XCEL

Tegelijkertijd doet generatieve AI zijn intrede. De huidige AI-assistenten beschikken echter vaak nog over onvoldoende kennis over leerprocessen, geven algemene feedback en bieden weinig inzicht in hoe hun aanbevelingen tot stand komen. Dit beperkt het vertrouwen in dergelijke systemen en maakt ze moeilijk toepasbaar in het onderwijs.

Het XCEL-project pakt beide uitdagingen aan met een nieuwe generatie Learning Analytics Agents: conversationele AI-assistenten die gegevens over leerprocessen combineren met wetenschappelijke inzichten, verklaarbare AI en privacy-beschermende technologie. In plaats van enkel de gegevens te presenteren, helpen deze agents leerkrachten en lerenden om de informatie te interpreteren, de betekenis ervan te begrijpen en ze te vertalen naar concrete acties die het leren verbeteren.

Artificiële intelligentie die begrijpt wat leren is

Een eerste XCEL-innovatie is bedoeld om AI pedagogisch intelligent te maken. In plaats van alleen patronen in data te herkennen, baseert XCEL zijn Learning Analytics Agents op wetenschappelijke inzichten over leerprocessen. Het systeem leert bovendien betekenisvolle indicatoren herkennen, in het bijzonder indicatoren die verband houden met zelfregulerend leren: het vermogen van lerenden om hun eigen leerproces te plannen, op te volgen en te evalueren. Op die manier wil het project feedback bieden die zowel wetenschappelijk onderbouwd als praktisch bruikbaar is.

Een tweede innovatie is het aanbieden van AI die kan uitleggen hoe het tot bepaalde conclusies of aanbevelingen komt. Leerkrachten kunnen zo begrijpen waarom bepaalde leerlingen extra ondersteuning nodig hebben, terwijl leerlingen gepersonaliseerde uitleg krijgen die hen helpt om over hun eigen leerproces te reflecteren.

Ten derde ontwikkelt XCEL conversationele AI die gegevens over het leerproces omzet in betekenisvolle dialogen. In plaats van informatie alleen passief te tonen, gaat de Learning Analytics Agent een gesprek aan met leerkrachten en leerlingen. De agent stelt vragen, geeft gepersonaliseerde feedback, suggereert vervolgstappen en grijpt in wanneer het leerproblemen of verminderde betrokkenheid detecteert.

Als vierde innovatie ontwikkelt XCEL privacybeschermende methoden om te werken met gegevens die verspreid zijn over verschillende platformen zonder daarbij persoonlijke informatie centraal op te slaan. Zo kunnen organisaties profiteren van gedeelde inzichten, terwijl ze toch voldoen aan de GDPR en andere regelgeving rond privacy.

AI-gestuurde leerondersteuning in de praktijk

Als demonstratie van het XCEL-project ontwikkelen de onderzoekers een Learning Analytics Agent voor twee representatieve leeromgevingen.

De eerste use case richt zich op het K-12-onderwijs, het onderricht aan leerlingen van het lager- en midelbaar onderwijs. Hier ondersteunt het XCEL-platform leerkrachten en leerlingen in digitale STEM-leeromgevingen. De tweede richt zich op bedrijfsopleidingen, waar het trainers en werknemers helpt om leerdata beter te benutten in het kader van een professionele ontwikkeling. In beide omgevingen toont het project hoe conversationele AI gepersonaliseerde feedback kan geven, bewust leren kan stimuleren en datagestuurd onderwijs kan ondersteunen.

Naast de technische demonstratie evalueert XCEL ook in welke mate gebruikers AI-gegenereerde verklaringen begrijpen en vertrouwen, of leerkrachten betere onderwijsbeslissingen kunnen nemen en of leerlingen hun vaardigheden op het vlak van zelfregulerend leren kunnen verbeteren dankzij een meer gepersonaliseerde begeleiding.

“XCEL toont hoe AI op basis van de analyse van leerprocessen intelligente leerassistenten kan opzetten. Door wetenschappelijke inzichten, verklaarbare AI, conversationele interfaces en privacybeschermende technologie te combineren, helpt het project zowel leerkrachten en leerlingen, versterkt het het vertrouwen in AI en verbetert het de leerresultaten. Zo draagt XCEL bij aan de ontwikkeling van de volgende generatie digitaal leren in het onderwijs, in professionele opleidingen en bij levenslang leren.”