Je kan AI tools inzetten om feedback te geven op talige productie van studenten.
Eerst en vooral: er zijn op zijn minst twee soorten feedback:
- constructieve feedback, bij of vlak na een taaltaak, om de boodschap te optimaliseren en op die manier te leren
Je kan aan de studenten ook vragen om die constructieve feedbacks te verzamelen in hun portfolio, waardoor je zicht krijgt op de progressie in hun leren - evaluatieve feedback, die eveneens constructief is, maar die vooral een oordeel wil of moet vellen
De evaluatieve feedback, die waar een oordeel aan verbonden is, zal nooit door een AI tool genomen worden. AI tools kunnen helpen, voorbereiden, formuleren, uitwerken enz – maar de beslissing is die van de leerkracht.
Verder: het is immens belangrijk de privacy van de student te bewaren. Taalteken die worden ingediend voor feedback, mogen geen namen of andere identificatiegegevens bevatten. Want die identificatie kan en zal ooit publiek worden. Op te merken valt dat Copilot (met licentie) en Google Workspace (met licentie) beloven dat ze de teksten niet zullen gebruiken om hun model te trainen.
Dit is hoe die feedback tot stand kan komen:
In grote LLMs als Copilot, Perplexity en andere, kan je (als leraar of student) bv. iets vragen als
Hoe kan deze tekst geoptimaliseerd worden om beter overeen te stemmen met <niveau> en als antwoord op <taak>
In Gemini kan je daarvoor een Gem maken met een prompt als Je bent leraar … niveau … en geeft feedback op taaltaken, en bijlage(n) met de doelstellingen en evaluatiecriteria.
Geef een reactie