Artificial Intelligence-toepassingen (AI) beïnvloeden het leven en werk van iedereen en vragen daarmee doelgerichte aanpassingen aan bachelorcurricula en het handelingsrepertoire van docenten. In Comenius Leadership project ‘AI4Students’ wordt in participatief actie-onderzoek een methodiek ontwikkeld waarmee teams in bacheloropleidingen aan hogescholen in kaart kunnen brengen welke veranderingen nodig zijn om studenten AI-ready te kunnen laten afstuderen. De methodiek zal bestaan uit een AI-scan en werkwijzen om het sociale, pedagogisch-didactische proces van het uitvoeren van de scan doelgericht vorm te geven; gericht op inclusie van verschillende perspectieven, gedeeld eigenaarschap van docenten van het curriculum en studentbetrokkenheid.Dit wordt gedaan door in drie iteraties bij negen opleidingen van de Hogeschool van Amsterdam co-creatiesessies met docenten en studenten te houden. De co-creatiesessies worden opgenomen en geanalyseerd aan de hand van uitgewerkte observaties waarbij het Communities of Practice-framework van Wenger (1999) en de notie van ‘social learning spaces’ van Wenger-Trayner en Wenger-Trayner (2020) dienen als theoretische lens.Nu de eerste iteratie en evaluatie zijn afgerond, kunnen we de aanpak en ons voortschrijdend inzicht delen, samen met wat dat betekent voor de tweede iteratie. Dit en preliminaire ideeën voor de discipline-overstijgende methodiek en de praktische toepassing ervan bespreken we graag met het publiek.Dit onderzoek is NRO-gefinancierd.
MULTIFILE
The past two years I have conducted an extensive literature and tool review to answer the question: “What should software engineers learn about building production-ready machine learning systems?”. During my research I noted that because the discipline of building production-ready machine learning systems is so new, it is not so easy to get the terminology straight. People write about it from different perspectives and backgrounds and have not yet found each other to join forces. At the same time the field is moving fast and far from mature. My focus on material that is ready to be used with our bachelor level students (applied software engineers, profession-oriented education), helped me to consolidate everything I have found into a body of knowledge for building production-ready machine learning (ML) systems. In this post I will first define the discipline and introduce the terminology for AI engineering and MLOps.
LINK
Artificial Intelligence (AI) beïnvloedt het leven en werk van iedereen en vraagt daarmee doelgerichte aanpassingen aan bachelorcurricula en het handelingsrepertoire van docenten. In Comenius Leadership-project ‘AI4Students’ wordt in participatief actie-onderzoek een methodiek ontwikkeld waarmee teams in bacheloropleidingen aan hogescholen in kaart brengen welke veranderingen nodig zijn om studenten ‘AI-ready’ op te leiden. Dit betreft AI-toepassingen die het werkveld van de opleiding veranderen, AI-vaardigheden die nodig zijn om met de toepassingen te werken en een verkenning van de gewenste toekomst met AI binnen dat werkveld. Vervolgens wordt onderzocht hoe en waar de resultaten een plek kunnen krijgen in het curriculum van de opleiding. Dit wordt uitgevoerd middels co-creatiesessies met docenten en studenten. Een onlinetool moet het sociale, pedagogisch-didactische proces binnen de cocreatiesessies doelgericht vormgeven en begeleiden; gericht op inclusie van verschillende perspectieven, gedeeld eigenaarschap van docenten van het curriculum en studentbetrokkenheid. De ontwikkeling van de methodiek gebeurt door middel van drie iteraties bij negen opleidingen van de Hogeschool van Amsterdam. We bevinden ons in de tweede iteratie, die voornamelijk in het teken staat van het ontwikkelen van de onlinetool. De tool binnen de discipline-overstijgende methodiek en de praktische toepassing ervan bespreken we graag met het publiek.
MULTIFILE
