“Pfff, die leraar kan echt geen lesgeven…”
Ik ving deze opmerking op terwijl ik net ging zitten op een bank in de universiteit waar ik al bijna twee jaar les krijg. Ik was er gaan zitten om even een boterham te eten, terwijl ik nog even de podcast wilde herluisteren die ik met AI gemaakt had van de tekst die we zo gingen bespreken. Maar ik bleef hangen bij wat er achter me gezegd werd en besloot nog niet op ‘play’ te klikken.
Het gesprek op de banken achter me ging verder. Twee studenten bespraken hoe een docent tijdens de colleges van voorbeeld naar voorbeeld ging, zonder een duidelijke definitie te geven. En, zo zei een van hen, zelfs als er een kernachtige zin voorbij kwam, werd die niet herhaald. Het werd maar één keer gezegd, alsof het net zo belangrijk was als de rest.
Een paar zinnen die ik opving, vlak voordat ik de les inging. Maar genoeg om me aan het denken te zetten...
De week ervoor was ik bij de onderwijsavond van het Nivoz, waar Barend Last een lezing gaf over AI in het onderwijs. Daarvoor was het bloggerscollectief bijeengekomen en spraken we over hoe ieder van ons persoonlijk naar AI kijkt. Voor zover ik kon zien, was ik de enige in de ruimte die er duidelijk voordeel in zag. Het helpt me namelijk om sneller zicht te krijgen op wat anderen als hoofdlijn formuleren, iets waar ik van nature minder op gericht ben. Door bijvoorbeeld eerst een podcast te laten maken van een tekst, krijg ik al gevoel voor waar de kern zit en lees ik er daarna makkelijker doorheen.
Ik let nu eenmaal eerder op specifieke details binnen een geheel. Op patronen, en vooral op wat er onder die patronen gebeurt. Op alles wat óók meespeelt en later relevant kan worden. En dat heeft gevolgen voor hoe ik situaties lees.
Als docent in het vso hielp me dat enorm. Zo zag ik al snel dat een leerling niet overprikkeld raakte door een tikkende pen op zich, maar door wat die pen in gang zette. Diezelfde pen irriteerde namelijk een andere leerling die al om stilte had gevraagd. Als dat door zou gaan, wist ik, zou het eindigen in een emotionele uitbarsting.
Als ik dat onderlinge spel niet op tijd in de smiezen had, zou ik ingrijpen op het verkeerde moment en bij de verkeerde persoon. Dan corrigeer je gedrag, terwijl de dynamiek blijft doorlopen, met alle gevolgen voor de sfeer in de klas. Door juist die samenhang te zien, kon ik eerder en gerichter handelen en daarmee escalatie voorkomen.
In een latere rol, als locatiemanager, werkte dat op een vergelijkbare manier, maar dan in vergaderingen. Ik merkte dat sommige medewerkers weinig zeiden. De reflex in onze samenleving is dan vaak om mensen aan te moedigen zich uit te spreken. Maar daarmee leg je de druk precies op de plek waar het al spannend is, zoals ik persoonlijk had ervaren. Omdat ik dat niet wilde, vroeg ik hen om te laten zien dat ze aanwezig zijn in de discussies, door eenvoudigweg te reageren met hun lichaam. Even knikken of hun hoofd schudden bij een voorstel. Ik zei dan: laat je lichaam maar praten. Je voelt vaak al wat je ervan vindt, ook als je het nog niet in woorden kunt vatten.
Daardoor gebeurde er iets interessants. Hun reactie werd zichtbaar voor de groep. Collega’s begonnen ernaar te kijken en er impliciet op te reageren. Zonder dat iemand iets hoefde te forceren, waren ze al onderdeel van het gesprek. En juist omdat die ruimte er al was, er even tijd werd genomen en mensen hen aankeken, volgde spreken vaak vanzelf. Teamleden gingen alsnog proberen hun gevoel onder woorden te brengen. Anderen, die meer tijd nodig hadden om te laten bezinken wat er gezegd werd, konden daarbij aansluiten. Zo ontstond er een dynamiek waarin meer mensen daadwerkelijk gehoord werden.
Wat daarvoor nodig was, is niet dat ik snel de hoofdlijn zag, of de kern in woorden kon weergeven. Nee, wat er nodig was, was juist dat ik informatie als het ware met elkaar kon mixen en mengen. Alsof dat wat belangrijk was om vooruit te komen in een steeds veranderende situatie in de bijzaken verstopt lag. Had ik er geen aandacht voor gehad dan kon ik het later niet inzetten.
Dat is iets wat die twee studenten mogelijk niet doorhadden. Niet raar overigens, dat studenten in het huidige onderwijssysteem zoeken naar duidelijke definities en herhaalbare kernzinnen, want dat is waar ze op beoordeeld worden.
Maar in mijn ogen missen we hier een belangrijke vorm van leren, van kennis opdoen. Daarmee kom ik weer bij AI. Want artificial intelligence is goed in hoofdlijnen, in het genereren van hoofdlijnen, gebaseerd op patronen die in datasets dominant zijn. Maar wellicht is wat we nodig hebben om te dealen met complexiteit, met ecosystemen, met complexe samenlevingen en systemen die toekomstbestendig moeten zijn, wel iets anders. Iets wat AI ons niet brengt, namelijk dat we non-lineair bijzaken met elkaar kunnen verbinden en vanuit een andere relevantiefilter ineens een andere waarheid gaan zien.
Wat hier speelt, raakt aan wat ik van Nora Bateson leerde over de verschillende vormen van leren. In veel onderwijs blijven we hangen in wat haar vader, Gregory Bateson, first order learning noemt: het leren van definities en het herkennen van wat als hoofdzaak geldt. Soms verschuiven we naar second order learning, waarin we ons bewust worden van die kaders en hoe ze ons kijken sturen, wat dan ook weer invloed heeft op first order learning natuurlijk. Maar in Third order learning leer je transcontextueel bewegen, verbanden zien die niet vooraf gegeven zijn en laat je betekenis ontstaan in relatie. Vanuit dat perspectief bestaan ‘hoofdzaken’ en ‘bijzaken’ niet vaststaand, maar worden ze steeds opnieuw zichtbaar, afhankelijk van waar je kijkt en wat je met elkaar verbindt.
Misschien is AI op dat punt wel een interessante ontwikkeling die ons kan laten zien dat wat we 'leren' noemden, te nauw hebben geformuleerd. We hebben leren namelijk sterk gekoppeld aan helderheid, aan definities, aan dat wat je kunt herhalen en reproduceren. Aan dat wat zich netjes laat samenvatten. Maar daarmee trainen we vooral één manier van kijken. Een manier waarin, zoals veel studenten weten, AI vaak al beter is. Dat is ook de reden dat het zo veelvuldig wordt ingezet om te helpen bij opdrachten en verslagen.
Terwijl leren in de praktijk vaak precies andersom werkt en bovendien belichaamd is. Waar zit het leren in de bakker die zijn brood net anders rolt, kneedt en bakt afhankelijk van de luchtvochtigheid? Dat is geen vast gegeven, dat is vakmanschap. Waar zit het leren in de sluiswachter die op basis van vogels, wolken en de verhalen van boeren met aangrenzend land besluit om twee of juist drie sluizen open te zetten die dag? Dat is geen één-op-één gegeven. Al jaren proberen we dit soort kennis in computermodellen te vangen, en dat lukt maar matig, zoals Govert D. Geldof uitlegt in zijn boek 'Complexiteit en de waarde van praktijkleren' uitlegt. De kennis zit juist in de bijzaken, verstopt in overlappende signalen die we kunnen ontvangen via verhalen.
Mijn manier van kijken draait daarom niet om sneller de kern zien, maar om langer te blijven bij wat nog geen kern is. Om patronen te zien voordat ze erkend zijn als patroon. Om aan te voelen wanneer iets klein lijkt, maar op het punt staat groot te worden.
Dat vraagt iets anders van onderwijs. Minder focus op alleen het juiste antwoord, en meer aandacht voor hoe iemand kijkt, waar iemand op let en wat iemand als betekenisvol leert herkennen.
AI kan helpen om lijnen zichtbaar te maken, om samen te vatten, om orde aan te brengen. Maar wat het niet doet, is bepalen wat nog geen lijn is. Wat nog geen categorie heeft. Wat nog niet als belangrijk wordt gezien, maar dat wel kan worden. En juist daar begint leren dat ertoe doet.
