Hoofdpunten:
Terwijl we allemaal worstelen op de weg naar echte inclusie in het onderwijs, worden we geconfronteerd met vier pijlers van gelijkheid, zoals beschreven in Rochelle Guiterize: Toegang, succes, macht en identiteit.
Docenten die gelijkheid nastreven, blinken doorgaans uit in toegang. Het openen van deuren voor alle studenten is een voor de hand liggende zet. We moeten systemen echter voortdurend pushen, zodat alle leerlingen succesvol kunnen zijn in ruimtes waar ze eigenaarschap hebben en het gevoel hebben erbij te horen (identiteit). Anders zijn gelijkheid en inclusiviteit nog steeds slechts een droom.
Hoewel we erkennen dat sommige van deze elementen grote systeemveranderingen vereisen, willen we ook alle docenten in de informatica uitdagen om het goede voorbeeld te geven. Het naar een inclusieve toekomst brengen van de informatica, met haar lange geschiedenis van uitsluiting, zal rimpeleffecten veroorzaken op alle inhoudsgebieden. . Gebruikmakend van de AiiCE-principes, waarin benaderingen worden aanbevolen die inspelen op de identiteit van studenten (Alliance for Identity-Inclusive Computing Education, 2023), zullen we stappen voorstellen in de richting van een inclusieve onderwijspedagogie met Universal Design for Learning (UDL) en generatieve AI-gedachtepartners.
Een eerste stap naar inclusief onderwijs kan worden gezet door de invoering van UDL. Volgens de CSTA: Inclusieve onderwijspedagogiek“UDL is een instructieplanningsaanpak die is ontworpen om alle leerlingen een gelijke kans te geven om te leren door barrières weg te nemen die leerlingen ervan weerhouden volledig deel te nemen aan hun klasgemeenschap” (White, 2023). Dit is echter een tijdrovende (maar waardevolle) taak voor reeds belaste leraren.
In het kader van slimmer werken, niet harder, zullen we een manier beschrijven om te beginnen met het integreren van UDL-principes in lessen, en op weg te gaan naar meer gelijkheid en inclusiviteit door het gebruik van GenAI-tools (generatieve AI). Het generatieve model dat wordt gebruikt is ChatGPT 3.5 (voor optimaal gebruik raden wij ChatGPT 4 aan).
Lesgeven aan de gemiddelde student is nooit effectief geweest. Onze studenten beschikken over een breed scala aan verschillende hersenen, met verschillende sensorische en verwerkingscapaciteiten. Goede leraren vinden manieren om tegemoet te komen aan de leerbehoeften van al deze uiteenlopende breinen in hetzelfde klaslokaal.
UDL gebruikt basisprincipes uit de neurowetenschappen om docenten te geven een kader om alle leerlingen te empoweren (CAST, 2018). UDL is een proces, geen product, en vereist dat leraren hun planning en het geven van instructie heroverwegen. Hoewel dit niet noodzakelijkerwijs van leraren vraagt om meer te doen, wordt er absoluut van hen gevraagd om iets anders te doen. Terwijl docenten worstelen met het transformeren van hun lespraktijk, biedt generatieve AI robuuste kansen. Wanneer we een beproefd, op onderzoek gebaseerd raamwerk zoals UDL koppelen aan AI, brengt dit ons een stap dichter bij het doel van echte integratie van alle leerlingen in CS-lessen.
Implementatie van UDL vereist een heroverweging van de ontwikkeling en planning van lessen. Ralabate (2016) geeft ons vijf fundamentele vragen waarmee leraren hun praktijk kunnen transformeren. Nu leraren deze transformatie omarmen, kan generatieve AI een denkpartner zijn bij het efficiënt inzetten van de vijf fundamentele vragen. Deze vragen gaan over de toegankelijkheid, flexibiliteit, het gebrek aan vooringenomenheid, validiteit en betrouwbaarheid van onze leeractiviteiten.
We behandelen de eerste vier van deze vragen hieronder, samen met generatieve AI-prompts die kunnen worden gebruikt om de implementatiesnelheid van elk van deze vragen te verhogen.
| Vraag | Omschrijving | Generatieve AI-prompt |
| Toegankelijk | Wie kan deelnemen aan de les en wie niet? | Bekijk alstublieft dit lesplan en vertel mij welk type leerling niet volledig aan deze les zou kunnen deelnemen. |
| Flexibel | De keuze van studenten in de manier waarop ze leren en hoe ze het leren demonstreren. | Geef meerdere methoden op waarmee leerlingen [leerdoel/doel] kunnen demonstreren. |
| Vrij van vooringenomenheid | Wat in mijn leeractiviteit is onbedoeld nadelig voor studenten? | Welke onderdelen van deze les veronderstellen vergelijkbare voorkennis als ik, de instructeur, of welke onderdelen zijn... |
| Geldig | Evalueert mijn beoordeling het specifieke leerdoel dat ik probeer te beoordelen? | Wijzig het leesniveau van deze vraag naar een niveau van groep 7 (kies een niveau dat voor alle leerlingen toegankelijk is) |
De laatste vraag gaat over betrouwbaarheid. Betrouwbaarheid meet het vermogen van een leeractiviteit om zijn doelen te bereiken. Is de variabiliteit in de prestaties van mijn leerling volledig te wijten aan hun prestaties, of is er variatie die te wijten is aan het ontwerp van de activiteit (Ralabate, 2016). Het is onmogelijk om variantie als gevolg van ontwerp echt te elimineren, maar deze zal tot een minimum worden beperkt als de eerste vier vragen zorgvuldig worden overwogen en in het ontwerpproces worden geïmplementeerd. Als laatste controle op de betrouwbaarheid kan GenAI worden gebruikt voor het trianguleren van de beoordeling – vraag het om de gegevens van studenten te evalueren aan de hand van een rubriek. Door meerdere GenAI-reacties te vergelijken met de resultaten van de docent, kunnen we impliciete vooroordelen minimaliseren en ervoor zorgen dat de cijfers die we geven authentieke maatstaven zijn van het leren van studenten.
Systemen produceren waarvoor ze zijn ontworpen. Ons onderwijssysteem is gebouwd om ongelijke resultaten te bewerkstelligen, en dat is ook wat het oplevert. Wij geloven dat docenten in de informatica de uitdaging van de dag kunnen aangaan en hun onderwijs kunnen hervormen op een manier die effectief elk brein onderwijst – hersenen die met extreem uiteenlopende behoeften komen. We weten het waarom (equity), we weten het hoe (UDL), en met generatieve AI hebben we nu de middelen om te bereiken wat er op dit moment wordt gevraagd.
Referenties
Alliantie voor identiteitsinclusief computeronderwijs (2023). AIICE IIC-principes. https://identityincs.org/resources/aiice-iic-tenets/
CAST (2018). UDL en het lerende brein. Wakefield, MA. Opgehaald van http://www.cast.org/products-services/resources/2018/udl-learning-brain-neuroscience
Gutiérrez, R. (2011). Context is belangrijk: hoe moeten we gelijkheid in het wiskundeonderwijs conceptualiseren? In gelijkheid in het discours voor wiskundeonderwijs: theorieën, praktijken en beleid (pp. 17-33). Dordrecht: Springer Nederland.
Ralabate P. (2016). Uw UDL-lesplanner: de stapsgewijze handleiding voor lesgeven aan alle leerlingen. Brookes Uitgeverij.
White, S.V., et al. (2023, 5 juni). Inclusieve onderwijspedagogiek. Vereniging van Leraren Informatica. https://csteachers.org/inclusive-teaching-pedagogies/
Bios:
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- Bron: https://www.eschoolnews.com/educational-leadership/2024/01/12/educational-equity-computer-science-generative-ai/
