Educatieve uitgeverij Lernova zet artificiële intelligentie in om de kwaliteit van haar lesmethodes te monitoren. Kijken leerlingen een lesvideo niet uit, slaan ze een tekstblok over of struikelen ze allemaal over een oefening? Het AI-algoritme signaleert dit aan een team van inhoudelijke experten die elk onderdeel van de methode evalueert en aanpast.
In de schoot van de Vlaamse Regering werd in oktober 2022 de ‘Kwaliteitsalliantie’ opgericht. Een alliantie van educatieve uitgevers, onderwijskoepels, lerarenopleidingen en onderwijswetenschappers kwam met een lijst van criteria om de kwaliteit van leermiddelen te waarborgen. Lernova voegt nu de daad bij het woord en introduceert een geautomatiseerde kwaliteitscontrole voor alle leerinhouden. Zo zorgen we ervoor dat de kwaliteit van onze lesmethodes voortdurend verbetert op basis van effectief gebruik.
“Wij willen niet lanterfanten met onze belofte om de kwaliteit van onze leermiddelen te monitoren. Met deze geautomatiseerde monitoring houden we continu de vinger aan de pols.
— Cedric Koslowski, Managing Director Lernova
Het geautomatiseerd systeem van kwaliteitscontrole analyseert met artificiële intelligentie elke bouwsteen van Lernova op basis van gebruiksdata zoals het al dan niet bekijken van lesvideo’s, het overslaan van tekstblokken of het falen bij bepaalde oefeningen. Slimme algoritmes brengen de prestaties van elk element in kaart en sporen eventuele zwakke punten op. Ons uitgeefteam en onze auteurs gaan vervolgens aan de slag om die elementen te verbeteren.
Volgens Managing Director Cedric Koslowski, zorgt het systeem voor unieke mogelijkheden om de kwaliteit van leermiddelen voor leerlingen en leerkrachten verder te verhogen. “Onze methodes zijn kwalitatief hoogstaand, voor elk vak werkt een uitgebreid team van ervaren leerkrachten mee om de inhoud op te stellen. Maar dat mag ons niet tegenhouden om het nog beter te willen maken. Met Lernova zitten we in een unieke positie om dit op basis van geanonimiseerde gebruiksdata te doen. Dat kan je niet met een klassiek papieren boek natuurlijk. Stel dat leerlingen de leerinhoud doorlopen en vervolgens slecht scoren op bepaalde onderdelen of oefeningen, dan is de instructie misschien niet duidelijk, of ontbreekt er een stap in de opbouw van een leertraject. Een video die zelden uitgekeken wordt, een oefening waar iedereen op faalt of omgekeerd. Slimme algoritmes zorgen ervoor dat de juiste elementen eruit gehaald worden en die informatie vloeit automatisch naar het uitgeefteam.”
Dankzij deze analyses kunnen wij doen wat eerder nooit mogelijk was: op basis van data elk element van onze lessen blijven finetunen.
— Cedric Koslowski, Managing Director
Deze kwaliteitscontrole maakt het ook mogelijk om de moeilijkheidsgraad van oefeningen op basis van gebruiksdata te bepalen. Onze leerkrachten-auteurs schatten de moeilijkheid bij creatie in, maar uit analyse van de resultaten van leerlingen blijkt dat sommige oefeningen toch moeilijker of makkelijker zijn dan was ingeschat. Door de moeilijkheidsgraad van oefeningen onder de loep te nemen, kunnen we het niveau van de leerlingen beter monitoren en zo de motivatie van de leerling verhogen.
Een belangrijk element in ons aanbod is dat alle inhoud aanpasbaar is. Leerkrachten kunnen elk woord, afbeelding, oefening of filmpje aanpassen. Maar stel nu dat leerkrachten massaal bepaalde elementen weren uit hun gepersonaliseerde methode, dan is dat ook een sterk signaal dat er iets schort. We werken momenteel aan een manier om via tekstanalyse te bekijken wat er veranderd is en waarom bepaalde bouwstenen tot betere resultaten leiden dan andere.
Kortom, we zijn zeer enthousiast over de mogelijkheden die deze kwaliteitscontrole met AI biedt om Lernova voortdurend te verbeteren. We zijn ervan overtuigd dat we hiermee de kwaliteit en ervaring voor zowel leerlingen als leerkrachten verder verhogen.
