AI in het onderwijs

Geautomatiseerde tekstanalyse voor het beoordelen, valideren van creativiteit en voorspelling over passende leertrajecten.

Doel van het project

Het onderzoek doen naar het vraag in hoeverre kan een geautomatiseerde evaluatie aan de poort een optimaal aansluitend leerpad bepalen voor een (nieuwe) student in een passende tijdsperiode zonder verlies van de onderwijskwaliteit kan bijdragen leveren aan het vraag hoe de data science kan onderwijs nieuwe perceptieve aanbieden om betere aansluiting te hebben aan de vraag vanuit arbeidsmarkt. Het onderzoekt richt zich dan vooral op geautomatiseerde tekst-analyses (zowel van portfolio’s als leermateriaal en beschrijving van leeractiviteiten) om diverse geavanceerde wiskundige-, statistische-, taalkundige- en patroonherkenning technieken te ontwikkelen waarmee het mogelijk is om ongestructureerde informatie automatisch te analyseren. Dit onderzoek richt zich op de vragen kunnen we voorspelingen doen op basis van  tekst data en kunnen we computational model bouwen voor menselijke cognitie en gedrag.  Echter gaat hier niet over de bestanden situatie in het onderwijs, maar juist over toekomstige vaardigheid. Het ontwikkelen van modellen die deze nieuwe vaardigheden kunnen traceren en voorspellingen maken hoe deze vaardigheden kunnen versterkt of geleerd worden staat centraal.  Maar ook inzichten krijgen in hoeverre geautomatiseerde analyses menselijk inspanningen om beoordeling en voorspeling te maken kunnen vervangen of  zelf beter uitvoeren.

Projectresultaten

• KIEM-aanvraag: Eerlijke selectie voor iedereen! Onderzoek naar de mogelijkheden van de computationele beoordeling

• Artikel en poster op basis van experiment bij minor ADS: zie publicaties.