Wat is een curriculum in het onderwijs?

Een curriculum in het onderwijs is een gestructureerd plan dat beschrijft wat studenten moeten leren (leerdoelen en -inhoud), hoe ze het moeten leren (leeractiviteiten en -methoden), met wie ze moeten leren (groeperingsvormen), waar en wanneer ze moeten leren (leeromgeving en tijd), en hoe hun leerprestaties worden beoordeeld (toetsing). Het curriculum biedt een samenhangend kader dat alle onderwijsactiviteiten en -middelen integreert om te zorgen voor een effectieve en efficiënte leerervaring.

Rol van AI bij het opstellen van het curriculum

Hieronder wordt beschreven hoe AI een rol kan spelen bij het beantwoorden van de verschillende vragen die Van den Akker stelt bij het opstellen van een curriculum:

Visie – Waartoe leren zij?

AI kan helpen bij het analyseren van trends en toekomstscenario’s om de belangrijkste vaardigheden en kennisgebieden te identificeren die studenten in de toekomst nodig zullen hebben. Door gegevens van arbeidsmarktanalyses en maatschappelijke ontwikkelingen te gebruiken, kan AI bijdragen aan het formuleren van een toekomstgerichte visie voor het onderwijs.

AI-toepassing: Analyse van toekomstgerichte vaardigheden en kennis in de zorgsector.

Voorbeeld: Een AI-systeem analyseert trends in de gezondheidszorg, zoals de toename van chronische ziekten en de behoefte aan telezorg, om te bepalen welke vaardigheden (bijv. e-health technologieën, patiëntgerichte communicatie) essentieel zijn voor toekomstige zorgverleners.

Praktijkvoorbeeld: UMC Utrecht heeft samen met het Nederlands AI-coalitie initiatieven opgezet om AI in de gezondheidszorg te bevorderen. Ze gebruiken AI om trends te analyseren en toekomstige behoeften in de zorgsector te bepalen, wat helpt bij het formuleren van een toekomstgerichte visie voor het onderwijs.

Leerdoelen – Waarheen leren zij?

AI kan helpen bij het verfijnen van leerdoelen door leerprestaties en -resultaten te analyseren. Door gebruik te maken van data-analyse en machine learning, kunnen onderwijsinstellingen inzicht krijgen in welke leerdoelen het meest effectief zijn in het bevorderen van studentensucces.

AI-toepassing: Identificeren en verfijnen van leerdoelen op basis van zorgpraktijken en patiëntuitkomsten.

Voorbeeld: AI-analyse van patiëntgegevens om te identificeren welke vaardigheden en kennis (bijv. diagnostische accuraatheid, ethische besluitvorming) cruciaal zijn voor het verbeteren van de zorgkwaliteit, en deze integreren in de leerdoelen.

Praktijkvoorbeeld: Leids Universitair Medisch Centrum (LUMC) gebruikt AI om patiëntgegevens te analyseren en leerdoelen aan te passen om de zorgkwaliteit te verbeteren. AI helpt hen om te bepalen welke klinische vaardigheden en kennisgebieden essentieel zijn voor toekomstige zorgverleners.

Leerinhoud – Wat leren zij?

AI kan bijdragen aan de selectie en actualisering van leerinhouden. Door continu toegang te hebben tot de nieuwste informatie en trends, kunnen AI-systemen helpen om de meest relevante en up-to-date leerinhoud te identificeren en te integreren in het curriculum.

AI-toepassing: Selecteren en actualiseren van relevante leerinhouden.

Voorbeeld: Een AI-platform dat continu medische literatuur en klinische richtlijnen doorzoekt om de nieuwste informatie over behandelingsprotocollen, medicatierichtlijnen en zorgstandaarden te integreren in het curriculum.

Praktijkvoorbeeld: De Erasmus Universiteit Rotterdam integreert AI in hun medische curriculum door AI-tools te gebruiken die continu medische literatuur doorzoeken en de nieuwste informatie over behandelingsprotocollen en zorgstandaarden toevoegen aan het curriculum.

Leeractiviteiten – Hoe leren zij?

AI kan gepersonaliseerde leeractiviteiten ontwikkelen die zijn afgestemd op de individuele behoeften en leerstijlen van studenten. Adaptieve leersystemen kunnen real-time feedback geven en leeractiviteiten aanpassen om de effectiviteit te maximaliseren.

AI-toepassing: Ontwikkelen van gepersonaliseerde leeractiviteiten.

Voorbeeld: Een adaptief leerplatform dat simulaties van patiëntencasussen biedt, aangepast aan het kennisniveau en de leerstijl van elke student. Bijvoorbeeld, een student die moeite heeft met cardiologie krijgt extra interactieve oefeningen en simulaties van hartziekten.

Praktijkvoorbeeld: Radboudumc Health Academy gebruikt AI-gebaseerde simulaties om realistische patiëntencasussen te creëren. Deze simulaties passen zich aan aan het kennisniveau en de leerstijl van de studenten.

Docentenrollen – Wat is de rol van de docent bij hun leren?

AI kan leraren ondersteunen door hen te voorzien van gedetailleerde analyses van de voortgang van hun studenten en suggesties te geven voor gerichte interventies. Daarnaast kunnen AI-systemen routineuze taken automatiseren, waardoor leraren meer tijd hebben om zich te richten op mentorschap en begeleiding.

AI-toepassing: Ondersteunen van docenten met inzicht en automatisering.

Voorbeeld: AI-analyses van studentenprestaties geven docenten inzicht in welke studenten extra ondersteuning nodig hebben en welke onderwerpen meer uitleg vereisen. AI-gebaseerde chatbots kunnen ook routinevragen van studenten beantwoorden.

Praktijkvoorbeeld: Hogeschool Utrecht implementeert AI-analyses van studentenprestaties om docenten inzicht te geven in welke studenten extra ondersteuning nodig hebben en welke onderwerpen meer uitleg vereisen. Dit helpt docenten om gerichte interventies te plannen.

Bronnen en materialen – Waarmee leren zij?

AI kan helpen bij het cureren van leermaterialen door aanbevelingen te doen op basis van de leerdoelen en de voorkeuren van studenten. AI kan ook helpen bij het ontwikkelen van interactieve en multimediale leermaterialen die de betrokkenheid van studenten verhogen.

AI-toepassing: Cureren en aanbevelen van leermaterialen.

Voorbeeld: Een AI-tool die aanbevolen artikelen, video’s en e-learning modules biedt gebaseerd op de specifieke leerdoelen en voortgang van de studenten, bijvoorbeeld de nieuwste onderzoeksartikelen over diabetesmanagement.

Praktijkvoorbeeld: De Universiteit van Amsterdam (UvA) gebruikt een AI-tool die aanbevolen artikelen, video’s en e-learning modules biedt op basis van de specifieke leerdoelen en voortgang van de studenten.

Groepersingvormen – Met wie leren zij?

AI kan helpen bij het optimaliseren van groepsindelingen op basis van data-analyse van studentenprofielen en leerprestaties. Dit kan leiden tot effectievere samenwerkingen en peer learning ervaringen.

AI-toepassing: Optimaliseren van groepsindelingen voor samenwerking.

Voorbeeld: Een AI-systeem dat studenten indeelt in groepen op basis van hun vaardigheden en leerstijlen om optimale samenwerkingen te bevorderen tijdens probleemgestuurd leren (PGL) sessies.

Praktijkvoorbeeld: Maastricht University maakt gebruik van AI om studenten in te delen in groepen voor probleemgestuurd leren (PGL) sessies, gebaseerd op hun vaardigheden en leerstijlen.

Leeromgeving – Waar leren zij?

AI kan slimme leeromgevingen creëren die zich aanpassen aan de behoeften van studenten. Dit omvat zowel fysieke als virtuele leeromgevingen die gebruik maken van technologieën zoals VR en AR om meeslepende en interactieve leerervaringen te bieden.

AI-toepassing: Creëren van slimme en adaptieve leeromgevingen.

Voorbeeld: Een virtueel ziekenhuis waar studenten kunnen oefenen met het verlenen van zorg aan virtuele patiënten in een gesimuleerde omgeving die AI gebruikt om realistische scenario’s te genereren, zoals noodsituaties en routinecontroles.

Praktijkvoorbeeld: Hogeschool van Arnhem en Nijmegen (HAN) heeft een virtueel ziekenhuis gecreëerd waar studenten kunnen oefenen met het verlenen van zorg aan virtuele patiënten in een gesimuleerde omgeving die AI gebruikt om realistische scenario’s te genereren.

Tijd – Wanneer leren zij?

AI kan helpen bij het plannen en beheren van leerschema’s door de optimale tijden voor leren en toetsing te identificeren op basis van de prestaties en voorkeuren van studenten. Dit kan leiden tot een meer flexibele en gepersonaliseerde aanpak van het leren.

AI-toepassing: Optimaliseren van leerschema’s.

Voorbeeld: Een AI-systeem dat studenten helpt bij het plannen van hun studie- en oefentijd door inzicht te geven in hun meest productieve studietijden en het aanbieden van gepersonaliseerde studieroosters.

Praktijkvoorbeeld: Vrije Universiteit Amsterdam (VU) gebruikt een AI-systeem dat studenten helpt bij het plannen van hun studie- en oefentijd door inzicht te geven in hun meest productieve studietijden en gepersonaliseerde studieroosters te bieden.

Toetsing – Hoe wordt hun leren getoetst?

AI kan geavanceerde toetsingssystemen ontwikkelen die real-time feedback geven en een breed scala aan toetsingsmethoden ondersteunen, van formatieve evaluaties tot adaptieve toetsen. AI kan ook helpen bij het automatisch beoordelen van open antwoorden en essays, wat de nauwkeurigheid en objectiviteit van beoordelingen kan verbeteren.

AI-toepassing: Geavanceerde toetsingssystemen en automatische beoordelingen.

Voorbeeld: Gebruik van AI om praktijktoetsen te evalueren, zoals het uitvoeren van een lichamelijk onderzoek of het stellen van een diagnose in een simulatie. AI kan ook essays en casusbesprekingen beoordelen, en directe feedback geven op klinische redeneringen.

Praktijkvoorbeeld: Universiteit Utrecht maakt gebruik van AI om praktijktoetsen te evalueren, zoals het uitvoeren van een lichamelijk onderzoek of het stellen van een diagnose in een simulatie. AI beoordeelt ook essays en casusbesprekingen en geeft directe feedback op klinische redeneringen.

Door deze toepassingen kan AI een integrale rol spelen in het moderniseren en optimaliseren van het curriculum in het onderwijs, waardoor het beter aansluit op de behoeften van studenten en de eisen van de moderne wereld.