Search results

Leren van en over kwantificeren in de praktijk met Jack

Binnen de taalkunde is in de afgelopen decennia een schat aan inzichten opgedaan over de wijze waarop kinderen in de leeftijd van 4 tot 6 jaar betekenis toekennen aan zinnen met een kwantor. Helaas lijken deze resultaten niet of nauwelijks doorgedrongen te zijn in de psychologie, orthopedagogiek of praktijk van het primair onderwijs. De huidige ontwikkelingen op het gebied van sociale interactive agents (SIA’s) in combinatie met eerdere inzichten op het gebied van natural language processing (NLP), maakt dit wel mogelijk. Sterker nog, een ontwerpgerichte benadering van een dergelijke sociale interactive agent, die ik de naam Jack meegeef, vormt het ideale vertrekpunt voor verder interdisciplinair (praktijkgericht) onderzoek naar deze bouwstenen van ons logisch redeneervermogen.

Als de machine kiest

In het werving- en selectieproces proberen organisaties in eerste instantie zoveel mogelijk geschikte kandidaten te laten solliciteren (een marketing/ branding probleem) om daaruit dan de meest geschikte kandidaat te kiezen (een selectieprobleem).Het is wettelijk verboden om bij het selecteren van kandidaten te discrimineren op kenmerken die niet relevant zijn voor de selectie (zoals huidskleur, geloof of leeftijd). Maar een eerlijk en rechtvaardig proces moet verder gaan dan de wet. Een ethische aanpak zorgt ervoor dat gelijk gesitueerde mensen gelijk behandeld worden, dat vooroordelen geen kans hebben, dat kandidaten met menswaardigheid en respect behandeld worden, dat de procedures en uitkomsten voor iedereen helder zijn, dat de kandidaat zinnige feedback krijg na het proces, en dat de voorspellingen over het toekomstige werksucces van een kandidaat daadwerkelijk kloppen.Voor elk van de fasen van werving- en selectie zijn er kunstmatige intelligentiesystemen op de markt die organisaties kunnen helpen bij het proces. Die technologieën hebben gevolgen voor wie er wel of niet worden geselecteerd en kunnen dus een impact hebben op de diversiteit van een organisatie.De diversiteit binnen een organisatie kan op drie manieren worden vergroot. Je kunt de bestaande bias uit het proces proberen te halen, je kunt barrières die ervoor zorgen dat alleen specifieke groepen kunnen of willen solliciteren wegnemen, en je kunt actief op zoek gaan naar kandidaten met een divers profiel.Technologie zou op drie manieren kunnen helpen bij het verminderen van bias binnen het proces. Irrelevante persoonskenmerken kunnen automatisch buiten beschouwing worden gelaten en je kunt een stuk makkelijker dan bij een menselijke recruiter meten op wat voor manier het systeem biased is. Ook zou technologie kunnen helpen bij het vindenvan nieuwe groepen kandidaten die eerder nog niet in beeld waren.De voordelen van het gebruik van kunstmatige intelligentie hebben daarnaast vooral te maken met efficiëntie. Delen van het proces kunnen worden geautomatiseerd, en de werkwijze kan meer uniform gemaakt. Het zijn daarom vooral organisaties die grote aantal kandidaten werven die op dit moment gebruik maken van kunstmatige intelligentie.Er kleven ook grote risico’s aan het gebruik van kunstmatige intelligentie binnen werving- en selectieprocessen. Omdat veel van de technologie uitgaat van de huidige (succesvolle) werknemers is er de kans dat je de (weinige diverse) status quo juist handhaaft. Het is nooit uit te sluiten dat er hele specifieke vormen van bias met betrekking tot bepaalde groepen in het systeem blijven zitten, en dit soort systemen kunnen sowieso slecht omgaan met individuen die op een of andere manier afwijken van de norm. Die bias die – ook na een zorgvuldige implementatie – overblijft is dan wel meteen systematisch en schaalt mee met de inzet van de technologie. Verder blijft het moeilijk om te valideren of de kunstmatige intelligentie die je inzet wel goed werkt. Tot slot hebben dit soort systemen veel data nodig. Dit kan op het gebied van privacy en de vereiste dataminimalisatie problemen opleveren.Je hoort vaak dat we ons geen zorgen hoeven te maken over de inzet van kunstmatige intelligentie binnen werving- en selectie. Het is immers voorlopig nog steeds de mens die de uiteindelijke beslissing neemt. Dit klopt (vooralsnog) misschien nog wel voor het aannemen van de kandidaat, maar is allang niet meer het geval voor de kandidaten die worden afgewezen. Daar is het vaak al de machine die kiest, zonder enige menselijke tussenkomst.Als je er toch voor kiest om kunstmatige intelligentiesystemen binnen werving- en selectieprocessen te implementeren, dan moet je dat op een heel intentionele manier doen. En met een scherpe blik op de achterliggende waarden. Dit onderzoek heeft gereedschap opgeleverd dat daarbij kan helpen. Met de AI in Recruitment (AIR) Discussietool kun je aan de hand van de volgende vijf vragen (en de bijbehorende deelvragen) komen tot een zo verantwoord mogelijke implementatie:1. Wat is voor jouw organisatie eerlijke en rechtvaardige werving en selectie?2. Hoe zit het met de benodigde data?3. Blijft de mens de baas over het proces?4. Is jouw organisatie en is de technologie onbevooroordeeld?5. Weet je zeker dat de technologie werkt en dat het blijft werken?

Mee (laten) praten of niet? Een onderzoek naar mondelinge participatie van (Molukse) leerlingen in het vmbo

Inzichten in taalverwerving laten zien dat actieve participatie belangrijk is bij het leren. Leerlingen die over nieuw te leren stof praten, met elkaar en met de docent, vergroten hun inhoudelijke kennis en versterken hun mondelinge taalvaardigheid. Dit onderzoek is opgezet vanuit de vraag of docenten in het huidige voortgezet onderwijs ook daadwerkelijk leerlingen de ruimte geven om te praten, en hoe ze dat doen. En of leerlingen de ruimte nemen om te praten. Behalve om de vraag naar wat leerlingen en docenten doen, gaat het in dit onderzoek ook om de vraag hoe leerlingen en docenten denken over dit meepraten. De vraag is met name toegespitst op het denken en doen van vmbo-leerlingen en van vakdocenten (Administratie en Aardrijkskunde), met name tijdens het introduceren van nieuwe stof. Het onderzoek is ingebed in het lectoraat Lesgeven in de multiculturele school van de Hogeschool Utrecht, onder leiding van lector Maaike Hajer, waarin het Landelijk Steunpunt Educatie Molukkers participeert.

Communicatie van de bedrijfscultuur tijdens de werving en selectie

Artikel student Hoger Hotel Onderwijs. Beoordeling: 8.

The right job pays: Effects of different types of work on study progress of pre-service teachers

Teacher shortages are a significant concern in many countries. Hiring pre-service teachers could help to alleviate this problem while providing students an opportunity to develop skills in a realwork context. However, being employed alongside full-time studying might compete with attendance or self-study and, thereby, hinder study progress. This study analyzed the effect of student employment on the study progress of 132 pre-service teachers, using 25 repeated measures over 4 years (n = 3,245). Employment hours, remuneration, domain-relevance, and timing (year of college) were taken into account. Multilevel growth analyses showed that students who spent more time on a paid teaching job in year 3 or 4 obtained significantly more study credits compared to those who were not paid or got paid for a job outside of education. Overall, student employment did not relate to less study progress and depending on domain-relevance, timing and remuneration, the effect can even be positive.

Werving & Selectie Social Media Architect