Smart Symbols
Kleuterleerkrachten staan voor de uitdaging om kwalitatief onderwijs te bieden, terwijl ze geconfronteerd worden met een hoge planlast door administratieve taken en het ontwikkelen van lesplannen. Digitale tools bieden vaak onvoldoende verlichting en verhogen soms zelfs de werkdruk. Het gebrek aan efficiënte, kwalitatieve en gepersonaliseerde ondersteuning bij het plannen, observeren en evalueren van lessen leidt tot stress, verminderde motivatie en draagt bij aan het lerarentekort. Bestaande systemen missen vaak integratie, gebruiksgemak en mogelijkheden tot personalisatie op basis van leerlingdata.
Dit project onderzoekt de ontwikkeling van “Smart Lessons”, een AI-ondersteunde lesplanassistent binnen het SmartSymbols-platform. Het doel is om een schaalbare, meertalige lesplanbibliotheek te creëren, gekoppeld aan relevante leerdoelen en afgestemd op de socio-culturele context en individuele leertrajecten van kleuters. Het onderzoek omvat het verzamelen en beoordelen van 1000 kwalitatieve lesplannen, de ontwikkeling van machine learning-algoritmes voor automatische kwaliteitscontrole en koppeling van leerdoelen, en het bouwen van een knowledge base voor lesplangeneratie. Daarnaast wordt een recommender systeem ontwikkeld dat gepersonaliseerde suggesties doet op basis van leerling- en klasdata. Validatie gebeurt via focusgroepen en effectmetingen op planlast. Het project verwacht een significante vermindering van planlast, verhoogde onderwijskwaliteit en betere ondersteuning van leerkrachten. De onderzoeksresultaten dragen bij aan de kennis over AI-toepassingen in het onderwijs en bieden een schaalbaar model voor gepersonaliseerd, digitaal lesontwerp in binnen- en buitenland.
Results
Opbouwen van een database met 1000 kwalitatieve en 100 minder kwalitatieve lesplannen voor training en validatie.Ontwikkelen van machine learning-algoritmes voor automatische kwaliteitscontrole van lesplannen.Automatisch koppelen van relevante leerdoelen aan lesplannen met een nauwkeurigheid van minstens 80%.Genereren van lesplannen op basis van leerdoel, leertraject, materiaal of thema via een knowledge base en prompt engineering.Evalueren van de kwaliteit van gegenereerde lesplannen en optimaliseren van het generatiesysteem.Uitbouwen van een schaalbare, meertalige lesplanbibliotheek met meer dan 1000 originele lesplannen.Implementeren van een vertalingsmodule die lesplannen naar minstens vier talen vertaalt met 80% nauwkeurigheid.Ontwikkelen van een recommender systeem dat gepersonaliseerde en gebalanceerde suggesties doet op basis van klas- en leerlingdata.Integreren van Smart Symbols Inzichten voor relevante suggesties afgestemd op klassikale en individuele leertrajecten.Verifiëren van de impact van de Smart Symbols lesplanner op planlast en onderwijskwaliteit via effectmetingen en focusgroepen.
Door deze outcomes te realiseren wil dit project bijdragen aan de volgende missies:
Howest draagt bij aan productiviteit en efficiëntie met behulp van digitale technologieën zoals gametechnologie, XR, web3 en AI.Howest zet in op innovatieve onderwijsstrategieën voor het bevorderen van leerwinst, -motivatie en -efficiëntie.
