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.
De SIG heeft als doel om een levendige community te bouwen en onderhouden rondom de inzet van AI in het onderwijs. De leden van het kernteam ondernemen daarvoor allerlei acties. Maar wie zijn de leden van het kernteam eigenlijk? Wat vinden ze interessant en waarvoor kun je bij hen terecht? Antwoorden op al deze vragen en meer publiceren we de komende maanden in een reeks blogs waarin alle leden zich persoonlijk voorstellen. Deze keer in deze reeks stelt Erwin Giebelen zich voor, hij is de Education Development Officer bij de TU/e.
The future is not a destination –
it’s [about] practicing possible futures.
It’s about rehearsing different strategic options.
There is no shortage of talk about the future at SURF. The Copenhagen Institute for future studies was welcomed to SURF on February 28th and 29th to introduce applied strategic forecasting to a variety of SURF participants. The scenarios, skills and ideas built in the training would create new ways of thinking about the future as a tool and offer models to use that tool. The trainers, Simon Fuglsang Østergaard and Sofie Hvitved were there to guide the process.
De SIG heeft als doel om een levendige community te bouwen en onderhouden rondom de inzet van AI in het onderwijs. De leden van het kernteam ondernemen daarvoor allerlei acties. Maar wie zijn de leden van het kernteam eigenlijk? Wat vinden ze interessant en waarvoor kun je bij hen terecht? Antwoorden op al deze vragen en meer publiceren we de komende maanden in een reeks blogs waarin alle leden zich persoonlijk voorstellen. De eerste in deze reeks is van Heleen van der Laan, informatiemanager ROC van Amsterdam.
Begin maart heeft de SIG AIED een vervolgwebinar georganiseerd over ChatGPT. De hype is wat gaan liggen, wat betekent dat er meer ruimte is voor verdieping. In het webinar ‘ChatGPT door en voor docenten’ gingen docenten en studenten met elkaar in gesprek over de nieuwe mogelijkheden en toepassingen van deze technologie. Hoe kun je ChatGPT in je voordeel gebruiken?
met
Jelte Molenaar |Student vliegtuigtechniek (vliegtuigonderhoudstechnicus) | ROC van Amsterdam
Eric Diender | Docent commerciële vakken bij het Deltion College | ROC Zwolle
Maarten Meijer | Hoofddocent & vicevoorzitter curriculumcommissie van de opleiding Engineering | HvA
Anemoon van der Knaap | Second-year student Creative Business | HvA
Liza Darwesh | Master student Artificial Intelligence | VU Amsterdam
Carlos Zednik | Assistant Professor for Philosophy of Artificial Intelligence | Tu/E
En moderator
Liza Verheijke | Community Manager bij het Centre of Expertise Applied AI | HvA
Met dank aan de UvA voor het faciliteren
Wat is zelfregulerend leren en waarom is het interessant?
In dit korte experiment werken we samen met een groep onderzoekers van de Radboud Universiteit onder leiding van Joep van der Graaf en Inge Molenaar (https://www.ru.nl/bsi/research/group-pages/adaptive-learning-lab-all/design-development-innovative-learning/flora-project/) om de potentie van machine learning op het gebied van zelfregulerend leren, of Self-Regulated Learning (SRL) te onderzoeken. SRL is een proces waarbij studenten strategieën gebruiken om effectief te leren, zoals taakplanning, prestatiebewaking en reflectie op resultaten. Zelfregulerend vermogen omvat het stellen van doelen, zelfcontrole, zelfinstructie en zelfversterking. Met dit project ondersteunt SURF onderzoek naar 'leren leren'. Door mensen te helpen zelfregulerende leervaardigheden te ontwikkelen, kunnen we hen helpen effectievere en efficiëntere leerlingen te worden, wat kan leiden tot betere academische en professionele resultaten.
Tot nu toe wordt het extraheren van leerprocessen meestal gedaan op basis van de theorie van onderzoekers. Door gebruik te maken van machine learning, specifiek ongecontroleerde methodes, creëren we een meer datagedreven aanpak. Ons model leert patronen uit gegevens te detecteren en omdat het geen toezicht heeft, hoeven die gegevens niet te worden gelabeld.
What is self-regulated learning and why do we care?
In this brief experiment, we are teaming up with a group of researchers from Radboud University led by Joep van der Graaf and Inge Molenaar (https://www.ru.nl/bsi/research/group-pages/adaptive-learning-lab-all/design-development-innovative-learning/flora-project/) to investigate the potential of machine learning in the field of self-regulated learning (SRL). SRL is a process where students employ strategies to learn effectively, such as task planning, performance monitoring, and reflection on outcomes. Self-regulation abilities include goal setting, self-monitoring, self-instruction, and self-reinforcement. With this project, SURF is supporting research about “learning to learn”. By helping people develop self-regulated learning skills, we can help them become more effective and efficient learners, which can lead to better academic and professional outcomes.
Until now, extracting learning processes is mostly done based on researchers’ theory. By using machine learning, specifically unsupervised methods, we create a more data-driven approach. Our model learns to detect patterns from data and because it is unsupervised, that data does not need to be labeled.
De Special Interest Group AI in Education heeft een vragenlijst opgesteld. Doel van deze vragenlijst is in om in kaart te brengen van waar de instellingen op dit moment mee bezig zijn als het gaat om de impact van chatGPT en de rol die SIG AI in Education kan spelen voor de instellingen.
Link naar de vragenlijst: edu.nl/fqtcf
In het kader van de digitaliseringsimpuls onderwijs start per 1 mei ook een pilothub Studiedata en AI. De pilothub geeft richting aan de toekomst van studiedata en ai in het onderwijs. Ze richt zich op vragen als: wat is er nodig om veilig en betrouwbaar studiedata en ai te kunnen gebruiken, hoe zetten we dat in in ons onderwijs, welke bijdrage kan dat leveren aan de kwaliteit van ons onderwijs en manier van werken? En, vooral, wat is daarvoor nodig. Over die vragen willen we op 15 maart van 10.00 uur tot 16.00 uur in gesprek met elkaar om zo de eerste potloodschetsen te kunnen zetten. Meld je aan via https://edu.nl/y4bvr
Note: het aanmeldsysteem geeft misschien nog aan dat het event vol zit. Dit wordt zo snel mogelijk aangepast. Via de wachtlijst kan je ook toegang krijgen, dus meld je gerust nog aan!
