Interview Statistiek leren met GenAI
Generatieve AI: een nice to have of must have in de statistiekles? De meningen zijn nog steeds verdeeld over het gebruik van GenAI. Feit is dat studenten er grif gebruik van maken. Samen met Nel Verhoeven exploreerden we het nut van GenAI bij statistische analyses en waar je op moet letten. Op toegankelijke wijze, net als haar nieuwe uitgave Statistiek in stappen 5e editie, waarin zij het gebruik van GenAI stapsgewijs integreert. Een artikel voor degene die zich nog niet helemaal het gebruik van GenAI in de statistiekles heeft eigen gemaakt.
Studenten willen vaak zo snel mogelijk resultaat, zonder zelf al te veel moeite te hoeven doen. AI is bijgevolg bij uitstek de ideale tool: het laat je sneller rekenen, kiezen en visualiseren. Maar let wel! Studenten zijn snel geneigd om wat er uit een AI-tool rolt voor waarheid aan te nemen. Mede omdat het taalgebruik van zo'n tool informeel is en praat in termen van jij en ik: ‘wij gaan dat samen doen’ en ‘ja, je hebt helemaal gelijk’.
“AI versnelt, maar jij bepaalt.
De basiskennis van de statistische formules en – procedures blijft daarom het fundament. Het is de gebruiker die de opzet, de toetskeuze én de interpretatie bepaalt. ‘Er komt de nodige voorkennis bij kijken, voordat je überhaupt met een AI-tool aan de slag kunt.’ Deze basiskennis vind je nog altijd op hele toegankelijke wijze in Statistiek in stappen.
De juiste vragen stellen nu nóg belangrijker
GenAI helpt, maar het gebruik vraagt extra behendigheid; vaardigheden die al vereist waren bij praktijkonderzoek die studenten nu met de komst van GenAI nóg beter moeten ontwikkelen, zoals: het leren van de juiste vragen stellen, een goed stappenplan maken en de juiste keuzes maken. ‘AI helpt ze daar niet alleen mee, het dwingt ze daartoe’, zo zegt Nel. ‘Laat studenten in ieder geval leren om goede stappenplannen te maken en goede vragen te stellen, dan komt het leren hoe een formule in elkaar steekt er waarschijnlijk vanzelf achteraan. Het is een andere mindset. ’In Statistiek in stappen vind je opdrachten, met AI-tools die deze vaardigheden vergroten. Zo kun je als docent studenten stimuleren de juiste prompts te maken. Deze opdrachten worden qua moeilijkheidsgraad langzaam opgebouwd.
Een goede prompt is een goede vraag of opdracht, of misschien beter: aan het maken van goede prompts gaat het maken van goede onderzoeksvragen vooraf. Dit blijft de essentie van praktijkonderzoek. Vandaar dat in de basiskennis Statistiek in stappen je nog altijd leert wat voor vragen je überhaupt moet stellen om tot data te komen. Nel Verhoeven gebruikt hier veelvuldig de 6W-formule voor. Een instrument voor het formuleren van de aanleiding, doelstelling en daarbij het maken van de hoofdvraag, deelvragen en analyse vragen. Het antwoord op de 6 vragen zorgt er ook voor dat je een goede prompt kunt formuleren.
De zes hulpvragen zijn:
1. Wat wil je weten?
2. Wie (Op wie/welke groep heeft je vraag betrekking?)
3. Wanneer (Wat is de periode waarover je de vraag stelt?)
4. Waar speelt de vraag zich af?
5. Waarom is de vraag belangrijk?
6. Waartoe leidt het antwoord? (Wat is het doel?)
Zo kun je bijvoorbeeld slechts een heel algemene vraag stellen, dan krijg je een enorme berg informatie waar je niet zoveel mee kunt. Door je vraag af te bakenen, de belangrijke factoren te noemen en het doel (‘teneinde’) te benoemen, wordt het antwoord automatisch specifieker. Dezelfde principes gelden in het gebruik van GenAI. Zie ook het artikel De juiste vraag stellen >
Een goede vraag, een goede prompt
‘Een goede prompt heeft een heel hoog informatiegehalte en kaders waarin je zegt wat er wel, maar vooral ook wat er niet in het antwoord moet komen’, aldus Nel.
SMART prompt-template
Je bent [rol]. Gebruik [bron/bestand/schema] om [concrete taak].
Volg deze stappen: [stap 1, 2, 3].
Output: [formaat: tabel/JSON/markdown] met [meetbare eisen].
Beperkingen: [max woorden, stijl, privacy, wat niet doen].
Tijd: baseer je op [periode/timestamp].
Sluit af met [validering/controlelijst].
Is kritisch denken nu in het geding?
Er zijn ongetwijfeld studenten die zeggen ‘ik ga zelf het antwoord niet bedenken, maar ik doe het direct in de AI-tool’. En dan zeggen ze ‘de tool en ik hadden exact hetzelfde antwoord’. Maar zo werkt het natuurlijk niet.
Meestal kies je voor een analysetool (SPSS of Excel). Generatieve AI kan daarbij dienen als steun—vooral bij het interpreteren van de output—maar vervangt het denkwerk niet. ‘Laat studenten stapsgewijs beargumenteren waarom zij denken dat het antwoord vergelijkbaar is en dan heb je vrij snel in de gaten of ze dat zelf hebben bedacht of niet.’ ‘Zo gebruik ik de AI-tool Julius niet sec om analyses te doen, maar om studenten beter te leren interpreteren. Ze draaien eerst zelf een analyse in SPSS. Vervolgens: (A) formuleren ze in eigen woorden de interpretatie van de uitkomst; (B) plakken ze een screenshot van de relevante tabel in de ai-tool Julius en laten die tool een interpretatie geven; (C) vergelijken ze beide interpretaties. Zo leren ze kritisch denken over resultaten- in plaats van blind te vertrouwen op een tool. Ook leren ze om te zien wat echt goede informatie is en wat je eigenlijk weer weg kunt gooien.’
Studenten leren het meest door hun eigen interpretatie te formuleren en die vervolgens kritisch te vergelijken met wat een AI-tool teruggeeft.
Dubbelcheck / betrouwbaar
Is de uitkomst hetzelfde dan denk je ‘Verrek ja, heb ik het toch goed gedaan!’ Maar ook kun je verschillende tools meerdere analyses laten maken en dan de uitkomst controleren; Als je het goed doet, komt er geen verschillend antwoord uit. Het resultaat wordt dus betrouwbaarder als het bij herhaling een soortgelijk resultaat oplevert, dus als jij het goed doet.’ Maar als je onvoldoende voorkennis hebt ben je ook niet in staat om te beoordelen welk antwoord het juiste is.
Welke tool kun je het beste gebruiken?
Er bestaat niet één nummer één AI-tool; de beste keuze hangt af van je specifieke behoefte. Voor degenen die net starten met GenAI; er zijn AI tools met een speciale user interface en dat houdt in dat sommige tools bij uitstek geschikt zijn om jou te helpen bij het doen van statistisch onderzoek. In Statistiek in stappen geeft Nel aan welke tools je voor wat het beste kunt gebruiken, zij deed uitgebreide research naar diverse tools. Zelf gebruikt ze vooral de tool Julius en adviseert om jezelf te verdiepen in de tool die je gaat inzetten, zodat je voor loopt op je studenten via zelfstudie of een training.
En, wat blijkt zo’n tool geeft op 6 decimalen nauwkeurig dezelfde antwoorden als SPSS.
Meer over Julius
Julius AI biedt een intuïtieve, programmeervrije manier om data te analyseren. Het helpt bij dataverwerking, hypothesetoetsing, regressiemodellering en visualisatie, waardoor statistische analyses toegankelijker worden en de grafieken er mooier uitzien. Het grote voordeel is dat de tool data in verschillende formats kan verwerken, zoals CSV, Excel en SPSS. De data worden ingelezen en in een prompt stel jij je vraag. Vervolgens gaat de tool voor je aan de slag, de data worden verkend en je krijgt een kort verslag van de aard van de gegevens: zijn ze scheef verdeeld, zitten er veel uitbijters in en kan je analysevraag met deze data goed worden beantwoord? Lees de blog AI-tools bij statistiek: Julius >
Tot slot
Het boek is basiskennis en GenAI is een hulpinstrument. ‘Je hebt AI om te berekenen, ter controle, als extra steuntje om het extra mooi te maken of als hulpje bij je interpretatie.’
Nel Verhoeven is onafhankelijk senior onderzoeksconsultant. Ze adviseert en begeleidt bij (praktijk)onderzoek. Ook geeft ze lezingen, workshops en cursussen. In haar boek Statistiek in stappen legt ze op toegankelijke wijze uit hoe een bepaalde techniek werkt en waarvoor deze gebruikt wordt, met behulp van relevante en actuele voorbeelden. Zo wordt statistiek een handig instrument dat je helpt bij het verwerken van kwantitatieve gegevens. In deze geactualiseerde vijfde editie leer je bovendien hoe je generatieve AI kunt inzetten bij statistiek.