AI creëert lesmateriaal: drie systemen voor werkdrukverlaging 

AI als hulp bij werkdruk 

Binnen de audio/visuele wereld volgen de technologische ontwikkelingen elkaar razendsnel op. Nieuw leermateriaal maken is daardoor niet alleen complex maar ook tijdrovend, terwijl de werkdruk van docenten al hoog is. AI kan hier een belangrijke rol in spelen, dachten Serge en onderwijskundige Marjan van het GLU. 

“Een AI-tool kan zichzelf deels voeden met nieuwe informatie, en daarnaast kun je er eigen documenten of bronnen aan toevoegen,” legt Serge uit. Zo ontstaat leermateriaal dat altijd up-to-date is en direct in de klas kan worden ingezet.  

Drie systemen, één doel 

Op het GLU wordt gebruik gemaakt van drie verschillende AI-systemen: GPT’s, lokale Python-oplossingen en workflow-automatisering met n8n. Elk systeem heeft zijn eigen kracht en toepassing.

1. GPT’s: snel en gebruiksvriendelijk 

De meest eenvoudige variant is het werken met GPT’s, afgeleiden van ChatGPT. Door domeinkennis toe te voegen en goed na te denken over de context (zogeheten context engineering), worden deze GPT’s steeds slimmer. Met een duidelijke prompt geef je precies aan welk type leermateriaal je wilt. Door middel van een goed geformuleerde prompt kan je duidelijk maken wat voor leermiddelen je wil hebben. “Het leren werken met een GPT kost weinig tijd”, vertelt Serge. In één middag kan een docent al zelf lesmateriaal genereren.  

Een groot voordeel is dat GPT’s makkelijk te gebruiken zijn én inzetbaar zijn voor docentprofessionalisering. Zo kan een biologiedocent bijvoorbeeld eigen kennis over het vak toevoegen aan de GPT, waarna collega-docenten met die informatie nieuwe lesmateriaal ontwikkelen.

2. Lokale oplossingen: controle en privacy 

Voor de meer technische gebruikers is er een lokale aanpak. Met tools als Ollama of LM Studio draait het AI-model op een eigen laptop. Via Python en bibliotheken als LamaIndex kan de tool in lokale PDF’s en mappen zoeken en zelfstandig leermateriaal genereren. Een praktische bonus is dat de serve ’s nachts kan blijven draaien, zodat docenten de volgende ochtend nieuwe werkbladen en uitbreidingen klaar hebben liggen. Deze aanpak biedt maximale controle en minder privacy risico’s. Het vraagt wel meer technische kennis en veel tijd om op te schalen naar andere scholen.  

3. Workflow automatisering: lesmateriaal op bestelling

De derde benadering is workflow-gebaseerd. Met no-code tools zoals n8n of Make bouwt Serge geautomatiseerde ketens: een trigger (zoals een formulier of tijdschema) start een verwerkingsproces waarbij een AI-model kennis toevoegt of lesmateriaal genereert.  

“Zo kan een school besluiten: we genereren ’s nachts lesmateriaal,” legt Serge uit, “zodat het de volgende ochtend kant-en-klaar in de mailbox van de docenten ligt.” 

Hierachter zit een no-code-oplossing. Door blokjes te verschuiven achter de code bepaal je zelf wat er gebeurt, bijvoorbeeld dat gegenereerd lesmateriaal direct op Wikiwijs wordt opgeslagen.   

Er is echter één nadeel; no-code tools kunnen veranderen of verdwijnen door ontwikkelingen op de markt, waardoor een workflow plots niet meer werkt. Daarom maakt Serge altijd back-ups van zijn code, die hij met hulp van AI eenvoudig kan omzetten naar een andere codetaal.   

Van experiment tot borging 

Tot nu toe bouwt Serge de programma’s zelf, maar borging staat zeker op de agenda. Want wie neemt het over als hij er niet is? Docenten zijn enthousiast en zetten AI al tijdens de lessen in. Toch zijn er ook kritische geluiden. Niet als het gaat om het generen van leermateriaal, maar wel over gebruik binnen creatieve vakken. AI raakt het creatieve proces. “Mensen die grafische ontwerpen of video’s maken zijn niet altijd even blij met deze ontwikkelingen”, zegt Serge. “Maar de ziel van een project stop je er als maker zelf in. Dat is niet afhankelijk van tools.” 

AI in actie op het filmfestival 

Tijdens een AI-filmfestival experimenteerde het GLU een hele dag lang door AI gegenereerd materiaal. Dat werkte verrassend goed. Alleen kleine aanpassingen in formuleringen bleken nodig. Serge noemt dit principe “expert in the loop”: niet een mens die alles controleert, maar een expert die richting geeft en de kwaliteit borgt.  

De volgende stap 

Het genereren van werkbladen is nog maar het begin. In een volgend project van GLU werkt Serge aan een virtual production studio in VR, waarin studenten rondlopen en vragen stellen aan AI-getrainde avatars. Inmiddels bestaat er al één “docent-avatar” die getraind is met de drie eerdergenoemde AI vormen.  

De toekomst is dus veelbelovend, maar hoe kunnen docenten nu al beginnen met AI? Serge heeft een helder advies: “Begin klein. Maak een paar eenvoudige prompts, speelt met GPT’s en ervaar wat het oplevert. Het hoeft niet altijd groot te zijn, soms zit de kracht juist in kleine, praktische stappen.” 

Kortom: op het Grafisch Lyceum Utrecht laat AI zien dat technologie niet alleen werkdruk kan verlagen, maar ook ruimte kan creëren voor waar het echt om draait: inspirerend onderwijs. 

---