#generatieveai — Public Fediverse posts

Waarom we zeer terughoudend moeten zijn in het doen van stellige uitspraken over de impact van (Gen)AI op leerresultaten
Algemene beweringen over algemene leerwinst als gevolg van AI/LLM’s lijken voorbarig. Het huidige bewijsmateriaal is onvoldoende om onderbouwde aanbevelingen voor beleid of praktijk te ondersteunen. Dat is de conclusie van de meta-meta-analyse van Bartoš cs (2026).
#onderzoek #generatieveai #leerresultaten #artificialintelligence #edutoot
https://te-learning.nl/waarom-we-zeer-terughoudend-moeten-zijn-in-het-doen-van-stellige-uitspraken-over-de-impact-van-genai-op-leerresultaten/

Tekortkomingen van AI-detectietools
De bijdrage ‘Teachers Are Using Software To See If Students Used AI. What Happens When It’s Wrong?‘ plaatst vraagtekens bij de uitgaven van Amerikaanse onderwijsinstellingen aan AI-detectietools. Zelfs als docenten deze toepassingen inzetten als start van een gesprek over het werk van lerenden. #artificialintelligence #generatieveai #schrijven #aidetectie #onderwijs #edutoot
https://te-learning.nl/tekortkomingen-van-ai-detectietools/

Na jaren van snelle groei en hoge verwachtingen verschuift het gesprek over AI in 2026 van AI-evangelisatie naar AI-evaluatie (wat levert het op?). Stanford HAI vroeg experts van deze universiteit uit verschillende disciplines wat zij verwachten, en hun antwoorden laten een opvallend eensgezind beeld zien: minder belofte, meer beoordeling. #artificialintelligence #generatieveai #evaluatie #ontwikkelingen
https://te-learning.nl/wat-staat-ons-in-2026-te-wachten-als-het-gaat-om-ai/