🟦 1. Belangrijke Begrippen & Definities
Kunstmatige Intelligentie – Systemen die taken uitvoeren die normaal menselijke intelligentie
vereisen, zoals leren, redeneren en beslissen.
User Model – De interne representatie van de gebruiker binnen een AI-systeem, waarmee de AI zich
kan aanpassen aan voorkeuren, gedrag of cognitieve capaciteiten.
Cognitieve Ergonomie – Onderzoekt hoe mensen informatie verwerken in interactie met technologie;
kan de gebruiker omgaan met wat AI aanbiedt?
Sociale Ergonomie – Bestudeert of mensen willen omgaan met AI; draait om vertrouwen, acceptatie
en attitude.
Machine Behaviour – De wetenschappelijke studie van het gedrag van intelligente machines: hoe ze
zich gedragen, leren en evolueren in sociale contexten.
Explainable AI (X-AI) – AI-systemen die hun besluitvormingsproces kunnen uitleggen aan gebruikers,
waardoor transparantie en vertrouwen toenemen.
Vertrouwen in AI – De bereidheid van mensen om zich afhankelijk op te stellen van AI, gebaseerd op
de verwachting dat AI in hun voordeel zal handelen.
Algorithm Aversion / Appreciation – De neiging om AI minder te vertrouwen dan mensen (aversion)
of juist te veel te vertrouwen (appreciation).
Cognitieve Modellen – Computationale modellen die menselijke denkprocessen simuleren, zoals
geheugen, aandacht en besluitvorming.
Formele vs. Descriptieve Modellen – Descriptieve modellen beschrijven gedrag op basis van
observatie; formele modellen simuleren de onderliggende cognitieve mechanismen (zoals ACT-R).
Theory of Mind – Het vermogen van mens of AI om intenties en mentale toestanden van anderen te
begrijpen.
Dual Route Model of Cognition – Theorie van Kahneman (2011) over snel (intuïtief) en traag
(rationeel) denken.
Volkspsychologie – Impliciete theorieën van mensen over hoe anderen denken en voelen.
Trust Optimization – Het optimaliseren van vertrouwen in AI: genoeg om gebruik te stimuleren, niet
zoveel dat blind vertrouwen ontstaat.
🟩 2. Theorieën / Modellen
, Drie niveaus van cognitie in AI (Liefooghe & Van Maanen, 2023)
AI kan menselijke cognitie representeren op drie niveaus:
1. Anecdotal level – oppervlakkige kennis (“mensen vergeten snel”), zonder echte cognitieve
simulatie.
2. Computational level – modellering van prestaties, bijvoorbeeld geheugenscores via Item
Response Theory.
3. Algorithmic level – simulatie van cognitieve processen zelf, zoals in het ACT-R model.
Hoe dieper de integratie, hoe beter de AI begrijpt waarom iemand iets doet in plaats van alleen wat
iemand doet. Dit verhoogt effectiviteit, uitlegbaarheid en transparantie.
Machine Behaviour (Rahwan et al., 2019)