Generatieve AI heeft ook in toenemende mate impact op onderzoek en wetenschappelijke communicatie. Generatieve AI blijkt ook steeds beter in staat om complexe data zoals kwalitatieve gegevens te verwerken en te analyseren. De opmars van AI in het wetenschappelijke domein is even inspirerend als ontnuchterend. De mogelijkheden lijken eindeloos, de valkuilen ook. Om deze uitdagingen aan te pakken, zien we vanuit ons lectoraat een belangrijke rol weggelegd voor onderwijs. Onderwijsinstellingen en onderzoeksorganisaties moeten studenten en onderzoekers trainen in het effectief en ethisch gebruik van AI-tools.
Een competent NT2-docent houdt ontwikkelingen in zijn/haar vakgebied bij: professionaliseren is een must. Wanneer onderwijsprofessionals kennisnemen van inzichten uit onderzoek over wat werkt (en wat niet), kunnen zij hun onderwijs ‘evidence-informed’ vormgeven en vernieuwen. Dat vereist natuurlijk wel dat docenten weten wat werkt en daarvoor is toegang tot wetenschappelijke kennis nodig. Internationaal onderzoek laat echter zien dat het professionals in de onderwijspraktijk vaak schort aan tijd en middelen om kennis te nemen van de nieuwste wetenschappelijke inzichten. Een gevolg daarvan zou kunnen zijn dat het onderwijs te weinig vernieuwt en/of dat vernieuwingen die wel plaatsvinden niet evidence-informed zijn. De onderwijsinspectie concludeerde recent dat het lerend vermogen van het onderwijs inderdaad relatief klein is in vergelijking met andere disciplines, en dat onderwijsvernieuwing te weinig systematisch plaatsvindt en onvoldoende duurzaam is (Inspectie van het onderwijs, 2019). Daar zijn ongetwijfeld vele redenen voor, maar één ervan is dat de afstand tussen onderwijs en onderzoek vrij groot is. Er vindt nog weinig kennisdeling plaats tussen wetenschap en de onderwijspraktijk in vergelijking met sommige andere disciplines.