Samenvatting en bespreking: Impact van AI op kritisch denken

Dit artikel is een samenvatting en bespreking van het Engelstalige artikel 'Generative AI’s Impact on Critical Thinking: Revisiting Bloom’s Taxonomy' van dr. Chahna Gonsalves. Dit artikel is door Wij-leren ook volledig in het Nederlands vertaald. 

Samenvatting

Inleiding: generatieve AI en kritisch denken

Het gebruik van generatieve kunstmatige intelligentie (AI), zoals ChatGPT, wordt steeds populairder in het onderwijs. Dit roept zorgen en discussies op over de invloed hiervan op kritisch denken.

Enerzijds kan AI studenten ondersteunen bij het verwerken van complexe informatie. AI helpt studenten snel informatie te vinden, complexe concepten begrijpelijk te maken en direct toepasbare inzichten te verkrijgen. Dit kan helpen om sneller verbanden te leggen en dieper inzicht te krijgen in lesstof, vooral bij abstracte of specialistische onderwerpen.

Anderzijds bestaat het risico dat studenten te afhankelijk worden van AI en hierdoor oppervlakkig gaan leren. Wanneer AI kant-en-klare antwoorden geeft zonder dat studenten deze kritisch analyseren of zelf verwerken, kan dit ten koste gaan van hun eigen analytische vaardigheden. Ze kunnen geneigd zijn om AI-uitvoer te accepteren zonder deze te controleren of verder te verdiepen. Met een dergelijke werkwijze vermindert hun vermogen om zelfstandig na te denken en complexe problemen op te lossen.

Om de voordelen van AI te benutten zonder de nadelen te vergroten, is het essentieel dat studenten leren hoe ze AI kritisch en strategisch kunnen inzetten. Dit betekent dat ze AI niet als enige informatiebron gebruiken, maar de gegenereerde inhoud toetsen aan andere betrouwbare bronnen en hun eigen denkproces blijven stimuleren.

Dit onderzoek van dr. Chahna Gonsalves richt zich op de vraag hoe generatieve AI het leerproces beïnvloedt en hoe Bloom’s taxonomie – een veelgebruikte indeling van cognitieve vaardigheden – aangepast kan worden om AI-gebaseerd leren beter te ondersteunen. De studie, uitgevoerd onder negen MSc Marketingstudenten, introduceert een nieuw model dat AI-competenties integreert in de bestaande taxonomie van Bloom.

“AI kan het leren versnellen, maar zonder kritische reflectie dreigt oppervlakkig denken."

Het probleem: hoe verandert AI kritisch denken?

Kritisch denken wordt gezien als een essentiële vaardigheid in het onderwijs en de arbeidsmarkt. Dit omvat:

1. Het analyseren van informatie
2. Het synthetiseren van ideeën
3. Het stellen van kritische vragen
4. Het evalueren van argumenten

Door de opkomst van AI-tools krijgen studenten razendsnel antwoorden, maar dit kan leiden tot een afname van analytisch en reflectief denken. De studenten hoeven zelf minder denkkracht te gebruiken. Bovendien zijn AI-antwoorden vaak een ‘black box’: studenten weten niet altijd hoe AI tot een bepaald antwoord komt. Dit kan een belemmering vormen voor kritisch denken, omdat ze minder geneigd zijn om antwoorden te controleren en te bevragen. Daarom is er behoefte aan een nieuw model dat kritisch denken in een AI-gedreven leeromgeving versterkt.

“Als studenten niet weten hoe AI tot een antwoord komt, wordt kritisch denken een uitdaging."

Bloom’s taxonomie en AI: wat moet er anders?

Bloom’s taxonomie wordt vaak gebruikt om onderwijsdoelen te formuleren. Het model bestaat uit zes hiërarchische niveaus (zie Figuur 1).

1. Onthouden – Feiten en basisinformatie opslaan.
2. Begrijpen – Informatie in eigen woorden uitleggen.
3. Toepassen – Kennis gebruiken in een andere context.
4. Analyseren – Informatie kritisch ontleden.
5. Evalueren – Oordelen over de waarde van informatie.
6. Creëren – Nieuwe ideeën en concepten ontwikkelen.

Figuur 1. De taxonomie van Bloom. Klik op de afbeelding voor een vergroting in een nieuw venster.

AI verandert de manier waarop studenten door deze niveaus navigeren. Traditioneel verloopt leren stap voor stap, van basiskennis (onthouden) naar complexere vaardigheden (zoals creëren). Met AI springen studenten vaker heen en weer tussen verschillende niveaus van leren: ze zoeken informatie, passen deze direct toe, analyseren de uitkomst en verfijnen hun vraag om betere antwoorden te krijgen. Dit herhalende en flexibele proces noemen we iteratief en niet-lineair leren. Er is geen vaste volgorde waarin kennis wordt opgebouwd, maar een voortdurende wisselwerking tussen de zes niveaus van de taxonomie van Bloom.

Omdat Bloom’s taxonomie een hiërarchische leeraanpak volgt, sluit deze niet aan bij AI-gebaseerde leerstrategieën. Daarom is een herziening van het model nodig, die rekening houdt met de manier waarop AI studenten ondersteunt bij het sneller schakelen tussen cognitieve processen. Daarnaast verloopt leren steeds meer als een interactief proces en dient dit ook in de taxonomie van Bloom verwerkt te worden.

“Bloom’s taxonomie moet mee evolueren: leren is niet langer een ladder, maar een netwerk van iteratieve denkstappen. "

Onderzoeksmethode: hoe werd het onderzoek uitgevoerd?

De studie richtte zich op MSc Marketingstudenten die vier weken lang AI-tools gebruikten voor hun opdrachten.

Dataverzameling:

• Studenten hielden audio-dagboeken bij waarin ze reflecteerden op hun AI-gebruik.
• Er vonden focusgroepen plaats waarin ervaringen werden besproken.
• De analyse richtte zich op de manier waarop studenten AI inzetten binnen cognitieve, affectieve en metacognitieve domeinen.

Onderzoeksvragen:

• Hoe beïnvloedt AI kritisch denken in het marketingonderwijs?
• Hoe kan Bloom’s taxonomie worden aangepast om AI-specifieke competenties te integreren?

Deelnemers gebruikten AI voor verschillende doeleinden, zoals het genereren van ideeën, het schrijven van teksten en het analyseren van data. Sommigen waren ervaren AI-gebruikers, terwijl anderen voor het eerst met de technologie werkten.

“Hoe beïnvloedt AI kritisch denken? Dit onderzoek duikt in de praktijkervaringen van studenten."

Belangrijkste bevindingen: hoe verandert AI het leren?

Het onderzoek richtte zich op drie domeinen: het cognitieve, affectieve en metacognitieve domein.

1. Cognitief domein – Wat je weet en hoe je denkt
In het onderzoek werd gekeken hoe kennis werd verworven, begrepen en toegepast. Studenten gebruikten AI om informatie te vinden, concepten te verduidelijken en theorie in praktijk toe te passen. Tegelijkertijd moesten ze AI-antwoorden analyseren, valideren en beoordelen op betrouwbaarheid, waardoor hun kritische denkvaardigheden werden uitgedaagd en versterkt. AI hielp studenten met:

• Ontdekken: AI bood snelle informatieverzameling en ideeëngeneratie.
• Begrijpen: Complexe concepten werden eenvoudiger uitgelegd.
• Toepassen: Studenten konden theorieën vertalen naar praktische scenario’s.
• Analyseren: AI hielp bij het vergelijken en evalueren van informatiebronnen.
• Creëren: AI bood innovatieve inspiratie en alternatieven voor probleemoplossing.

“Van informatie verzamelen tot het creëren van nieuwe ideeën: AI kan elke stap van het leerproces ondersteunen."

2. Affectief domein – Samenwerken en ethisch redeneren met AI

Het onderzoek analyseerde hoe studenten samenwerkten met AI en ethisch nadachten over het gebruik ervan. AI werd niet alleen als hulpmiddel, maar ook als een samenwerkingspartner gezien. De studenten ontwikkelden hun ethisch redeneren door kritisch te reflecteren op de betrouwbaarheid van AI, mogelijke vooringenomenheid en de verantwoordelijkheid om AI-output correct te gebruiken zonder plagiaat te plegen. Dit proces hielp hen bewuster en kritischer met AI om te gaan, waardoor ze leerden de technologie doelgericht en verantwoord in te zetten.

“Ethisch redeneren begint bij bewustwording: hoe betrouwbaar is AI en hoe ga je er verantwoord mee om?"

3. Metacognitief domein – Leren reflecteren op AI-gebruik

In dit onderzoek werd ook onderzocht in hoeverre AI-gebruik studenten stimuleerde om na te denken over hun eigen leerproces. Studenten leerden:

• Kritisch doorvragen: AI-inzichten iteratief verfijnen door gerichte vragen te stellen.
• Nauwkeurige prompts formuleren: Effectieve vragen stellen om AI-uitvoer te verbeteren.
• Iteratief leren: Voortdurend evalueren en verfijnen van AI-gebruik.
• Bijsturen en verbeteren (informatie): AI-output combineren met traditionele kennisbronnen voor meer diepgang.
• Bijsturen en verbeteren (tools): AI en niet-AI-tools combineren voor betere leerresultaten.
• Reflectief denken: De beperkingen en implicaties van AI kritisch beoordelen.

Sommige studenten gaven aan dat hun eerste interacties met AI oppervlakkig waren, maar dat ze gaandeweg leerden om betere vragen te stellen en AI-output te valideren.

“Slim AI-gebruik betekent constant verfijnen: combineer AI-output met eigen inzichten en betrouwbare bronnen."

Een vernieuwde Bloom’s taxonomie voor het AI-tijdperk.

Op basis van de onderzoeksresultaten wordt een vernieuwde Bloom’s taxonomie voorgesteld (zie Figuur 2).

Figuur 2. Geactualiseerde taxonomie van Bloom. 

Wil je deze infographic gratis downloaden in hoge resolutie? Schrijf je dan in voor de module van de Wij-leren Academie. 

Implicaties voor onderwijs en toekomstig onderzoek

De studie onderstreept dat AI zowel kritisch denken kan versterken als belemmeren. Daarom is het zeer van belang om als docent je onderwijs aan te passen aan de studenten. De studie geeft drie praktische tips: 

• Bevorder iteratief leren: Stimuleer studenten om AI-output kritisch te analyseren en bij te sturen in plaats van deze klakkeloos over te nemen.
• Versterk validatievaardigheden: Leer studenten hoe ze AI-antwoorden systematisch kunnen controleren aan de hand van betrouwbare bronnen.
• Integreer ethisch redeneren: Zorg voor bewustwording rondom de risico’s van AI-gebruik, zoals plagiaat en bias, en leer studenten hoe ze hier verantwoord mee omgaan.

Tot slot geeft dr. Chahna Gonsalves nog drie tips voor toekomstig onderzoek:

1. De langetermijneffecten van AI op kritisch denken.
2. Hoe AI-geletterdheid en ethisch denken beter geïntegreerd kunnen worden in het onderwijs.
3. Hoe AI-afhankelijkheid kan worden beperkt zonder de voordelen van de technologie te verliezen.

“Onderwijs moet AI-geletterdheid en ethisch redeneren integreren om studenten verantwoord met technologie te leren omgaan."

Conclusie: AI als kans én uitdaging voor kritisch denken

Generatieve AI heeft het potentieel om kritisch denken te versterken, maar vereist een bewuste en strategische benadering. Door het traditionele onderwijsmodel te herzien en AI-competenties te integreren, kunnen studenten leren om AI op een kritische en ethische manier te gebruiken. Dit stelt hen in staat om niet alleen passieve consumenten van AI-inhoud te zijn, maar actieve en reflectieve denkers in een steeds digitaler wordende wereld.

Bespreking van het artikel

Het artikel van dr. Chahna Gonsalves biedt een grondige analyse van de impact van generatieve AI op kritisch denken en de noodzaak om Bloom’s taxonomie te herzien. Het onderzoek is innovatief en relevant, maar er zijn ook enkele beperkingen en uitdagingen. Hieronder worden de voor- en nadelen besproken, gevolgd door lessen voor de praktijk.

Voordelen van het onderzoek

1. Actuele en relevante thematiek

De opkomst van AI in het onderwijs vraagt om nieuwe denkkaders en didactische strategieën. Dit onderzoek speelt hier goed op in door te analyseren hoe AI kritisch denken beïnvloedt en hoe Bloom’s taxonomie hierop aangepast kan worden. De bevindingen zijn relevant voor docenten, beleidsmakers en studenten.

“AI verandert de manier waarop we leren – dit onderzoek helpt het onderwijs daarop in te spelen."

2. Praktische toepasbaarheid in het onderwijs

Het onderzoek biedt concrete aanbevelingen voor de integratie van AI-geletterdheid en kritisch denken in het onderwijs. Een van de belangrijkste inzichten is het concept van bijsturing en verbetering (melioratie): het strategisch combineren van AI-uitvoer met traditionele kennisbronnen. In plaats van AI blindelings te vertrouwen, leren studenten AI als startpunt te gebruiken en informatie kritisch te toetsen. Hoe werkt deze bijsturing en verbetering in de praktijk?

1. AI als startpunt – Studenten gebruiken AI-tools zoals ChatGPT om ideeën te genereren en een eerste overzicht te krijgen van een onderwerp.
2. Validatie met betrouwbare bronnen – Ze vergelijken AI-informatie met wetenschappelijke artikelen en academische databases.
3. Bijsturing en verbetering – AI-output wordt kritisch geëvalueerd, aangevuld met eigen inzichten en externe bronnen, en omgevormd tot een goed onderbouwd resultaat.

Een praktisch voorbeeld uit het onderzoek: een student gebruikte ChatGPT om een marketingstrategie te bedenken. AI gaf suggesties, maar de student controleerde deze met wetenschappelijke literatuur en praktijkcases. Door de AI-output bij te sturen en te verbeteren, ontstond een sterker en betrouwbaarder eindresultaat.

Waarom is deze bijsturing en verbetering belangrijk?

• Het voorkomt AI-afhankelijkheid – Studenten blijven zelfstandig denken en toetsen informatie kritisch.
• Het versterkt kritisch denken – Door AI-uitvoer te analyseren en valideren ontwikkelen studenten analytische vaardigheden.
• Het stimuleert dieper leren – Studenten verbinden AI-inzichten met bredere kennis, waardoor ze concepten beter begrijpen en toepassen.

Bijsturing en verbetering is een essentiële vaardigheid in een wereld waarin AI steeds vaker wordt ingezet. Het stelt studenten in staat AI slim te benutten, kritisch te blijven en hun leerproces zelfstandig vorm te geven. In Figuur 3 wordt dit samengevat.

“Bijsturen en verbeteren: de sleutel tot kritisch denken in een AI-gedreven leeromgeving."

Figuur 3. Hoe stuur en verbeter je AI in het onderwijs?

Wil je deze infographic gratis downloaden in hoge resolutie? Schrijf je dan in voor de module van de Wij-leren Academie. 

3. Nieuwe perspectieven op de taxonomie van Bloom

Een derde voordeel van de studie is dat het nieuwe perspectieven biedt op Bloom's taxonomie. De studie introduceert een herziene versie van Bloom’s taxonomie, waarin nieuwe AI-gerelateerde vaardigheden worden geïntegreerd, zoals ethisch redeneren, iteratief leren en samenwerking met AI. Dit draagt bij aan een beter begrip van hoe leerprocessen veranderen in de digitale wereld.

“AI verandert leren: Bloom’s taxonomie moet meebewegen met de digitale realiteit."

4. Onderzoeksmethode biedt diepgaande inzichten

Tot slot biedt de gebruikte onderzoeksmethode diepgaande inzichten. Door het gebruik van audio-dagboeken en focusgroepen is het onderzoek in staat om gedetailleerde en realistische inzichten te geven in hoe studenten AI in hun leerproces integreren. Deze methode maakt het mogelijk om de interacties van studenten met AI te volgen en patronen in kritisch denken te identificeren.

Nadelen en beperkingen van het onderzoek

Naast de waardevolle inzichten kent het onderzoek ook enkele beperkingen, die hieronder worden besproken.

1. Beperkte steekproef en generaliseerbaarheid

Het onderzoek is gebaseerd op een kleine groep van negen MSc Marketingstudenten, waarvan acht het volledige traject hebben doorlopen. Hierdoor is de generaliseerbaarheid beperkt. Om bredere conclusies te kunnen trekken, zou een grotere en meer diverse steekproef nodig zijn. Dit roept vragen op zoals: Zijn de bevindingen representatief voor alle MSc Marketingstudenten? Zijn ze ook toepasbaar op studenten in andere disciplines? Hoe verhouden de resultaten zich tot studenten in het mbo of hbo en tot leerlingen in het voortgezet onderwijs? Verdere studies met verschillende doelgroepen zijn nodig om de impact van AI op kritisch denken in diverse onderwijscontexten beter te begrijpen.

“AI verandert het leren, maar voor wie precies? Onderzoek in diverse onderwijscontexten is noodzakelijk."

2. Afhankelijkheid van zelfrapportage

De gebruikte methode, met audio-dagboeken en focusgroepen, levert waardevolle inzichten op, maar brengt ook het risico van zelfrapportagebias met zich mee. Studenten kunnen hun AI-gebruik anders hebben weergegeven dan het daadwerkelijk was, bijvoorbeeld door sociaal wenselijke antwoorden te geven. Dit kan de betrouwbaarheid van de resultaten beïnvloeden. Om meer bewijskracht te bieden, zou vervolgonderzoek aanvullende methoden moeten gebruiken, zoals observaties, logbestanden van AI-gebruik of experimentele studies, om een objectiever beeld te krijgen van hoe studenten AI in de praktijk toepassen.

3. Geen langetermijnanalyse van leerprocessen

Het onderzoek bestrijkt een relatief korte periode van vier weken, waardoor het onduidelijk blijft hoe AI-gebruik en kritisch denken zich op de langere termijn ontwikkelen. Een belangrijke vraag is of studenten AI kritisch blijven gebruiken, of dat ze na verloop van tijd steeds vaker AI-uitvoer klakkeloos overnemen. Aangezien AI nog een relatief nieuw fenomeen is in het onderwijs, is het begrijpelijk dat er nog weinig onderzoek is naar de langetermijneffecten. Toch zijn langdurige studies essentieel om te achterhalen hoe AI de cognitieve ontwikkeling beïnvloedt en of studenten leren om AI op een bewuste, strategische manier te integreren in hun leerproces.

“De langetermijneffecten van AI-gebruik op kritisch denken blijven nog onduidelijk."

Lessen voor de praktijk: Hoe AI kritisch denken kan versterken

Op basis van de bevindingen uit het onderzoek kunnen vijf praktische tips worden geformuleerd voor docenten en onderwijsinstellingen:

1. Help studenten AI te gebruiken met een kritische blik

AI is een krachtig hulpmiddel, maar studenten moeten leren hoe ze het kritisch gebruiken. Laat hen experimenteren met AI, maar benadruk dat ze altijd zelf moeten nadenken en de informatie controleren. Verwerk AI-geletterdheid in lessen, zodat studenten begrijpen hoe ze AI kunnen inzetten zonder er blind op te vertrouwen.

2. Moedig validatie en gerichte verbetering van AI-antwoorden aan

Studenten moeten leren hoe ze AI-inzichten kritisch kunnen toetsen en versterken door ze te combineren met betrouwbare kennisbronnen. Dit kan worden bevorderd door opdrachten waarin studenten:

• AI-output niet alleen raadplegen, maar actief vergelijken met wetenschappelijke literatuur en andere gezaghebbende bronnen.
• Kritische vragen stellen om AI-antwoorden te verfijnen en te verbeteren.
• Hun eindproduct onderbouwen met zowel AI-gegeneerde inzichten als eigen analyse en externe bronnen.

Door deze aanpak ontwikkelen studenten de vaardigheid om AI bewust en verantwoord te benutten in hun leerproces.

“Wie AI blindelings vertrouwt, laat een kans liggen: leren begint bij zelf nadenken en valideren."

3. Maak leren een proces van continu verbeteren

AI biedt studenten de mogelijkheid om hun leerproces iteratief te maken: ze kunnen AI-output bevragen, verfijnen en verbeteren. Dit sluit aan bij moderne leerstrategieën zoals probleemgestuurd leren (PGL), waarbij studenten continu reflecteren op hun denkproces.

4. Laat studenten nadenken over de ethische kant van AI

Hoe betrouwbaar is AI? Hoe ga je om met plagiaat en privacy? Laat studenten deze vragen verkennen. Door ethisch redeneren onderdeel te maken van AI-gebruik, leren ze kritisch na te denken over de invloed van technologie op hun leerproces en de samenleving.

5. Monitor de langetermijneffecten van AI-gebruik

Onderwijsinstellingen zouden systematisch moeten onderzoeken hoe AI-gebruik zich ontwikkelt over langere tijd en welke impact het heeft op kritisch denken. Dit kan helpen om toekomstige leerstrategieën beter af te stemmen op de uitdagingen en mogelijkheden van AI.

“AI is geen vervanging voor kritisch denken, maar een hulpmiddel om analytische en reflectieve vaardigheden te versterken."

Deze lessen voor de praktijk om AI kritisch in te zetten, worden samengevat in Figuur 4.

Figuur 4. Lessen voor de praktijk om AI kritisch in te zetten.

Wil je deze infographic gratis downloaden in hoge resolutie? Schrijf je dan in voor de module van de Wij-leren Academie. 

Conclusie: AI als kans én uitdaging voor kritisch denken

Het onderzoek laat zien hoe generatieve AI het leerproces kan versterken en hoe Bloom’s taxonomie aangepast kan worden voor een AI-gestuurde leeromgeving. AI kan kritisch denken stimuleren als het op de juiste manier wordt ingezet, maar er zijn ook risico’s, zoals afhankelijkheid van AI en een afname van diepgaand analytisch denken.

Om AI optimaal te benutten in het onderwijs, moeten studenten leren kritisch met AI om te gaan, AI-output te valideren en strategisch te combineren met andere bronnen. Dit vraagt om aanpassingen in het curriculum, nieuwe didactische benaderingen en meer onderzoek naar de langetermijneffecten van AI-gebruik op kritisch denken.

“Slim AI-gebruik vraagt om een kritische blik: studenten moeten leren AI-output te toetsen, verrijken en strategisch te combineren met andere bronnen."

Succesvol AI-gebruik in het onderwijs vereist een evenwichtige integratie: AI is geen vervanging voor kritisch denken, maar een hulpmiddel om analytische en reflectieve vaardigheden te versterken. De uitdaging ligt in het vinden van een balans waarin AI als verrijking dient zonder dat het de ontwikkeling van fundamentele denkvaardigheden ondermijnt.