Het gesprek over AI in het hoger onderwijs zit vast op de verkeerde vraag. “Mogen ze het gebruiken?” is een vraag over toelating, en die veronderstelt dat we het antwoord kunnen afdwingen. Dat kunnen we niet, en iedereen die de afgelopen twee jaar opdrachten verbeterd heeft, weet dat.
De vraag die eronder ligt is ongemakkelijker: wat meet deze opdracht nog, nu een taalmodel er in dertig seconden een aanvaardbare versie van maakt?
Drie soorten opdrachten
Als ik mijn eigen vakken erop nakijk, vallen mijn opdrachten uiteen in drie groepen.
De eerste groep is stukgegaan. Samenvattingen, definitieoefeningen, “leg in eigen woorden uit”. Die maten of een student een tekst gelezen en verwerkt had. Nu meten ze of een student een prompt kan typen. Daar is geen tussenweg en geen slimme herformulering die dat repareert.
De tweede groep is onaangeroerd. Alles wat gebeurt terwijl ik erbij ben: mondelinge verdediging, een vraag tijdens het labo, een student die zijn eigen code moet aanpassen op iets wat ik ter plaatse verzin. AI verandert daar niets aan, want de tijd en de aanwezigheid zijn de meting.
De derde groep is de interessante: opdrachten die beter worden als AI meespeelt, op voorwaarde dat ik de opdracht herschrijf.
Wat “herschrijven” concreet betekent
Een voorbeeld uit mijn eigen vak. De oude opdracht:
Schrijf een functie die een lijst studenten sorteert op gemiddelde.
Die is dood. De nieuwe:
Laat een taalmodel deze functie schrijven. Lever in: de prompt die je gebruikte, de code die je terugkreeg, minstens één fout of zwakte die je erin vond, en je verbeterde versie met uitleg waarom.
De tweede opdracht is moeilijker dan de eerste. Je kan ze niet maken zonder de code te begrijpen, want je moet er iets aan mankeren zien. En de zwakke inzendingen zijn meteen herkenbaar: wie niets vindt, heeft niet gekeken.
Dit werkt niet overal. Het veronderstelt dat er iets te bekritiseren valt, en bij een eenvoudige oefening is dat er niet. Maar het laat zien waar de meting naartoe kan verschuiven: van het maken naar het beoordelen.
Wat ik nog niet weet
Twee dingen houden me bezig en ik heb er geen antwoord op.
- Bouwen studenten zo nog fundamenten op? Kritiek geven op code veronderstelt dat je ooit zelf code geschreven hebt. Als de eerste stap wegvalt, waar komt die basis dan vandaan? Ik vermoed dat het antwoord vakspecifiek is en dat we het per opleiding zullen moeten uitzoeken.
- Wat doen we met wie geen toegang heeft? De betere modellen kosten geld. Een opdracht die AI veronderstelt, veronderstelt een abonnement. Dat is een billijkheidsprobleem dat we tot nu toe grotendeels genegeerd hebben.
Ik heb geen sluitend kader. Wat ik wel heb, is een bruikbaardere vraag om mee naar een opdracht te kijken dan of het mag.