In het huidige onderwijs staat feedback centraal om studenten te helpen groeien. Maar wat als we de manier waarop we feedback geven naar een hoger niveau tillen? Recentelijk heb ik de Feedback Companion aangepast met behulp van een lokaal draaiende AI met LLaMA 3.1 8B en de “Vraag beter feedback poster” van Renske de Kleijn. De Feedback Companion geeft niet alleen feedback en feedforward, maar helpt studenten ook door het stellen van de juiste vragen stimuleert om zelf tot inzichten te komen.

Hoe werkt het?

De vernieuwde Feedback Companion werkt nu als een tutor die studenten begeleidt door vragen te stellen die geïnspireerd zijn op de methode van Renske de Kleijn. Haar poster is ook toegevoegd aan dit blogbericht. In plaats van directe tips en verbeteringen te geven, worden studenten uitgedaagd om zelf na te denken over hun werk, hun keuzes te verantwoorden, en mogelijke verbeterpunten te ontdekken. Dit versterkt hun leerproces en helpt hen om actief verantwoordelijkheid te nemen voor hun eigen ontwikkeling.

Waarom is dit belangrijk?
Veel studenten nemen feedback passief op: ze verwerken de tips en voeren die uit, zonder echt te begrijpen waarom. Door vragen te stellen zoals “Wat denk je zelf dat de belangrijkste verbeterpunten zijn?” of “Hoe zou je zelf dit effect kunnen meten?”, stimuleert de Feedback Companion hen om diepgaander na te denken over hun eigen werk. Het helpt hen om verder te komen in hun leerproces zonder de antwoorden meteen voorgekauwd te krijgen.

Lokaal AI draaien: Controle over je eigen data

Een ander belangrijk aspect van deze ontwikkeling is dat de AI lokaal draait op een krachtige laptop, waardoor studenten en docenten volledige controle houden over hun eigen data. Dit is van groot belang in een tijd waarin privacy en databeheer cruciale onderwerpen zijn. Met de juiste hardware — zoals een laptop met een goede videokaart en voldoende videogeheugen — kunnen gebruikers zonder zorgen de Feedback Companion inzetten, zonder afhankelijk te zijn van externe servers of de cloud.

Een experiment: Hoe werkt het in de praktijk?

Ik heb een experiment uitgevoerd waarin ik als fictieve student een gesprek voerde met de Feedback Companion. Het resultaat? De AI stelde gerichte vragen die me hielpen om na te denken over mijn werk en beter te begrijpen hoe ik mijn aanpak kon verbeteren. In plaats van alleen feedback te geven, leidde de AI me door een proces van reflectie en probleemoplossing.

De volledige conversatie en een poster met de feedbackvragen van Renske de Kleijn heb ik als bijlage toegevoegd. Bekijk hoe de AI me hielp om dieper na te denken over mijn project en hoe de juiste vragen kunnen leiden tot betere leerresultaten.

Wat kun jij doen?

Ben je nieuwsgierig hoe je dit zelf kunt inzetten in jouw onderwijsomgeving? Het mooie van deze aanpak is dat je met een redelijk krachtige laptop en de juiste aanpassingen aan de Feedback Companion vergelijkbare resultaten kunt halen. Door lokaal AI te draaien, hou je de regie over jouw data en kun je dezelfde voordelen ervaren, zonder externe afhankelijkheden.

Hulp nodig? Ik help je graag verder! Of je nu meer wilt weten over hoe je AI lokaal kunt implementeren of hoe je de Feedback Companion kunt aanpassen voor jouw situatie, ik sta klaar om je online of in persoon te ondersteunen. Laat me weten hoe ik kan helpen bij het realiseren van deze krachtige leeromgeving!