Ethics van Gen-AI
Context van de Opdracht.
Stel je voor: een student die zijn scriptie schrijft met behulp van ChatGPT. Efficiënt? Zeker. Maar wat gebeurt er met zijn vermogen tot kritisch denken en doorzettingsvermogen? In dit project onderzocht ik hoe we AI kunnen integreren in het onderwijs zonder de mentale weerbaarheid van studenten te ondermijnen.
Voor de Minor Digital Ethics aan de Haagse Hogeschool heb ik samen met een medestudent deze opdracht uitgewerkt. Hierin stond het volgende ethische dilemma centraal:
Hierin zijn twee waarden in conflict
&
Efficiëntie
In deze casus zien we efficiëntie als de hoeveelheid werk en tijd die wordt besteed om bij een gewenste output te komen. Binnen deze casus wordt gen-AI gebruikt door studenten om sneller en makkelijker resultaten te verkrijgen. Later in het verslag delen we efficiëntie op in:
Output-efficiëntie
Leer-efficiëntie
Mentale weerbaarheid
"Mentale weerbaarheid" is de paraplu-term die wij hebben gecreëerd als verzamelnaam voor alles wat een student verliest door gen-AI. Dit delen we in het verslag op in:
Zelfeffectiviteit
Zelfvertrouwen
Probleemoplossend vermogen
Kritisch denken
Toegepast onderzoek
Deskresearch
Enquête
Expert Gesprekken
Triangulatie
Onze aanpak bestond uit een combinatie van kwalitatieve en kwantitatieve onderzoeksmethoden. Deze triangulatie gaf ons inzicht in gedrag, beleving én ethische implicaties.
Eerst hebben we ons georiënteerd door uitgebreid brononderzoek te doen naar de impact van gen-AI op de studenten.
Verder hebben we gesprekken gehad met twee experts in dit vakgebied: Dr. Koenders van Universiteit Utrecht (Gespecialiseerd in toetsing met behulp van Gen-AI); en Dr. Detweiler van de Haagse Hogeschool (Specialisatie in filosofie en gen-ai).
Ook hebben we een enquête opgesteld en de resultaten van 68 studenten meegenomen in onze oordeelsvorming.
Conceptuele oplossing
Toelichting Concept
Het gekozen concept is een hogeschoolbrede LLM (Large Language Model): een AI-chatbot die speciaal is ontwikkeld voor en door onderwijsinstellingen. In plaats van studenten klakkeloos AI-output te laten gebruiken, stimuleert deze tool bewust gebruik door real-time feedback te geven via een leerscore.
Deze score laat zien in hoeverre een prompt bijdraagt aan leerproces (zoals verdieping of begrip) of juist aan outputgericht gemak (zoals het genereren van complete essays). Daarnaast kunnen docenten (zonder inhoudelijk mee te kijken) via dashboards zien of studenten steeds effectiever leren omgaan met AI. Zo ontstaat een systeem dat transparantie, eigenaarschap en leerkwaliteit bevordert.
Ethische standpunten
In dit project zijn verschillende ethische standpunten onderzocht, zoals:
Nietzsche stelt dat echte groei ontstaat door het overwinnen van moeilijkheden. In het onderwijs betekent dit dat studenten sterker worden door zelf te worstelen met complexe leerstof. Als AI die strijd wegneemt, dreigt de student te veranderen in wat Nietzsche de “laatste mens” noemt: comfortabel, maar zonder ambitie of zelfontwikkeling.
Aristoteles legt de nadruk op deugdethiek: het ontwikkelen van karakter door het oefenen van goede gewoontes zoals doorzettingsvermogen, moed en zelfreflectie. Wanneer studenten AI gebruiken als ondersteuning bij het leren (en niet als vervanging), kunnen ze juist deze deugden versterken en groeien in autonomie.
Verslag
9.0
Concluderend
Dit project laat zien dat generatieve AI niet goed óf slecht is, maar afhankelijk van hoe we het inzetten.
Met de hogeschoolbrede LLM, de leerscore-feedback en de bijbehorende richtlijnen bieden we een concreet antwoord op het spanningsveld tussen efficiëntie en mentale weerbaarheid. Studenten krijgen de voordelen van AI, zonder hun kritisch denkvermogen te verliezen en docenten behouden zicht op leerkwaliteit zonder privacy te schenden.
Het verslag werd beoordeeld met een 9,0. Een bevestiging dat ethiek, onderzoek en design hier goed samenkomen.
(Terug)blik:
Hoewel de opdracht zelf relatief klein was (15 EC), heeft het ervoor gezorgd
