AI voor iedereen
H1: learning analytics
· Learning analytics heeft tot doel data met betrekking tot leren te analyseren. Dit kan
gericht zijn tot verschillende doelgroepen:
1. Studenten
● Inzicht geven in hun eigen leerproces
● Inzicht geven in hun verhouding tot andere studenten
2. Instelling
● Op zoek gaan naar voorspellingen van slaagkansen, bv. met het oog op
het verfijnen van toelatingsvoorwaarden, beter begeleiden van
studenten of heroriëntering
3. Docenten
● Inzicht in de manier waarop studenten leren en werken
● Inzicht in het effect van cursusontwerp op die manier
· Conceptueel ontwerp van een informatiesysteem
o Conceptueel modelleren is een complexe leertaak
§ Vereist integratie van verschillende vaardigheden, bv. goede
communicatievaardigheden, designvaardigheden, kritisch denken
§ Voor elke opdracht zijn er typisch meerdere goede oplossingen
§ Meerdere manieren om tot een goede oplossing te komen
o Evolutie van onderzoeksproces met betrekking tot het leer- en werkproces van
studenten
§ 1 type support
· Focus op experimenteel onderzoek
· Analyse van data aan de hand van statistische technieken
§ Werkproces voor 1 taak
· Gebruik van process mining
§ Werkproces voor een vak
· Exploratieve analyse
· Predictive analyse
· Analysetechnieken uit het domein van artificiële intelligentie
§ Werkproces meerdere vakken
· Data analytics
· Analysetechnieken uit het domein van artificiële intelligentie
o Voorbeeld van elk:
§ Experimenteel onderzoek
· Een goede manier om complexe leertaak aan te leren is het
inbouwen van ondersteuning:
o Geeft studenten al een groot deel van de oplossing, zij
moeten die verder aanvullen
, o Specifieke richtvragen die hen stapsgewijs naar de oplossing
begeleiden
o Kleine ondersteuning in de vorm van enkele tips of een tool
die hen ondersteunt
o Nadien kunnen studenten zelfstandig te werk gaan
· Om te zien of deze ondersteuning werkt kan een experiment
opgezet worden
o Je deelt je studenten willekeurig op in twee groepen
§ Groep 1 begint een oefening zonder ondersteuning en
maakt er daarna eentje met ondersteuning; je
verwacht dat de tweede beter is dan de eerste
§ Groep 2 start een oefening met ondersteuning en
vervolgens een zonder; ook hier verwacht je dat de
tweede beter is dan de eerste, maar je hoopt ook dat
die tweede oefening beter is dan de eerste oefening
van de eerste groep, met andere woorden dat het
geleerde is blijven hangen
o Je kan over alle stappen in het experiment data verzamelen
en of de verbetering significant is of niet kan je
onderzoeken met behulp van statistiek
§ Werkproces voor 1 taak
· Process mining
o Vertrekt van Event Logs = neerslag van activiteiten in een
informatiesysteem, bv. surfgedrag op een website of de
clicks in de interface van een computerprogramma
§ In het geval informatiesysteemontwerp moesten
studenten een tekentool gebruiken om het plan van
het informatiesysteem te tekenen. Elke activiteit die
de student doet, wordt neergeschreven in een log
§ Vervolgens werden de logs opgesplitst volgens de
scores op de semestertaak. Dit liet toe om het gedrag
van de beste en slechtste studenten te vergelijken
§ Op basis van de log genereerde men een procesmodel
dat de uitgevoerde taken toont en hoe de student van
de ene taak naar de volgende gaat:
· De slechtste studenten werkten zeer lineair,
de beste studenten wisselden tussen de
verschillende perspectieven
§ Het jaar nadien traceerde men opnieuw het gedrag bij
een vergelijkbare taak.
· Omdat men vermoedde dat het gebruik
maken van de tool om een
prototype-applicatie te genereren een impact
, heeft op het leerproces, werd nu ook het
gebruik van de simulator gelogd. Men zag
hier hetzelfde fenomeen van veel sterkere
iteraties en weg en weer gaan bij de betere
studenten, maar ook dat de betere studenten
dikwijls hun model simuleren. De studenten
deden dit veel minder.
· Deze resultaten werden ingezet om
studenten aan te zetten tot het vaker
simuleren van hun model.
§ Werkproces voor een vak
· Via het loggen van de activiteiten in de leeromgeving kan je het
gedrag doorheen het gehele academiejaar of semester capteren. Je
kan daarbij kiezen welke activiteiten je wilt bestuderen:
o Bij datzelfde vak rond informatiesysteemontwerp kijkt men
in de eerste instantie naar het gebruik van de formatieve
toetsen (deze toetsen zijn niet verplicht, vaak als middel
voor de studenten om inzicht te krijgen in het eigen kunnen)
§ Men groepeerden de studenten in verschillende
profielen aan de hand van hun examenscores en
scores op de formatieve toetsen
o Later werden alle activiteiten bestudeert
§ Men analyseerden ook de activiteitsgraad in de
volledige leeromgeving
§ Analyse overheen meerdere vakken
· Analyse van informatie van verschillende vakken, richtingen en
campussen
· Vergelijken van:
o Verschillende vakken voor dezelfde studenten
o Verschillende studenten in eenzelfde vak
· Men keek vervolgens naar hoe verschillende docenten hun vakken
ontworpen hebben, bv. met of zonder formatieve toetsen om
hopelijk de impact van activerende werkvormen te kunnen
achterhalen
o Bv. Exploratie van de activiteitsgraad
§ Analyse van een cursus die niet alleen documenten
biedt, maar ook formatieve toetsen en surveys ><
een cursus die dat niet doet
§ Activiteitsgraad bij de eerste cursus is hoger dan bij
de tweede
· Door de grafieken van meerdere vakken te vergelijken hoopt men
inzicht te krijgen in welke docenten erin slagen om hun studenten
, succesvol te activeren en of dit al dan niet ten koste van activiteit in
andere vakken.
§ Perspectief docent
· Technieken die inzicht geven in hoe een bepaalde voorspelling tot
stand komt.
o Een techniek voor predictieve analyse die voorspelt of een
student zal slagen of falen is pas interessant wanneer die
ook inzicht geeft waarom een student zal slagen of falen.
Dat vermogen om inzicht te verschaffen wordt ook wel
explainable AI genoemd
· Werken idealiter met kenmerken waar de docent impact op heeft
o Bv. stel dat een een predictief algoritme voorspelt dat
studenten waarvan de moeder hogere studies heeft gedaan
het relatief beter zullen doen, dan is dat iets waar een
docent weinig aan kan doen >< als een docent leert dat een
formatieve toets voorspellend is, daar kan die wel iets mee
doen
· Bij het verzamelen en verwerken van gegevens, voorafgaand aan
de analyse, besteedt men het best voldoende aandacht aan wat men
juist wilt onderzoeken en welke gegevens daarvoor interessant zijn
· Privacy van studenten?
o Steeds toelating vragen tot verzamelen van gegevens
o Gegevens zijn steeds anoniem of gepseudonymiseerd
· Ethiek?
o Gegevens pas na het einde van het academiejaar ophalen
o Gelijke kansen voor alle studenten worden gewaarborgd
· Learning analytics
o Geen mirakels
§ Niet alle studenten zullen voor alle vakken altijd geslaagd zijn
o Wel inzichten
H2: Poëziegeneratie met AI
Introductie
● Automatische generatie van poëzie is een moeilijke taak want model moet rekening
houden met zowel linguïstische als literaire aspecten
○ Linguïstisch: verzen die worden gegenereerd moeten welgevormd zijn en
syntactisch correct
○ Literair: bv. rijm in gedicht verwerken
● Gebruik van neurale netwerken voor taalgeneratie
○ Op de output van neurale netwerken worden literaire en thematische
constraints toegepast zodat verzen worden gegenereerd
H1: learning analytics
· Learning analytics heeft tot doel data met betrekking tot leren te analyseren. Dit kan
gericht zijn tot verschillende doelgroepen:
1. Studenten
● Inzicht geven in hun eigen leerproces
● Inzicht geven in hun verhouding tot andere studenten
2. Instelling
● Op zoek gaan naar voorspellingen van slaagkansen, bv. met het oog op
het verfijnen van toelatingsvoorwaarden, beter begeleiden van
studenten of heroriëntering
3. Docenten
● Inzicht in de manier waarop studenten leren en werken
● Inzicht in het effect van cursusontwerp op die manier
· Conceptueel ontwerp van een informatiesysteem
o Conceptueel modelleren is een complexe leertaak
§ Vereist integratie van verschillende vaardigheden, bv. goede
communicatievaardigheden, designvaardigheden, kritisch denken
§ Voor elke opdracht zijn er typisch meerdere goede oplossingen
§ Meerdere manieren om tot een goede oplossing te komen
o Evolutie van onderzoeksproces met betrekking tot het leer- en werkproces van
studenten
§ 1 type support
· Focus op experimenteel onderzoek
· Analyse van data aan de hand van statistische technieken
§ Werkproces voor 1 taak
· Gebruik van process mining
§ Werkproces voor een vak
· Exploratieve analyse
· Predictive analyse
· Analysetechnieken uit het domein van artificiële intelligentie
§ Werkproces meerdere vakken
· Data analytics
· Analysetechnieken uit het domein van artificiële intelligentie
o Voorbeeld van elk:
§ Experimenteel onderzoek
· Een goede manier om complexe leertaak aan te leren is het
inbouwen van ondersteuning:
o Geeft studenten al een groot deel van de oplossing, zij
moeten die verder aanvullen
, o Specifieke richtvragen die hen stapsgewijs naar de oplossing
begeleiden
o Kleine ondersteuning in de vorm van enkele tips of een tool
die hen ondersteunt
o Nadien kunnen studenten zelfstandig te werk gaan
· Om te zien of deze ondersteuning werkt kan een experiment
opgezet worden
o Je deelt je studenten willekeurig op in twee groepen
§ Groep 1 begint een oefening zonder ondersteuning en
maakt er daarna eentje met ondersteuning; je
verwacht dat de tweede beter is dan de eerste
§ Groep 2 start een oefening met ondersteuning en
vervolgens een zonder; ook hier verwacht je dat de
tweede beter is dan de eerste, maar je hoopt ook dat
die tweede oefening beter is dan de eerste oefening
van de eerste groep, met andere woorden dat het
geleerde is blijven hangen
o Je kan over alle stappen in het experiment data verzamelen
en of de verbetering significant is of niet kan je
onderzoeken met behulp van statistiek
§ Werkproces voor 1 taak
· Process mining
o Vertrekt van Event Logs = neerslag van activiteiten in een
informatiesysteem, bv. surfgedrag op een website of de
clicks in de interface van een computerprogramma
§ In het geval informatiesysteemontwerp moesten
studenten een tekentool gebruiken om het plan van
het informatiesysteem te tekenen. Elke activiteit die
de student doet, wordt neergeschreven in een log
§ Vervolgens werden de logs opgesplitst volgens de
scores op de semestertaak. Dit liet toe om het gedrag
van de beste en slechtste studenten te vergelijken
§ Op basis van de log genereerde men een procesmodel
dat de uitgevoerde taken toont en hoe de student van
de ene taak naar de volgende gaat:
· De slechtste studenten werkten zeer lineair,
de beste studenten wisselden tussen de
verschillende perspectieven
§ Het jaar nadien traceerde men opnieuw het gedrag bij
een vergelijkbare taak.
· Omdat men vermoedde dat het gebruik
maken van de tool om een
prototype-applicatie te genereren een impact
, heeft op het leerproces, werd nu ook het
gebruik van de simulator gelogd. Men zag
hier hetzelfde fenomeen van veel sterkere
iteraties en weg en weer gaan bij de betere
studenten, maar ook dat de betere studenten
dikwijls hun model simuleren. De studenten
deden dit veel minder.
· Deze resultaten werden ingezet om
studenten aan te zetten tot het vaker
simuleren van hun model.
§ Werkproces voor een vak
· Via het loggen van de activiteiten in de leeromgeving kan je het
gedrag doorheen het gehele academiejaar of semester capteren. Je
kan daarbij kiezen welke activiteiten je wilt bestuderen:
o Bij datzelfde vak rond informatiesysteemontwerp kijkt men
in de eerste instantie naar het gebruik van de formatieve
toetsen (deze toetsen zijn niet verplicht, vaak als middel
voor de studenten om inzicht te krijgen in het eigen kunnen)
§ Men groepeerden de studenten in verschillende
profielen aan de hand van hun examenscores en
scores op de formatieve toetsen
o Later werden alle activiteiten bestudeert
§ Men analyseerden ook de activiteitsgraad in de
volledige leeromgeving
§ Analyse overheen meerdere vakken
· Analyse van informatie van verschillende vakken, richtingen en
campussen
· Vergelijken van:
o Verschillende vakken voor dezelfde studenten
o Verschillende studenten in eenzelfde vak
· Men keek vervolgens naar hoe verschillende docenten hun vakken
ontworpen hebben, bv. met of zonder formatieve toetsen om
hopelijk de impact van activerende werkvormen te kunnen
achterhalen
o Bv. Exploratie van de activiteitsgraad
§ Analyse van een cursus die niet alleen documenten
biedt, maar ook formatieve toetsen en surveys ><
een cursus die dat niet doet
§ Activiteitsgraad bij de eerste cursus is hoger dan bij
de tweede
· Door de grafieken van meerdere vakken te vergelijken hoopt men
inzicht te krijgen in welke docenten erin slagen om hun studenten
, succesvol te activeren en of dit al dan niet ten koste van activiteit in
andere vakken.
§ Perspectief docent
· Technieken die inzicht geven in hoe een bepaalde voorspelling tot
stand komt.
o Een techniek voor predictieve analyse die voorspelt of een
student zal slagen of falen is pas interessant wanneer die
ook inzicht geeft waarom een student zal slagen of falen.
Dat vermogen om inzicht te verschaffen wordt ook wel
explainable AI genoemd
· Werken idealiter met kenmerken waar de docent impact op heeft
o Bv. stel dat een een predictief algoritme voorspelt dat
studenten waarvan de moeder hogere studies heeft gedaan
het relatief beter zullen doen, dan is dat iets waar een
docent weinig aan kan doen >< als een docent leert dat een
formatieve toets voorspellend is, daar kan die wel iets mee
doen
· Bij het verzamelen en verwerken van gegevens, voorafgaand aan
de analyse, besteedt men het best voldoende aandacht aan wat men
juist wilt onderzoeken en welke gegevens daarvoor interessant zijn
· Privacy van studenten?
o Steeds toelating vragen tot verzamelen van gegevens
o Gegevens zijn steeds anoniem of gepseudonymiseerd
· Ethiek?
o Gegevens pas na het einde van het academiejaar ophalen
o Gelijke kansen voor alle studenten worden gewaarborgd
· Learning analytics
o Geen mirakels
§ Niet alle studenten zullen voor alle vakken altijd geslaagd zijn
o Wel inzichten
H2: Poëziegeneratie met AI
Introductie
● Automatische generatie van poëzie is een moeilijke taak want model moet rekening
houden met zowel linguïstische als literaire aspecten
○ Linguïstisch: verzen die worden gegenereerd moeten welgevormd zijn en
syntactisch correct
○ Literair: bv. rijm in gedicht verwerken
● Gebruik van neurale netwerken voor taalgeneratie
○ Op de output van neurale netwerken worden literaire en thematische
constraints toegepast zodat verzen worden gegenereerd
