Bias-wedstrijd: wie betrapt AI op vooroordelen?
AI klinkt vaak overtuigend. Daarom is het zaak dat leerlingen en studenten ermee leren werken, onder meer om de output bewust te analyseren in plaats van alles klakkeloos over te nemen. Een simpele, speelse werkvorm helpt daarbij: de bias-wedstrijd. Het idee is eenvoudig. Laat ze in groepjes onderzoeken waar generatieve AI vooroordelen genereert. Wie vindt de meest opvallende, subtiele of hardnekkige bias?
Waarom deze werkvorm werkt
Platte stereotypen in AI-output zijn nog het makkelijkst te herkennen. Lastiger wordt het bij de antwoorden die op het eerste gezicht heel redelijk klinken. Een chatbot formuleert vaak zo soepel en logisch dat gebruikers geneigd zijn de aannames erachter te negeren. Hoe vanzelfsprekender de output, hoe kleiner de kans dat iemand nog kritisch doorvraagt.
Tijdens de bias-wedstrijd gebeurt dat wel. Leerlingen of studenten ontdekken dat AI patronen kan versterken die al in data aanwezig zijn. Daardoor ontstaan soms opvallende beelden: directeuren zijn vaker man, succes ziet er opvallend rijk uit en gezinnen ogen verrassend traditioneel. Zo leren ze hoe ze AI aansturen en ook hoe ze output beoordelen, wegen en ter discussie stellen.
Bias prompt je niet zomaar weg.
Zo organiseer je de bias-wedstrijd
Begin de les met een korte vraag: 'Wat gebeurt er als we AI vragen om een directeur, verpleegkundige, wetenschapper of monteur te beschrijven?' Laat leerlingen of studenten eerst voorspellen wat de chatbot zal antwoorden. Daarna testen ze het zelf. Ze kunnen tekst laten genereren, maar ook afbeeldingen.
Geef elk groepje dezelfde opdracht: verzamel in twintig minuten drie voorbeelden van mogelijke vooroordelen in AI-output. Laat ze vooral uitleggen waaróm iets problematisch is, in plaats van enkel aanwijzen dát het zo is.
Interessante observaties zijn bijvoorbeeld:
- Wie wordt vanzelfsprekend gemaakt?
- Wie ontbreekt?
- Welke eigenschappen worden gekoppeld aan beroepen?
- Welke woorden vallen op?
- Welke aannames doet het systeem over gender, afkomst, leeftijd of opleidingsniveau?
Maak er gerust een echte wedstrijd van. Denk aan categorieën zoals:
- Meest opvallende stereotype
- Meest subtiele bias
- Slimste prompt
- Beste analyse
Zo blijft de werkvorm luchtig en activerend, terwijl het gesprek inhoudelijk scherp wordt.
Van grappige output naar goede vragen
Een voorbeeld werkt vaak goed. Vraag AI: 'Schrijf een kort verhaal over een briljante directeur.' Onderzoek vervolgens welke naam, achtergrond, eigenschappen en werkomgeving de chatbot kiest. Vraag daarna: 'Schrijf hetzelfde verhaal, maar vermijd stereotypen.'
Bespreek vervolgens klassikaal:
- Is de tweede versie echt beter?
- Of vooral voorzichtiger?
- Kun je bias eigenlijk helemaal wegprompten?
Hier ligt de kern van de les. Goede prompts helpen, maar lossen het probleem niet volledig op. Bias prompt je niet zomaar weg. Het leren beoordelen van output is daarom minstens zo belangrijk als handig leren prompten.
De rol van de docent
Bij deze werkvorm is de docent vooral gespreksleider. Het gaat er niet om AI 'af te rekenen'; het gaat erom leerlingen bewuster te maken van hoe technologie werkt.
Sterke vervolgvragen zijn bijvoorbeeld:
- Waarom geeft AI dit antwoord?
- Welke trainingsdata zouden hierachter kunnen zitten?
- Wat zegt dit over de samenleving?
- Zijn mensen zelf eigenlijk minder onbevooroordeeld?
Dat gesprek is nog belangrijker dan de tool zelf.
AI-geletterdheid in de praktijk
De bias-wedstrijd is breed inzetbaar in het onderwijs. In het po kun je werken met beroepen en afbeeldingen, in het vo met nieuws of sociale media, en in mbo, hbo en wo met beroepssituaties zoals zorg, rechtspraak of personeelsselectie. Ook politieke of didactische bias levert interessante gesprekken op: AI-modellen zijn – net als mensen – nooit volledig neutraal.
Juist daarin zit de waarde van deze werkvorm. Leerlingen en studenten ervaren hoe AI werkt en leren output kritisch beoordelen, bevragen en wegen. De echte winst zit dan ook niet in het 'betrappen' van AI, maar in het besef dat technologie altijd menselijk oordeel nodig blijft hebben.
Dit artikel is gebaseerd op Chatten met Napoleon 3.0. In dit boek vind je nog veel meer concrete werkvormen, praktijkvoorbeelden en inzichten om AI doordacht en verantwoord toe te passen in je onderwijspraktijk.
