SURF plaatst functionele cookies om deze website goed te laten werken. Ook plaatsen we analytische cookies om de website te verbeteren. De data wordt waar mogelijk geanonimiseerd.
Ingesloten content (zoals YouTube-video's) kan cookies van derde partijen bevatten. Wil je deze cookies van derden toestaan?
In this SURF community, we want to bring experts interested in advanced computing and networking together. This community aims to create a space to share experiences, proof of concepts, possible applications, and impact with topics like Quantum Technologies, Specialized Computing Architecture & Energy Efficiency, and Network innovation for future research & education challenges.
Maandag 5 oktober vond alweer de derde editie van de SURF IAM Unconference plaats, in het teken van identiteit en toegang bij de leden van SURF. Een dag waarop de bijna 100 deelnemers zelf het programma bepaalden. In de bibliotheek aan de Neude in Utrecht wisselden de sessies elkaar af, en was er veel ruimte om met elkaar in gesprek te gaan, tijdens de sessies én daarbuiten. Dat daar behoefte aan is, blijkt. Zo vertelt een van de deelnemers: “We hoeven niet allemaal het wiel opnieuw uit te vinden. Het is juist belangrijk dat we als instellingen bij elkaar kunnen afkijken.”
Artificial Intelligence (AI) kan de kwaliteit van het onderwijs verbeteren. Hoe precies? Dat moeten we grotendeels nog ontdekken. Veel instellingen experimenteren daarom met AI-toepassingen. Maar wat is Artificial Intelligence nou precies? Waar liggen de kansen voor het onderwijs? Wat zijn voorbeelden van toepassingen? En wat betekent het voor de docent? Juni is de Maand van AI in het onderwijs. En mooi moment voor een overzicht.
🔗 Go to 🇬🇧 English versionBinnen SURF gebruiken we vaak begrippen als digitale soevereiniteit, publieke waarden en autonomie. Ze worden geregeld in één adem genoemd, maar betekenen niet altijd hetzelfde. Toch is het niet de bedoeling hier een semantische discussie van te maken. Meer duidelijkheid helpt wel om het gesprek erover constructiever te voeren.Ik krijg dan ook regelmatig de vraag welk begrip past bij welk doel, en wat we er precies mee bedoelen. In dit blog leg ik het verschil uit, hoe anderen deze termen gebruiken, en waarom wij bij SURF steeds vaker spreken over digitale soevereiniteit en waarden zoals autonomie, zeker in het licht van de geopolitieke spanningen en de afhankelijkheid van big tech. Het is een perspectief, en zeker niet de enige of absolute waarheid, en zonder al te veel te verklappen: het gaat een beetje om woorden, maar vooral om daden!
Deep Learning (DL) is becoming more and more popular. Many of the libraries and toolkits used by deep learning engineers for designing, building and training neural networks are open source, such as PyTorch or Tensorflow. These frameworks have contributed to the popularity of deep learning, and make it available for everyone to use, from hobbyists to academic researchers to private companies.
Ever since the release of ChatGPT, people have been amazed and have been using it to help them with all sorts of tasks, such as content creation. However, the model has faced criticism: some are raising concerns about plagiarism for example. AI-generated content detectors claim to distinguish between text that was written by a human and text that was written by an AI. How well do these tools really work? According to our findings they are no better than random classifiers when tested on AI-generated content.
There are more concerns than just the performance of these tools however. For one, there is no guarantee of avoiding false positives. Wrongfully accusing someone of plagiarism would be especially harmful. Then, it seems likely that this will turn into a game of cat and mouse with language models and tools promising to detect them continually trying to outdo each other. All in all, detection tools do not seem to offer a very robust or long-term solution. Perhaps it would be better to include the impact of artificial intelligence in the existing discussion about the best way to design exams and assignments to test students.
Docenten hebben op dit moment niet de juiste infrastructuur om hun data science of AI-onderwijs goed te kunnen geven. Ze missen rekenkracht, software en opslag. Daardoor zijn ze aangewezen op alternatieven die zorgen voor afhankelijkheid van BigTech, waarbij het de vraag is wat er met (gevoelige) data wordt gedaan. Of docenten moeten kiezen voor minder goed of minder aantrekkelijk onderwijs. Dat blijkt uit een inventarisatie die in 2025 is afgerond. Reden genoeg om het probleem en mogelijke oplossingen verder te verkennen! We proberen antwoord te vinden op de vraag:
Hoe zorgen we dat Nederlandse vervolgonderwijsinstellingen over 3–5 jaar goed, veilig, schaalbaar en toekomstbestendig data/AI-onderwijs kunnen bieden? En wat gebeurt er als de sector geen actie onderneemt?
Heb je input om deze vraag te kunnen beantwoorden? Of heb je vragen over dit traject? Mensen die we volgens jou moeten spreken? Laat het dan vooral weten aan Karianne Vermaas via karianne.vermaas@surf.nl. Of je nou docent, onderwijsondersteuner, bestuurder of op een andere manier betrokkene bent, we horen het graag.
