Table of Contents
Week 1..................................................................................... 3
Artikel Handa..................................................................................3
Deel 1, Hoofdstuk 1: Wat is taaltechnologie?.....................................5
Taaltechnologie........................................................................................................... 5
Deel 1, Hoofdstuk 2: Waarom is taal zo moeilijk?...............................6
Essentiële bouwstenen taalkundigheid.......................................................................6
Pragmatiek en wereldkennis.......................................................................................8
Week 2................................................................................... 11
Artikel Daelemans..........................................................................11
Deel 1, Hoofdstuk 3: Hoe leert een computer taal?..........................13
Regelgebaseerd (expliciet)........................................................................................13
Datagebaseerd (impliciet)......................................................................................... 13
1. Data: belang van geschikte corpora......................................................................13
2. Taak: verschillende benaderingen voor machinelearning......................................14
3. Het leerproces....................................................................................................... 15
4. Evaluatieproces: Hoe presenteert het NLP-systeem?............................................18
3 voorbeelden van patronen die je kan tellen a.d.h.v. heel veel taalgebruik:............18
Deel 2, Hoofdstuk 3: Automatische tekstgeneratie..........................21
Van taalmodel naar tekstgenerator...........................................................................22
Taalmodellen straffen en belonen..............................................................................24
Beperkingen en uitdagingen.....................................................................................24
Week 3................................................................................... 25
Artikel Braggaar............................................................................25
Artikel Hooijdonk...........................................................................29
Artikel Liebrecht............................................................................33
Deel 2, Hoofdstuk 2: Chatbots........................................................36
Deel 2, Hoofdstuk 1.......................................................................39
Week 4................................................................................... 41
Deel 2 Hoofdstuk 5 Sentiment- en emotieanalyse............................41
Artikel Ayre et al............................................................................46
Artikel Calvo-Ferrer........................................................................48
Week 5................................................................................... 53
Hoofdstuk 3.1 – Deugdzaam databeheer.........................................53
Hoofdstuk 3.2 – privacybewaking en maatschappelijk welzijn...........54
Hoofdstuk 3.3 – rechtvaardigheid en transparantie..........................56
Hoofdstuk 3.4 – respect voor de bescherming van natuur en milieu. .58
Artikel Gillespie.............................................................................59
Artikel Frissen, Adebayo & Nanda...................................................63
Week 6................................................................................... 68
Hoofdstuk 2.4: Zoeksystemen.........................................................68
Page 1 of 83
,Hoofdstuk 2.7: Zelf aan de slag......................................................69
Artikel Sundar...............................................................................71
Artikel Ranade, Saravia & Johri.......................................................75
Page 2 of 83
,Week 1
Artikel Handa
Kern onderzoek: nieuwe inzichten hoe studenten AI op natuurlijke wijze
integreren in hun academische werk, verdergaand dan enquêtes en
gecontroleerde experimenten
Opzet: grootschalige studies uitgevoerd naar AI-gebruikspatronen in de
praktijk in het hoger onderwijs, waarbij we een miljoen geanonimiseerde
studentengesprekken op Claude.ai hebben geanalyseerd
Resultaten: benadrukt de dominantie van AI-adoptie onder STEM-
studenten, met name in de informatica, identificeert 4 verschillende
patronen van student-AI-interactie en laat zien dat studenten AI
voornamelijk gebruiken voor cognitieve taken van hogere orde, zoals
creëren en analyseren
Bevindingen
o STEM-studenten, voornamelijk informatica, zijn early adopters van
AI-tools zoals Claude
o Studenten bedrijfskunde, gezondheidszorg en
geesteswetenschappen vertonen een lagere adoptiegraad in
verhouding tot hun inschrijvingsaantallen
o 4 patronen waarmee leerlingen met AI omgaan: 1) Directe
probleemoplossing, 2) Directe outputcreatie, 3) Samenwerkende
probleemoplossing en 4) Samenwerkende outputcreatie
o Leerlingen gebruiken AI-systemen voornamelijk voor creëren
(informatie gebruiken om iets nieuws te leren) en analyseren
(bekende verbanden ontrafelen en identificeren), zoals het maken
van codeerprojecten of het analyseren van juridische concepten
Bevindingen roepen kritische vragen op over leerresultaten,
beoordelingsmethoden, academische integriteit en de potentie van AI om
de ontwikkeling van essentiële cognitieve vaardigheden zowel te
versterken als te ondermijnen
Conclusie: benadrukken de snelle adoptie van AI, met name onder STEM-
studenten, en laten zien hoe studenten deze tools inzetten voor diverse
academische taken waarbij vaak cognitieve functies van hogere orde
betrokken zijn.
Discussie: leerlingen mogelijk ‘kritieke cognitieve taken aan AI-systemen
zouden kunnen overdragen’ en de mogelijke impact op de ontwikkeling
van fundamentele vaardigheden.
Waar gebruiken studenten AI voor?
Verbeteren en creëren educatieve
content (ongeacht vakgebied)
o Ontwerpen van oefenvragen,
redigeren van essays of
samenvatten van academisch
materiaal
Technische uitleg of oplossingen geven
voor academische opdrachten
o Fouten in codeeropdrachten te
debuggen en te herstellen,
programmeeralgoritmen en datastructuren te implementeren, en
wiskundige problemen uit te leggen of op te lossen
Analyseren en visualiseren van data
Page 3 of 83
, Ondersteunen van
onderzoeksontwerp en
toolontwikkeling
As 1, interactiewijze: 1) Directe gesprekken,
Directe probleemoplossing: gebruiker wil vraag z.s.m. beantwoorden, en (2)
snelle oplossingen of verklaringen Collaboratieve gesprekken, waarbij gebruiker
zoeken. actief een dialoog aangaat met het model om
Directe outputcreatie: langere outputzijngenereren met minimale
of haar doelen betrokkenheid.
te bereiken.
Collaboratieve probleemoplossing: in dialoog gaan met de AI om
oplossingen te vinden. As 2, gewenste uitkomst: (1) Probleemoplossing,
Collaboratieve outputcreatie: actief waarbij
samen output creëren
gebruiker door middel
oplossingen van voor
of uitleg
gesprekken. vragen zoekt, en (2) Outputcreatie, waarbij
gebruiker langere outputs zoals presentaties of
Uitkomst: essays wil produceren.
Veel directe interacties: zoeken naar antwoorden of inhoud met minimale
betrokkenheid
Traditioneel zoeken op internet: alleen directe antwoorden ondersteunt
AI-systemen: veel bredere verscheidenheid aan interacties en nieuwe
educatieve mogelijkheden
Subject-specific AI usage patterns
Natuurwetenschappen & Wiskunde: gericht op stapsgewijze
probleemoplossing
Computer Science, Engineering, en Natural Sciences & Mathematics :
voorkeur voor Collaboratieve gesprekken
Geesteswetenschappen, Bedrijfskunde, en Gezondheid : gelijkmatige
verdeling tussen collaboratieve en directe gesprekken
Onderwijs: sterke voorkeur aan outputcreatie, docenten gebruiken Claude
ook voor onderwijsondersteuning
Cognitieve taken die studenten delegeren aan AI Blooms Taxonomy
- Taxanomy als hiërarchisch raamwerk dat in het onderwijs wordt gebruikt
om cognitieve processen te classificeren van eenvoudiger naar complexer
- Gebruikt voor analyseren Claude’s reacties tijdens gesprek met leerling
Uitkomst:
- Cognitieve functies van hogere orde kwamen het meest voor
o Creëren: informatie gebruikt om iets nieuws te leren, (maken van
programmeerprojecten of het genereren van samenvattingen)
o Analyseren: bekende informatie wordt geanalyseerd en relaties
worden geïdentificeerd (analyseren van juridische concepten of
oplossen van calculusproblemen)
- Cognitieve taken van lagere orde kwamen minder vaak voor
o Toepassen
Page 4 of 83
Week 1..................................................................................... 3
Artikel Handa..................................................................................3
Deel 1, Hoofdstuk 1: Wat is taaltechnologie?.....................................5
Taaltechnologie........................................................................................................... 5
Deel 1, Hoofdstuk 2: Waarom is taal zo moeilijk?...............................6
Essentiële bouwstenen taalkundigheid.......................................................................6
Pragmatiek en wereldkennis.......................................................................................8
Week 2................................................................................... 11
Artikel Daelemans..........................................................................11
Deel 1, Hoofdstuk 3: Hoe leert een computer taal?..........................13
Regelgebaseerd (expliciet)........................................................................................13
Datagebaseerd (impliciet)......................................................................................... 13
1. Data: belang van geschikte corpora......................................................................13
2. Taak: verschillende benaderingen voor machinelearning......................................14
3. Het leerproces....................................................................................................... 15
4. Evaluatieproces: Hoe presenteert het NLP-systeem?............................................18
3 voorbeelden van patronen die je kan tellen a.d.h.v. heel veel taalgebruik:............18
Deel 2, Hoofdstuk 3: Automatische tekstgeneratie..........................21
Van taalmodel naar tekstgenerator...........................................................................22
Taalmodellen straffen en belonen..............................................................................24
Beperkingen en uitdagingen.....................................................................................24
Week 3................................................................................... 25
Artikel Braggaar............................................................................25
Artikel Hooijdonk...........................................................................29
Artikel Liebrecht............................................................................33
Deel 2, Hoofdstuk 2: Chatbots........................................................36
Deel 2, Hoofdstuk 1.......................................................................39
Week 4................................................................................... 41
Deel 2 Hoofdstuk 5 Sentiment- en emotieanalyse............................41
Artikel Ayre et al............................................................................46
Artikel Calvo-Ferrer........................................................................48
Week 5................................................................................... 53
Hoofdstuk 3.1 – Deugdzaam databeheer.........................................53
Hoofdstuk 3.2 – privacybewaking en maatschappelijk welzijn...........54
Hoofdstuk 3.3 – rechtvaardigheid en transparantie..........................56
Hoofdstuk 3.4 – respect voor de bescherming van natuur en milieu. .58
Artikel Gillespie.............................................................................59
Artikel Frissen, Adebayo & Nanda...................................................63
Week 6................................................................................... 68
Hoofdstuk 2.4: Zoeksystemen.........................................................68
Page 1 of 83
,Hoofdstuk 2.7: Zelf aan de slag......................................................69
Artikel Sundar...............................................................................71
Artikel Ranade, Saravia & Johri.......................................................75
Page 2 of 83
,Week 1
Artikel Handa
Kern onderzoek: nieuwe inzichten hoe studenten AI op natuurlijke wijze
integreren in hun academische werk, verdergaand dan enquêtes en
gecontroleerde experimenten
Opzet: grootschalige studies uitgevoerd naar AI-gebruikspatronen in de
praktijk in het hoger onderwijs, waarbij we een miljoen geanonimiseerde
studentengesprekken op Claude.ai hebben geanalyseerd
Resultaten: benadrukt de dominantie van AI-adoptie onder STEM-
studenten, met name in de informatica, identificeert 4 verschillende
patronen van student-AI-interactie en laat zien dat studenten AI
voornamelijk gebruiken voor cognitieve taken van hogere orde, zoals
creëren en analyseren
Bevindingen
o STEM-studenten, voornamelijk informatica, zijn early adopters van
AI-tools zoals Claude
o Studenten bedrijfskunde, gezondheidszorg en
geesteswetenschappen vertonen een lagere adoptiegraad in
verhouding tot hun inschrijvingsaantallen
o 4 patronen waarmee leerlingen met AI omgaan: 1) Directe
probleemoplossing, 2) Directe outputcreatie, 3) Samenwerkende
probleemoplossing en 4) Samenwerkende outputcreatie
o Leerlingen gebruiken AI-systemen voornamelijk voor creëren
(informatie gebruiken om iets nieuws te leren) en analyseren
(bekende verbanden ontrafelen en identificeren), zoals het maken
van codeerprojecten of het analyseren van juridische concepten
Bevindingen roepen kritische vragen op over leerresultaten,
beoordelingsmethoden, academische integriteit en de potentie van AI om
de ontwikkeling van essentiële cognitieve vaardigheden zowel te
versterken als te ondermijnen
Conclusie: benadrukken de snelle adoptie van AI, met name onder STEM-
studenten, en laten zien hoe studenten deze tools inzetten voor diverse
academische taken waarbij vaak cognitieve functies van hogere orde
betrokken zijn.
Discussie: leerlingen mogelijk ‘kritieke cognitieve taken aan AI-systemen
zouden kunnen overdragen’ en de mogelijke impact op de ontwikkeling
van fundamentele vaardigheden.
Waar gebruiken studenten AI voor?
Verbeteren en creëren educatieve
content (ongeacht vakgebied)
o Ontwerpen van oefenvragen,
redigeren van essays of
samenvatten van academisch
materiaal
Technische uitleg of oplossingen geven
voor academische opdrachten
o Fouten in codeeropdrachten te
debuggen en te herstellen,
programmeeralgoritmen en datastructuren te implementeren, en
wiskundige problemen uit te leggen of op te lossen
Analyseren en visualiseren van data
Page 3 of 83
, Ondersteunen van
onderzoeksontwerp en
toolontwikkeling
As 1, interactiewijze: 1) Directe gesprekken,
Directe probleemoplossing: gebruiker wil vraag z.s.m. beantwoorden, en (2)
snelle oplossingen of verklaringen Collaboratieve gesprekken, waarbij gebruiker
zoeken. actief een dialoog aangaat met het model om
Directe outputcreatie: langere outputzijngenereren met minimale
of haar doelen betrokkenheid.
te bereiken.
Collaboratieve probleemoplossing: in dialoog gaan met de AI om
oplossingen te vinden. As 2, gewenste uitkomst: (1) Probleemoplossing,
Collaboratieve outputcreatie: actief waarbij
samen output creëren
gebruiker door middel
oplossingen van voor
of uitleg
gesprekken. vragen zoekt, en (2) Outputcreatie, waarbij
gebruiker langere outputs zoals presentaties of
Uitkomst: essays wil produceren.
Veel directe interacties: zoeken naar antwoorden of inhoud met minimale
betrokkenheid
Traditioneel zoeken op internet: alleen directe antwoorden ondersteunt
AI-systemen: veel bredere verscheidenheid aan interacties en nieuwe
educatieve mogelijkheden
Subject-specific AI usage patterns
Natuurwetenschappen & Wiskunde: gericht op stapsgewijze
probleemoplossing
Computer Science, Engineering, en Natural Sciences & Mathematics :
voorkeur voor Collaboratieve gesprekken
Geesteswetenschappen, Bedrijfskunde, en Gezondheid : gelijkmatige
verdeling tussen collaboratieve en directe gesprekken
Onderwijs: sterke voorkeur aan outputcreatie, docenten gebruiken Claude
ook voor onderwijsondersteuning
Cognitieve taken die studenten delegeren aan AI Blooms Taxonomy
- Taxanomy als hiërarchisch raamwerk dat in het onderwijs wordt gebruikt
om cognitieve processen te classificeren van eenvoudiger naar complexer
- Gebruikt voor analyseren Claude’s reacties tijdens gesprek met leerling
Uitkomst:
- Cognitieve functies van hogere orde kwamen het meest voor
o Creëren: informatie gebruikt om iets nieuws te leren, (maken van
programmeerprojecten of het genereren van samenvattingen)
o Analyseren: bekende informatie wordt geanalyseerd en relaties
worden geïdentificeerd (analyseren van juridische concepten of
oplossen van calculusproblemen)
- Cognitieve taken van lagere orde kwamen minder vaak voor
o Toepassen
Page 4 of 83
