Auteur: Dr. Bernhard Schmidt-Hertha

Kunstmatige intelligentie (AI) heeft het grote publiek eigenlijk pas bereikt met de komst van gratis LLM's (Large Language Models: grote taalmodellen die teksten kunnen genereren). In het bedrijfsleven was het besef al langer doorgedrongen dat AI bezig is met een niet te stuiten opmars. AI maakt namelijk nieuwe productieprocessen mogelijk die vergaand geautomatiseerd zijn en kan de efficiëntie van logistieke processen enorm verbeteren. Daarnaast zorgt AI ervoor dat het gebruik van informatiebronnen en tools in de dienstverlenende sector drastisch aan het veranderen is. Maar de meningen zijn nogal verdeeld over de mate waarin AI tot fundamentele veranderingen op werkgebied zal leiden en welke impact AI zal hebben op de arbeidsmarkt. Hoewel het tamelijk helder is welke taken in de toekomst overgenomen kunnen worden door AI, is het uiteindelijk aan bedrijven en hun klanten om te beslissen in hoeverre ze gebruik willen maken van deze mogelijkheden. Ten eerste is het belangrijk om te begrijpen wat AI op dit moment te bieden heeft en wat er in de toekomst allemaal mogelijk is. Om dit te kunnen beoordelen, moeten bedrijven ervoor zorgen dat hun personeel, of in elk geval een deel ervan, over de benodigde kennis beschikt. Basiskennis met betrekking tot AI kan worden geïntegreerd in beroepsopleidingen en studieprogramma's of kan aan werknemers worden overgedragen via trainingen en cursussen.

Situatie van middelgrote en kleine bedrijven (mkb)

Grote bedrijven hebben zich al geruime tijd aangepast aan het gebruik van AI: zij testen toekomstbestendige werkprocessen die verschillende vormen van AI (zoals robotica en machine learning) benutten, waardoor er andere eisen gesteld worden aan het personeel. Het gebruik van AI is in de toekomst ook cruciaal voor middelgrote en kleine bedrijven (mkb), maar zij ontberen vaak de specialistische kennis om goed in te kunnen schatten welke mogelijkheden AI biedt om verdere ontwikkelingen op hun werkterrein in gang te zetten. Ervoor zorgen dat werknemers over de benodigde vaardigheden beschikken is een grote uitdaging voor veel bedrijven (Ulrich & Frank, 2021), maar ze kunnen dit probleem niet alleen oplossen. Het is niet zomaar een kwestie van het inhuren van pure AI-specialisten; kleine bedrijven hebben hier geen geld voor en dit is momenteel voor hen ook niet winstgevend. Voor het mkb is het nu vooral zaak om geschoolde werknemers binnen het bedrijf voor te bereiden op het gebruik van AI. Om adequaat te kunnen reageren op de zeer snelle ontwikkelingen op AI-gebied zijn er kwalificatiestrategieën nodig om specialisten op te leiden en gericht in te zetten, zowel nu als in de toekomst. Het project  KI B³ - Bringing artificial intelligence into vocational training (FKZ: 21IV005F), gefinancierd door het Duitse ministerie voor Opleiding en Onderwijs, heeft zowel een facultatieve AI-module voor leerlingen van beroepsopleidingen als diverse AI-trainingsformats voor ervaren specialisten ontwikkeld en getest (Achtenhagen et al., 2024).

Inhoud en prioriteiten vanuit het perspectief van de verschillende belanghebbenden

Aangezien dergelijke facultatieve modules en trainingen slechts een beperkt aantal aspecten kunnen behandelen, is het een enorme uitdaging om relevante onderwerpen te selecteren uit het zeer brede scala aan AI-kennis. In het KI B³-project waren AI-experts van de universiteit van Stuttgart verantwoordelijk voor de didactische structuur van het lesprogramma, maar tegelijkertijd moest er rekening gehouden worden met de interesses en input van docenten en deelnemers. Daartoe werden docenten op beroepsleidingen geïnterviewd en werd aan deelnemers gevraagd om een online enquête in te vullen. Beide groepen benadrukten het belang van algemene AI-basisvaardigheden, met specifieke toepassingsgebieden en voorbeelden, maar hechtten ook grote waarde aan thema's als data-analyse, de beperkingen van AI en ethische vraagstukken rondom AI. Deelnemers vonden het thema 'machine learning' ook bijzonder belangrijk (Rott et al., 2024). Deze onderwerpen werden dan ook opgenomen als belangrijke inhoud in de lesprogramma's, die werden uitgevoerd als 'blended learning' (gemengde leervorm) in beroepsopleidingen en via instituten voor vervolgopleidingen. De evaluatie wees uit dat deelnemers veel geleerd hadden en zeer tevreden waren met de inhoud en de didactische opzet van het AI-programma. Daarnaast werd nadrukkelijk gewezen op hoe belangrijk ze het vonden dat er naast zelfstudie ook fysieke bijeenkomsten waren. De juiste balans tussen basiskennis en concrete toepassingen, met bijbehorende voorbeelden en oefeningen, bleek eveneens een cruciale succesfactor te zijn (zie ook Petridou & Lao, 2024). Deelnemers uitten kritiek over het gebrek aan voorbeelden van concrete toepassingen.

AI-tools waren niet alleen lesstof maar werden ook gebruikt om de leeromgeving vorm te geven. Zo werd er onder andere een chatbot ontwikkeld die in staat was om vragen van deelnemers over de inhoud van de cursus te beantwoorden. De eerste uitkomsten wijzen op een hoog acceptatieniveau ten opzichte van de chatbot, hoewel er tot nu toe slechts schoorvoetend gebruik van wordt gemaakt. Waarschijnlijk moeten deelnemers eerst gewend raken aan het proactief inzetten van dergelijke AI-tools, voordat dit helemaal in hun systeem komt te zitten.

Uitdagingen

De kritiek over het gebrek aan aansluiting op de praktijk of het eigen specifieke beroep (hetgeen bij het onderzoek naar voren kwam) laat zien dat hier nog een flinke uitdaging ligt. Het feit dat de cursussen aangeboden werden via beroepsopleidingen en trainingsinstituten betekende dat er onvoldoende sprake was van directe koppeling met de dagelijkse werkzaamheden van de deelnemers. Om dit te verbeteren zouden de bedrijven en de docenten of begeleiders meer betrokken moeten worden bij het samenstellen van de cursusactiviteiten. Een mogelijk alternatief zou kunnen zijn om zogeheten 'leerfabrieken' op te zetten, waarin productie en werkomstandigheden worden gesimuleerd die nog niet zijn doorgevoerd in de betreffende bedrijven (Merkel et al., 2017).

Tot dusver zijn het voornamelijk bijzonder bekwame leerling-vaklieden en geschoolde arbeidskrachten die gebruikmaken van het AI-aanbod. De hoge mate van zelfsturing die van lerenden gevraagd wordt in een virtuele leeromgeving kan, samen met de veeleisende inhoud van het lesprogramma, al snel een grote drempel zijn voor minder sterke leerlingen. In een onlangs gestart project wordt onderzocht hoe AI in de leeromgeving gebruikt kan worden om deze doelgroep beter te ondersteunen. Een andere uitdaging vormen de ethische kwesties en privacywetgeving die beperkingen opleggen aan adaptieve en gepersonaliseerde leerstrategieën.

Referenties

Rott, K. J., Lao, L., Petridou, E. & Schmidt-Hertha, B. (2022). Needs and requirements for an additional AI qualification during dual vocational training: results from studies of apprentices and teachers. Computers and Education: Artificial Intelligence, 2022, 100102. https://doi.org/10.1016/j.caeai.2022.100102

Merkel, L., Atug, J., Merhar, L., Schultz, C., Braunreuther, S., & Reinhart, G. (2017). Teaching smart production: An insight into the learning factory for cyber-physical production systems (lvp). Procedia Manufacturing 9, 269 -274. https://doi.org/10.1016/j.promfg.2017.04.034

Ulrich, P. & Frank, V. (2021). Relevance and adoption of AI technologies in German SMEs - results from survey-based research. Procedia Compututer Science 192, 2152-2159, https://doi.org/10.1016/j.procs.2021.08.228

Achtenhagen, C., Rott, K. J. & Zühlke, A. (2024). Die Entwicklung von neuen Bildungsabschlüssen. Ein Making-of aus dem InnoVET-Projekt KI B³. berufsbildung. Zeitschrift für Theorie-Praxis-Dialog 78(2), 21-25. 10.3278/BB2402W007

Petridou, E., & Lao, L. (2024). Identifying challenges and best practices for implementing AI additional qualifications in vocational and continuing education: a mixed methods analysis. International Journal of Lifelong Education43(4), 385–400. https://doi.org/10.1080/02601370.2024.2351076

Biografie

Dr. Bernhard Schmidt-Hertha is hoogleraar Algemene pedagogiek en onderwijsonderzoek aan de Ludwig-Maximilians-universiteit München. Zijn voornaamste onderzoeksgebieden zijn: leren op latere leeftijd, transities, beroepsopleidingen, schoolverlaters, en digitale media in educatie. Hij is mederedacteur van drie academische tijdschriften en bestuurslid van de Duitse Vereniging voor educatief onderzoek. In 2009 richtte hij het Europese netwerk ELOA voor volwasseneducatie op. Dit netwerk is nog altijd actief.