AI is een vergrootglas, geen gelijkmaker

Ik zeg vaak dat AI intelligentie democratiseert, en in zekere zin is dat waar. De intelligentie van AI-systemen is beschikbaar voor iedereen met een smartphone. Maar hoeveel je daaruit haalt, dat is allesbehalve gelijk verdeeld. En dat verschil wordt groter naarmate AI krachtiger wordt.

Twee jongens uit hetzelfde examenjaar. Allebei 16, allebei een smartphone op zak met toegang tot exact dezelfde AI. De eerste moet een werkstuk maken over klimaatverandering en typt "maak een werkstuk over klimaatverandering" in ChatGPT. Hij kopieert wat er uitkomt en levert het in. Later op zijn stage in de techniek doet hij hetzelfde: "schrijf een werkbon voor deze klus", copy-paste, versturen. Het werkt want de cijfers op school waren prima, en de baas is tevreden. Maar hij heeft niks geleerd over hoe je een betoog opbouwt, niks over wat er in een werkbon moet staan, en niks over wanneer je beter zelf kunt nadenken.

De tweede jongen pakt het anders aan. Hij moet datzelfde werkstuk maken, maar vraagt AI om zijn drie sterkste argumenten naast elkaar te zetten en het zwakste te benoemen, zodat hij dat kan verbeteren. Wanneer hij vastloopt bij een grafiek vraagt hij om uitleg in andere woorden. Voor zijn stage laat hij een conceptmail aan zijn begeleider redigeren en vraagt specifiek of de toon professioneel genoeg is. Hij heeft tien toepassingen bedacht waar de eerste er één ziet.

Dat verschil bepaalt wie er sterker wordt met AI en wie er afhankelijker van wordt. Op school, op stage, op de arbeidsmarkt.

De vraag is dan: waar komt dat verschil vandaan? Ik kom steeds op dezelfde twee dingen uit: taal en metacognitie.

Taal is de toegangspoort

Wat vaak onderschat wordt is hoe talig de interactie met AI eigenlijk is. AI is geen rekenmachine en geen gereedschap met knoppen. De primaire manier van werken gaat via taal: wat je erin stopt is taal, en wat je eruit krijgt is overwegend taal. Het beoordelen en richting geven aan wat je terugkrijgt gaat altijd via taal. Je vermogen om te formuleren wat je wilt, om nuance aan te brengen, om precies te zeggen wat je bedoelt, bepaalt wat AI voor je kan betekenen.

Taalvaardigheid is daarmee de toegangspoort tot alles wat AI te bieden heeft. Wie moeite heeft met formuleren, krijgt simpelweg minder terug, omdat de hele interface talig is. En taalvaardigheid is ongelijk verdeeld. Dat heeft met van alles te maken: intelligentie, taalachtergrond, opleiding, thuissituatie, hoeveel er gelezen wordt. Die ongelijkheid bestond altijd al, maar de consequenties ervan worden enorm uitvergroot door AI.

Metacognitie is de navigatie

De tweede laag is dieper en mijns inziens nog belangrijker.

Kijk nog eens naar die twee jongens. Het verschil is niet alleen dat de tweede netter typt of zijn vragen beter formuleert. Het verschil is ook dat hij überhaupt bedenkt waar AI hem allemaal bij kan helpen. Hij ziet mogelijkheden waar de eerste er geen ziet. In de metafoor van het sturen van AI. Hij kan de kaart lezen, weet waar hij heen kan rijden, en kan inschatten welke route bij deze situatie past.

Dat is metacognitie. En wat opvalt als je de wetenschappelijke literatuur erbij pakt, is hoe direct dit samenhangt met effectief AI-gebruik. Schraw en Dennison, die het meest gebruikte framework voor metacognitie ontwikkelden, onderscheiden twee componenten. De eerste is kennis over je eigen denken. Daar zit een element in dat zij "conditional knowledge" noemen: weten wanneer en waarom je een bepaalde strategie inzet. Precies dat is wat die tweede jongen doet. Hij herkent een situatie en bedenkt: hier kan AI me helpen. En vervolgens: op welke manier dan? De tweede component is de regulatie van je denken: plannen, monitoren, evalueren. Werkt mijn aanpak? Klopt wat ik terugkrijg? Moet ik bijsturen?

Levin, Marom en Kojukhov publiceerden begin dit jaar een paper waarin ze betogen dat traditionele metacognitie niet meer voldoende is voor het werken met AI. Ze introduceren het begrip "Meta-AI skills": metacognitieve competenties die specifiek nodig zijn om AI als denkpartner te gebruiken. Het gaat om het kritisch interpreteren van output die per keer anders is, het strategisch inzetten van de mogelijkheden, en het bewust navigeren van de samenwerking tussen jouw denken en dat van de machine.

De eerste jongen mist deze hele laag. Die ziet één weg: vraag stellen, antwoord krijgen. De tweede ziet een landschap aan mogelijkheden. De vraag is nu wat we als onderwijs kunnen doen om deze kloof te dichten.

De kloof groeit

In mijn vorige artikel (https://www.linkedin.com/posts/marcelmutsaarts_afgelopen-donderdag-gaf-ik-samen-met-tom-activity-7423721664489721856-ZYjj?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAMW-88BQ8lxgC2yFZzLbQkIMuwfYlfGdFI) beschreef ik drie niveaus van AI-autonomie. Niveau 1: jij stuurt op het hoe, je typt een vraag en je krijgt een antwoord. Niveau 2: jij stuurt op het wat, je geeft een doel en de AI bepaalt de stappen. Niveau 3: jij stuurt op het waartoe, je geeft richting en de AI vertaalt dat naar doelen, taken en uitvoering.

De technologie beweegt hard richting niveau 2 en 3. Deep Research, Claude Code, autonome assistenten die je agenda beheren en je mail afhandelen. Die ontwikkeling stopt niet. En met elk niveau stijgen de eisen aan taalvaardigheid en (meer nog) metacognitie. Bij niveau 1 moet je een vraag kunnen stellen en een antwoord kunnen beoordelen. Bij niveau 2 moet je een doel helder kunnen formuleren zonder precies te weten hoe. Bij niveau 3 moet je richting kunnen geven aan systemen die je niet volledig overziet, en dat vereist systeemdenken, abstractievermogen, en het vertrouwen dat je de juiste koers hebt uitgezet.

De technologie wordt krachtiger, maar de drempel om er goed mee te werken wordt hoger. De leerling/student die nu al vastloopt op niveau 1, raakt bij niveau 2 en 3 het spoor bijster. En dit speelt al. Die eerste jongen gaat straks ook werken, in de zorg, in de techniek, in het mkb, op kantoor. Overal wordt AI de standaard. Het verschil tussen iemand die tien mogelijkheden ziet en iemand die alleen een antwoordmachine ziet, bepaalt carrières.

Hoe dan wel?

Wim Van der Schouw, gepensioneerd wiskundedocent van 73, begeleidt vmbo kaderleerlingen op het Maarten van Rossem in Arnhem met een AI-examentrainer. De wiskundecijfers stegen fors. Zijn woorden: een gemotiveerde docent naast een goed ontwikkelde AI is "de gouden formule."

Wim zit erbij. Hij stelt de vragen die leerlingen zelf nog niet kunnen stellen. Hij laat mogelijkheden zien die ze zelf niet hadden bedacht. Hij bouwt stukje bij beetje de metacognitie op die ze nodig hebben. Dit vind ik een inspirerend voorbeeld van een richting, op één school, bij één vak, met een klein groepje leerlingen. Het laat iets zien dat ertoe doet: met de juiste begeleiding profiteren juist de leerlingen/studenten die het het hardst nodig hebben. De kloof is dus niet onvermijdelijk. Maar er is veel meer nodig om dit op schaal aan te pakken.

Dit is ons vak

We zijn er voor alle leerlingen en studenten. De jongen die tien mogelijkheden ziet en de jongen die er één ziet. En die tweede heeft ons hier harder nodig. Taalvaardigheid en metacognitie zijn geen vaststaande gegevens, er is daar voor iedereen ontwikkeling mogelijk. Maar dan moeten we daar wel expliciet mee aan de slag.

Wat ik zelf probeer en waarvan ik zie dat het werkt, is studenten het verschil laten ervaren tussen AI als antwoordmachine en AI als denkpartner. Dat kwartje valt snel. Daarnaast behandel ik taalvaardigheid steeds meer als fundament, want wie beter kan denken in taal, haalt meer uit AI, of het nu gaat om een werkstuk op school of een werkinstructie over vijf jaar. En ik stuur heel erg op het metacognitieve en zet daar ook AI voor in natuurlijk.

Als we niets doen, sorteert AI vanzelf. De taalvaardige, metacognitief sterke leerling/student wordt krachtiger. De rest wordt afhankelijker. Dat is wat er nu gebeurt. En let wel, AI ontwikkelt zich niet alleen razendsnel, maar daarmee wordt ook de impact in het (toekomstige) werkveld voor onze leerlingen/studenten steeds groter. Aan de slag dus zou ik zeggen.

Herken je dit verschil bij je eigen leerlingen of studenten? En wat doe jij daaraan? Waar zie jij oplossingen? Deel ze in de comments zodat we van elkaar kunnen leren!

Ik ben heel benieuwd.

Meer achtergronden en praktische handvatten voor AI in het onderwijs vind je op https://aivoordocenten.nl. We hebben ook een wekelijkse podcast het AI-tussenuurtje en sinds januari ook een wekelijkse nieuwsbrief het AI-spiekbriefje. Wil je werken aan je AI-geletterdheid, dan bieden we zowel basis cursussen aan als gevorderden cursussen, in de vorm van een webinar-serie.

#AI #onderwijs #kansenongelijkheid #metacognitie #AIinonderwijs