Laat docenten AI gebruiken om toetsen na te kijken

Tentamens nakijken is niet bepaald het leukste deel van de docentenbaan. Het is repetitief werk en tijdsintensief. Bovendien zit er ook nog tijdsdruk op, want in de regel bestaat er een nakijktermijn van tien dagen. Terwijl de docent loopt te zwoegen, kunnen studenten niet wachten op hun resultaten, het liefst zo snel en consistent mogelijk. 

Je zou toch zeggen dat hier ruimte is voor verbetering. Repetitief werk snel en consistent afhandelen, laat dan nou net iets zijn waar AI goed in is. In dit artikel bepleiten wij dat AI inzetten om na te kijken verplicht zou moeten zijn- de kansen zijn te groot om het te negeren.

Samen begonnen we onze reis van automatisch nakijken begin dit jaar. Tijdens de cursus Science Based Entrepreneurship aan de UU begonnen we met de probleemobservatie. Al snel vielen de verhalen op van overbelaste docenten: we zagen hen zwoegen en hoorden hoe ontzettend veel tijd het kost om toetsen na te kijken, vooral bij open vragen. Daardoor realiseerden we ons: dit kan beter. Zo is ToetsTester geboren.

ToetsTester verlaagt de werkdruk door toetsen gedeeltelijk automatisch na te kijken. Dit werkt voor digitale én handgeschreven toetsen. In tegenstelling tot bestaande systemen die zich beperken tot meerkeuzevragen, gebruikt ToetsTester kunstmatige intelligentie om ook complexe open antwoorden te analyseren. Met de vernieuwende technologie lukt het ons het handgeschreven antwoorden te herkennen, te lezen en deze vervolgens te vergelijken met het modelantwoord. Zo helpen we docenten tijd te besparen.

Tijdsbesparing
Dat automatisch nakijken tijd kan schelen, lijkt voor de hand te liggen. Hoewel cijfers voor het hoger onderwijs uitblijven, zijn de cijfers over het voortgezet onderwijs glashelder. Daar wordt namelijk op jaarbasis 17.000.000 uur nagekeken. Inderdaad, dat zijn punten en geen komma’s, het gaat hier om 17 miljoen uur nakijken. Als je dat in je eentje moet doen ben je daar bijna 2000 jaar mee bezig. 

Zonde van de tijd dus. Ondanks dat gehele automatisering van het nakijken uitgesloten is, schatten wij dat deze tijd zeker gehalveerd kan worden. Zo komt er meer tijd vrij voor wat echt belangrijk is: goed onderwijs geven.

Dit heeft natuurlijk ook voordelen voor de studenten zelf. Niet alleen gaat de kwaliteit van het onderwijs omhoog, maar je hebt ook nog eens veel sneller je resultaten van je tentamen.

AI-Act
Tot nu toe blijft de deur gesloten, wanneer we dit idee aan de universiteit voorleggen. ‘Nakijken is hoog risico’ wordt er verteld. Daarbij wordt gerefereerd aan de AI-act. De AI-Act is nieuwe Europese wetgeving die komende jaren geïmplementeerd zal worden. Binnen deze wetgeving worden AI-systemen ingedeeld in verschillende categorieën van risico: onacceptabel, hoog, gelimiteerd en minimaal. AI in het onderwijs wordt aangemerkt als ‘hoog risico’, met als gevolg dat je aan strenge eisen moet voldoen.

Logischerwijs is het gooien van toetsen in ChatGPT en op een cijfer wachten om dit vervolgens direct te uploaden op Blackboard gevaarlijk en niet ethisch verantwoord. Echter, wanneer de AI ondersteunend werkt, zoals omschreven in ‘Overweging 53’ van de AI-act, dan is dit een veel minder groot risico. De ‘human-in-the-loop’ houden (lees: er moet een mens naar blijven kijken) is hier van belang. 

Net zoals we dat zien bij studenten, zullen ook docenten kritisch moeten blijven op het resultaat. Docenten moeten niet klakkeloos de scores van het model overnemen, maar ook de antwoorden controleren. Zo blijft de mens eindverantwoordelijk. AI kan hierin dus functioneren in een ondersteunende rol. Wanneer dit goed gebeurt kan automatisch ondersteund nakijken een enorme bijdrage leveren aan het onderwijs. Het is zonde om de mogelijkheid links te laten liggen. 

Persoonlijke inzichten
Het tweede veelgehoorde tegenargument betreft de unieke en onvervangbare inzichten die persoonlijk nakijken met zich meebrengt. Hierbij wordt gesteld dat het nakijken van een toets voor connectie met studenten zorgt, waardoor de docent beter snapt wat studenten al wel of nog niet kunnen.

Nakijken met AI zou deze connectie in de weg staan. Maar is het nodig om hoogstpersoonlijk alle antwoorden door te lezen om inzicht in je leerlingen te krijgen? Ook door AI nagekeken toetsen kunnen waardevolle inzichten bieden in de prestaties van leerlingen. Sterker nog, AI kan gepersonaliseerde feedback en overzichtelijke rapportages genereren, waardoor je als docent sneller en gerichter zicht krijgt op wat studenten wel of niet beheersen. Dit maakt learning analytics niet alleen toegankelijker, maar ook bruikbaarder in de dagelijkse lespraktijk.

Pilot starten
AI kan werkdruk verminderen door te ondersteunen bij het nakijken. Wij pleiten voor een pilot, waarbij gekeken wordt hoeveel tijd er bespaard kan worden en er kwaliteitseisen aan het model gesteld worden. Zo wordt nakijken sneller voor de docent, krijgen studenten betere feedback en is de wachttermijn van twee weken op tentamencijfers verleden tijd.

Wij hopen hier met ToetsTester een beginnetje aan te maken. Momenteel testen we op middelbare scholen, maar we hopen in de toekomst ook het hoger onderwijs te kunnen ondersteunen. 

De masterstudenten Kas ten Berge en Bas van Leeuwen hebben het project ToetsTester opgezet via de cursus Science Based Entrepreneurship en krijgen daarbij ondersteuning van masterstudent Wout van der Molen. Kas en Wout schreven ditopiniestuk over toepassing van ToetsTester op de universiteit. Ze roepen mensen die interesse hebben, of over het project willen sparren te reageren via de mail: karstenbergeo@gmail.com Opinies zijn ingezonden artikelen. Het standpunt van de schrijver is niet per definitie ook het standpunt van DUB.

.

Lees ook de opinie van student Pim Molenaar: AI in het onderwijs moet meer omarmd worden.