Voor ieder complex probleem kan een handige AI-oplossing verzonnen worden. Tegelijkertijd maken steeds meer mensen zich zorgen over de impact van AI. Hoe weet je nog wat een bot is en wat echt? En vertrouwt een arts zijn eigen diagnose of die van de computer? Ook in de van nature trage educatiesector komt deze discussie nu op gang. Toch is educatieve AI niks nieuws. Verschillende universiteiten doen al jaren research met machine learning-modellen om te voorspellen welke studenten zullen afhaken. En al in de jaren negentig ontstonden in de Verenigde Staten de eerste systemen waarbij de rol van de leraar door de computer werd nagebootst.

In Nederland zijn slimme digitale leer- en oefen tools inmiddels niet meer weg te denken uit het onderwijs. Zo passen producten met een adaptieve component de moeilijkheid of volgorde van de stof aan op basis van de prestaties van het kind. En proberen Memorizing tools de informatieopslag binnen het korte en langetermijngeheugen te voorspellen en hier hierop in te spelen. Veel van deze toepassingen hebben zich in het buitenland snel kunnen ontwikkelen door de schaalvoordelen van een grote thuismarkt. Daarna vinden ze makkelijk hun weg naar onze scholen: er zijn voldoende early adopters onder de docenten, ze spreken Engels en we hebben een uitstekende digitale infrastructuur.

Deze groeiende afhankelijkheid van buitenlandse technologie roept wel een aantal vragen op. Kunnen we deze partijen vertrouwen met de gegevens van onze kinderen? AI gaat straks voorspellen, actief meehelpen in het leerproces en wellicht advies geven aan leerkrachten en ouders. Problematisch hierbij is de ondoorzichtigheid in complexe AI. En de kans op een onbewuste bias die ervoor kan zorgen dat kinderen op verschillende manieren behandeld worden. Dat meisjes andere sommen krijgen dan jongens bijvoorbeeld. Dat black box-effect wordt versterkt wanneer een toepassing ontwikkeld is op een dataset in een ander land, met een ander type onderwijs en afwijkende culturele en ethische normen.

Je kunt je afvragen of je dit soort kritische software daarom niet van wat dichterbij moet halen. Zodat de lijnen kort zijn en aan de Europese wetgeving wordt voldaan. Het verkleint bovendien het risico van een groeiende data-achterstand die straks niet meer in te halen is. Plus: het kan het hoofd bieden aan lokale problematiek. Het onderwijs hier kampt met grote klassen, een groeiend lerarentekort en een alsmaar toenemende administratieve druk, waardoor een individuele benadering vaak niet mogelijk is. Daar kunnen sterk gepersonaliseerde leeromgevingen, die inspelen op de motivatie, interesses en voorkeuren van het kind, helpen.

* Dit artikel is geschreven door Peter Hofstede, Futurewhiz Media – Squla/ StudyGo en verscheen eerder in het oktobernummer van Emerce magazine (#173).