BLOG

AI in Actie: Toetsvragen genereren op verschillende Bloom-niveaus - een praktijkvoorbeeld

Gisteren kwam mijn collega @Gieliondewit enthousiast naar me toe. “Marcel, ik heb het AI-virus te pakken. Ik heb een GPT gebouwd die op het gewenste niveau van Bloom MC-vragen voor me schrijft!”  Een perfecte illustratie hoe AI het onderwijs kan verrijken, als je de juiste tools en kennis hebt.

Een paar weken geleden gaf ik een paar collega’s een workshop over prompten en GPT’s bouwen. Een van de deelnemers was @Gieliondewit, die onder andere verantwoordelijk is voor een cursus anatomie en fysiologie van de ALO. Zoals veel docenten worstelde hij met een bekend probleem: het ontwikkelen van goede mc-vragen voor kennistoetsen – een tijdrovende maar essentiële taak.

Tijdens de workshop hadden we de basics van goed prompten doorgenomen en had ik laten zien hoe je een GPT bouwt en waarom dat zo krachtig kan zijn. Daarnaast had ik gedeeld hoe je de taxonomie van Bloom kunt integreren in een GPT. Zoals ik al een beetje had verwacht was dit genoeg inspiratie om aan de slag te gaan. “Oh, maar een GPT bouwen is eigenlijk programmeren in gewone taal” was een uitspraak van Gielion waardoor duidelijk was dat het kwartje was gevallen. Na thuis verder bouwen heeft hij nu een GPT die precies doet wat hij nodig heeft: kwalitatief hoogwaardige toetsvragen genereren op specifieke Bloom-niveaus.

Concreet: Hij kan nu aangeven hoeveel vragen hij nodig heeft over welk onderwerp, op welk niveau van Bloom, en de GPT levert ze. Natuurlijk blijft een check noodzakelijk, maar omdat het niveau van de gegenereerde vragen al zo hoog is, gaat dit verrassend snel.

Ik vind dit een heel mooi voorbeeld van hoe AI docenten kan ondersteunen: niet door hen te vervangen, maar door repetitief werk te automatiseren zodat er meer tijd overblijft voor wat echt telt – kwalitatief onderwijs verzorgen.

De techniek achter het succes: Van Bloom naar AI

Hoe is deze GPT eigenlijk tot stand gekomen? Op https://aivoordocenten.com/bloom-prompts/ heb ik de meta-prompt die uiteindelijk is gebruikt voor geïnteresseerden beschikbaar, maar het proces ernaartoe is interessant genoeg om te delen.

Stap 1: Het framework

Ik ben begonnen met het klassieke framework van Bloom, inclusief een vertaling naar AI-toepassingen (zie screenshot 1 hieronder). Hierbij is rekening gehouden met hoe AI de verschillende denkniveaus kan ondersteunen en stimuleren.

Screenshot 1: een aangepaste taxonomie van Bloom

 

Stap 2: Detaillering per niveau

Voor elk niveau van Bloom heb ik vervolgens een gedetailleerde tabel ontwikkeld, uiteraard met hulp van AI. Deze bevat niet alleen de traditionele leerdoelen, maar integreert ook de zeven AI-rollen van AI zoals gedefinieerd door Ethan Mollick. Dit zorgt ervoor dat de AI niet alleen het juiste niveau begrijpt, maar ook de juiste rol kan aannemen in het leerproces. Een voorbeeld vind je hieronder in screenshot 2.

Screenshot 2: voorbeeld van vertaling van Bloom naar AI-rollen

 

Stap 3: De meta-prompt ontwikkeling

De echte magie zit in de prompt die ik vervolgens heb gebruikt om de meta-prompts te genereren. Hier is hij, in zijn volledigheid:

Doel: Creëer een prompt die een GPT-model instrueert om te opereren op een specifiek niveau van Bloom’s taxonomie, ongeacht de rol die het vervult.

Volg deze stappen om de prompt te genereren:

  1. Identificeer het niveau van Bloom’s taxonomie uit de gegeven tabel.
  2. Extraheer de kernvaardigheden en voorbeeldformuleringen die bij dit niveau horen.
  3. Formuleer een duidelijke instructie voor de GPT:

Genereer nu een prompt die:

  • Duidelijk het beoogde Bloom-niveau specificeert
  • De kernvaardigheden van dat niveau benadrukt
  • Voorbeeldformuleringen integreert
  • Rolflexibiliteit benadrukt
  • Ruimte biedt voor contextspecifieke aanpassing

Zorg ervoor dat de resulterende prompt de GPT instrueert om consistent op het gespecificeerde Bloom-niveau te opereren, ongeacht de context of rol waarin het wordt ingezet.

Wat er dan uitrolt, is per niveau een meta-prompt die je in een GPT kunt plaatsen (in dit geval een GPT die voor een specifiek vak mc-vragen maakt. De volledige meta-prompts kun je vinden op Bloom – AI voor Docenten. Hieronder een voorbeeld in screenshot 3.

Screenshot 3: een voorbeeld van een meta-prompt voor ‘onthouden’.

Ik hoop met dit voorbeeld docenten te inspireren ook aan de slag te gaan met meer onderwijsinhoudelijke GPT’s. Als je vragen hebt of opmerkingen, laat het me maar weten!

#AIinonderwijs #onderwijsinnovatie #Bloomstaxonomie #AItools #docentprofessionalisering

Scroll naar boven