leren met behulp van EdTech (bijvoorbeeld door gebruik te maken van online leeromgevingen) is een uitdaging voor docenten en studenten, maar heeft het potentieel om waardevolle datastromen te produceren die het lesgeven en leren kunnen ondersteunen.

Eén van de toepassingen van het gebruik van deze gegevens is het voorspellen van het succes van studenten. Een VIVES-onderzoeksteam heeft bijvoorbeeld met succes een AI-algoritme geïmplementeerd dat het voorspellen van scores voor verpleegkundestudenten op een online introductiecursus anatomie mogelijk maakt. Dit model voorspelde de resultaten van studenten ‘accuraat’, ‘vroeg’ (dus halverwege een semester) en ‘verklaarbaar’. Door de verklaarbare voorspelling van het succes van studenten konden docenten en studenten handelen op basis van de door AI gegenereerde informatie om de kans te vergroten dat studenten voor een cursus slagen.

In dit project willen we:

a) Meerdere datastromen over het gedrag van studenten (inclusief on- en offline activiteiten) vastleggen en combineren voor een breed scala aan cursussen in VIVES. Op die manier bouwen we een rijke datapool op om AI-modellen te trainen.

b) Identificeren van betekenisvolle kenmerken die dienen als ‘verklaarbare voorspellers’ voor het succes van studenten.

c) AI-technieken gebruiken (bijv. machinaal leren) om het succes van studenten tijdig, accuraat en verklaarbaar te voorspellen.

d) Gebruik AI-output en Large Language Models (LLM) om leerlingen aan te sporen hun leergedrag te verbeteren en zo de succespercentages te vergroten.

De focus van dit project ligt op het generaliseren van ‘explainable AI’. We streven ernaar om AI-ondersteuning te implementeren over meerdere cursussen in verschillende domeinen. Dit betekent werken met verschillende docenten en grote studentenpopulaties. Door voorspellingen te doen over de prestaties van leerlingen, samen met verklaringen, willen we een black-box-fenomeen vermijden en het vertrouwen dat leerlingen en docenten hebben in door AI ondersteund onderwijs vergroten.

Dit project beoogt kwalitatief hoogstaand, AI-ondersteund onderwijs in passende opleidingen van Hogeschool VIVES. Het ondersteunen van onderwijs met verklaarbare AI heeft het potentieel om de succespercentages van studenten te vergroten, wat in Vlaanderen gekoppeld is aan universitaire financiering. Ook dragen we bij aan een wetenschappelijke onderzoeksbasis over het gebruik van AI in het onderwijs. Wij streven ernaar om zowel wetenschappelijke als praktijkgerichte artikelen te publiceren en onze bevindingen aan een breed publiek te presenteren. Voorspellende AI-modellen kunnen worden verpakt, gepubliceerd en in licentie worden gegeven om beschikbaar te worden voor externe partners in verschillende domeinen die EdTech gebruiken (bijvoorbeeld hoger onderwijs, bedrijven die EdTech gebruiken voor training, bedrijven die EdTech creëren, enz.).

Tenslotte kunnen VIVES-studenten (geanonimiseerde) data gebruiken om van te leren en te helpen bij de ontwikkeling.

Cleaned Result Description

Start Date

End Date