Onderwijs- en onderzoeksinstellingen werken hard om studenten en medewerkers een goede en veilige digitale omgeving te bieden. Daarbij worden we geconfronteerd met dilemma’s: hoe borgen we waarden als rechtvaardigheid, autonomie en menselijkheid, terwijl aan de andere kant de afhankelijkheid van dominante commerciële partijen groeit? De community publieke waarden gaat over het samen verkennen van deze dilemma’s, het vormen van visie en het delen van praktische tools en hulpmiddelen.
Kun je kwalitatief goede AI-samenvattingen maken van vertrouwelijke gesprekken zonder alle informatie zomaar naar een externe AI-dienst te sturen? Vanuit die vraag experimenteerde ik met lokale AI-modellen op mijn MacBook. Toen de resultaten tegenvielen, ontstond een ander idee: wat als ik lokale AI gebruik om persoonsgegevens af te schermen en vervolgens een krachtiger extern model inzet voor de inhoudelijke verwerking? Dat experiment resulteerde in Timonym, een gratis app die ik graag met de onderwijs- en onderzoeksgemeenschap deel.
An ORI data quality dashboard, an open data lake, two reports and a foundation for better governance and funding of the Netherlands Research Portal. Built in twelve months together with the Dutch signatories of the Barcelona Declaration, and now brought together on one project website.
Individueel maatwerk voor elke student is niet haalbaar vanwege de kosten en tijdsinvestering. Voor passend onderwijs met gelijke kansen voor elke student, biedt Universal Design for Learning (UDL) uitkomst.
Stel je voor: een geautomatiseerd instellingsexamen. De hele klas doet tegelijkertijd examen zonder tussenkomst van jouw als leraar. Binnen een uurtje zijn de cijfers bekend. Dat lijkt een fantastische oplossing om de werkdruk te verlagen. Maar wat betekent dat voor het examenproces en de verantwoordelijkheid van de onderwijsinstelling?
Terwijl GenAI nog in de kinderschoenen staat, zijn algoritmes, machinelearning en deeplearning al niet meer weg te denken uit onze wereld. Het gebruik ervan is heel snel normaal gaan voelen. Dat brengt het risico met zich mee dat er minder aandacht is voor de verantwoorde inzet van de technologie.
Het lijkt misschien slechts een kleine wijziging in je werk, maar schijn bedriegt: het verandert het examenproces en daarvoor geldt stevige wet- en regelgeving, naast AI Act en AVG. Aan de hand van bestaande situaties lees je waarom je heel voorzichtig moet zijn en waar je in ieder geval op moet letten om dit verantwoord te doen. Vuistregel: stem altijd tijdig af met het privacyteam van je organisatie als je AI-technologie in je onderwijs wilt inzetten.
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.
