Wanneer mensen “AI in onderwijs” horen, stellen ze zich vaak óf een wondermiddel voor alle leerproblemen voor, óf een dystopische lerarenbot die studenten overspoelt met muren van onjuiste tekst. Na het bouwen van AI-tools voor anatomieonderwijs bij Enatom heb ik geleerd dat geen van beide nodig is, en dat het mogelijk is om AI-tools te bouwen die studenten en docenten echt helpen.
Het werkelijke probleem dat wordt opgelost
Anatomieonderwijs heeft een probleem met cognitieve belasting. Er is een enorme hoeveelheid detail te leren, veel daarvan ruimtelijk en relationeel. Studenten raken overweldigd bij het navigeren door leerboeken, 3D-atlassen, klinische bronnen en studiemateriaal.
Één ding is zeker: je leert de plexus brachialis niet door erover te lezen. Je leert het door het vanuit verschillende hoeken te bekijken, zenuwbanen door de 3D-ruimte te traceren en een ruimtelijk mentaal model op te bouwen. Daarom moeten AI-tools, als ze enige kans willen maken echt nuttig te zijn in anatomieonderwijs, uit het puur tekstgebaseerde chatbotformat breken en daadwerkelijk interacteren met de 3D-inhoud die studenten nodig hebben.
Wat helpt is niet meer inhoud of betere uitleg. Het zijn intelligente systemen die de wrijving verminderen bij het vinden van wat je nodig hebt. Als je de carpale tunnel bestudeert en wilt zien hoe de nervus medianus erdoorheen loopt, zou je niet door menu’s hoeven te graven of meerdere bronnen te doorzoeken. Het systeem zou moeten begrijpen wat je vraagt en je er direct naartoe brengen.
AI die met je inhoud interacteert
De interessante ontwikkeling om in de gaten te houden in dit snel bewegende landschap is niet betere taalmodellen, maar AI-systemen die daadwerkelijk met je inhoud kunnen interacteren. Bij Enatom hebben we een agent gebouwd die meerdere retrievalsystemen en tools aanstuurt. Het kan specifieke 3D-modellen oproepen, door de anatomieviewer navigeren, structuren markeren en aangepaste lessen samenstellen uit bestaande, geverifieerde inhoud.
Wanneer een student in de war is over de rotatorenmanchet, genereert het systeem niet alleen een uitleg, maar kan het de relevante 3D-schouderanatomie oproepen, elke spier markeren, de student helpen navigeren tussen gerelateerde structuren, en zelfs helpen een gerichte les of quiz over die spieren te maken. Zo komen manipuleren, memoriseren en testen samen in één leerervaring.
Het taalmodel is slechts de interfacelaag. Het echte werk gebeurt via tool-aanroepen die de 3D-inhoud en het leermateriaal manipuleren. De agent moet het geheugen van gesprekken bijhouden, beslissen welke tools wanneer te gebruiken, en coördineren tussen verschillende databronnen.
Zoeken door 3D-anatomie
Dit werkend krijgen vereist het doorzoeken van inhoud die veel complexer is dan wat een schematische tekening van het menselijk lichaam ons wil doen geloven. Wanneer een student vraagt “waar loopt de nervus medianus door de onderarm,” moet het systeem uitzoeken naar welke structuur de student verwijst, die vinden in een 3D-puntenwolkmodel van echte menselijke anatomie, en het aan hen laten zien.
De uitdaging is het koppelen van wat studenten zeggen aan ruimtelijke kenmerken van echte menselijke lichamen in 3D-data. Anatomische structuren variëren niet alleen sterk tussen individuen, maar studenten en docenten kunnen naar dezelfde structuur op zoveel manieren verwijzen: de Terminologia Anatomica (leve internationale standaarden), maar ook de terminologie die hun docent prefereert, hun leerboek suggereert, hun labpartner verkeerd onthoudt, of waar hun brein in paniek op uitkomt. Zin geven aan de relatie tussen rommelige tekstdata en nog rommeliger 3D-data is precies waar AI-systemen in kunnen uitblinken.
Een cruciaal onderdeel hiervan is dat we geen 3D-inhoud genereren of locaties hallucineren. We doen retrieval over echte anatomische data. De AI verzorgt het zoeken en identificeren, maar de onderliggende anatomie is geverifieerd en consistent.
Houd het eenvoudig
Agents zijn niet altijd de beste oplossing. Ze zijn duurder om te draaien en minder betrouwbaar dan eenvoudigere benaderingen. Als je precies weet welke stappen er moeten plaatsvinden en in welke volgorde, is het waarschijnlijk beter om dat proces expliciet te bouwen in plaats van een AI het elke keer te laten uitzoeken.
We gebruiken agents wanneer studenten en docenten open vragen stellen of hulp nodig hebben bij het navigeren door complex materiaal waarbij we niet alle paden kunnen voorspellen. Maar voor dingen zoals het genereren van een quiz over een specifiek onderwerp of het laden van een bepaald 3D-model, bouwen we dat gewoon als directe functies.
Mensen in de loop
Agents maken fouten. Ze kunnen de verkeerde structuur oproepen, verkeerd begrijpen wat een student vraagt, of een les maken die niet goed loopt. Daarom is het belangrijk om mensen in de loop te houden.
Voor gebruikersgerichte functies betekent dit dat de AI suggereert en helpt, maar studenten en docenten de controle behouden. Als het systeem de verkeerde spier markeert, kunnen ze het corrigeren. Als een gegenereerde quiz geen zin heeft, kunnen ze die aanpassen of om een andere vragen.
Voor interne processen en inhoudsbeslissingen blijven mensen centraal staan. AI kan helpen bij het organiseren van bestanden, verwerken van 3D-modellen en beheren van data. Maar beslissingen over welke inhoud op te nemen, welke anatomische regio’s samen te onderwijzen, welke volgorde logisch is voor verschillende leerpaden, waarom studenten moeite hebben met specifieke concepten — dat vereist menselijk oordeel en begrip van onderwijs.
Het model dat voor ons werkt: AI verzorgt de uitvoering en retrieval, mensen verzorgen de curatie en het ontwerp. Wanneer we een nieuwe les ontwerpen, bepaalt iemand met onderwijservaring de structuur en opbouw. Dan kan AI helpen de materialen samen te stellen, relevante 3D-inhoud te vinden, op volledigheid te controleren, en uiteindelijk studenten helpen erdoorheen te navigeren. Maar het onderliggende pedagogische denken blijft menselijk.
Het punt van het geheel
Uiteindelijk is het doel niet het slimste, glanzendste AI-systeem te bouwen en dat als een truc ten toon te stellen. Het is tools bouwen die het onderwijzen en leren van anatomie minder overweldigend en effectiever maken. Soms betekent dat geavanceerde agents die complexe 3D-inhoud kunnen navigeren. Soms betekent het gewoon een goede zoekfunctie. De technologie doet er minder toe dan of het studenten echt helpt te begrijpen wat ze zien.
