Woordenlijst

Adaptief leren

Wat is Adaptief leren?

Adaptief leren verwijst naar leerprogramma’s die zich voortdurend aanpassen aan de kennis, het tempo en de fouten van een lerende. Software analyseert de antwoorden en kiest vervolgens passende oefeningen, uitleg of herhaling. Het wordt gebruikt in het onderwijs, aan universiteiten en in bedrijfsopleidingen – bijvoorbeeld wanneer een platform na een fout beantwoorde opdracht automatisch een eenvoudigere tussenstap aanbiedt. In machine learning beschrijft de term ook modellen die zich voortdurend aan nieuwe data blijven aanpassen.

Onderwerpen

Onderwijs
Personalisatie
E-learning

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

AI-gestuurde feedback voor leerlingen

AI-gestuurde feedback voor leerlingen verwijst naar commentaar op essays, opdrachten of projecten dat een AI-systeem aan de hand van vastgelegde criteria genereert. Lerenden krijgen sneller aanwijzingen over sterke punten, structuur, argumentatie of taalgebruik en docenten worden ontlast van repetitief nakijkwerk. De beoordeling moet transparant en criteriumgericht zijn; cijfers en beslissingen over prestaties blijven de verantwoordelijkheid van docenten. Voorbeeld: een concept-essay krijgt verbetersuggesties vóór het wordt ingeleverd.

Onderwijs
Feedback
+1

Sjabloon

Leercurve

Bij machine learning is een leercurve een grafiek die de prestatie of fout van een model laat zien over de trainingstijd of de hoeveelheid trainingsdata, meestal apart voor trainings- en validatiedata. De vorm laat zien of een model underfit of overfit is en of meer data waarschijnlijk zal helpen. Blijft de validatiefout bijvoorbeeld ruim boven de trainingsfout, dan wijst dat op overfitting. In de dagelijkse taal beschrijft de term ook hoe snel mensen een nieuwe technologie onder de knie krijgen.

Training
Modelevaluatie
+1

Machine learning

Machine learning is een tak van de kunstmatige intelligentie waarin computers patronen uit data afleiden in plaats van dat elke regel expliciet wordt geprogrammeerd. Afhankelijk van de taak leren modellen van gelabelde voorbeelden (gesuperviseerd), van ongelabelde data (ongesuperviseerd) of via beloningen (reinforcement). Toepassingen variëren van spamfilters en vraagvoorspellingen tot productaanbevelingen. De kwaliteit hangt sterk af van de hoeveelheid en kwaliteit van de trainingsdata.

basisprincipes
AI
+1