AI Geletterdheid 4: Geavanceerde Prompting
Studenten brengen alle opgebouwde kennis samen en leren hun geconfigureerde AI-omgeving effectief en herhaalbaar te bespelen via gestructureerde prompting. Elke student verlaat de les met een persoonlijk, werkend promptsysteem voor zijn/haar vakdomein.
Identificatiegegevens
| Veld | Gegeven |
|---|---|
| Workshoptitel | AI Geletterdheid 4: Geavanceerde Prompting |
| Reeks | AI Geletterdheid |
| Doelgroep | Studenten Arteveldehogeschool (verschillende ENWs) |
| Tijdsduur | 2 uur (120 minuten) |
| Academiejaar | 2026–2027 |
Beginsituatie
Cognitief: Studenten beschikken na drie workshops over een solide basis: ze kennen het conceptuele kader van AI, hebben een chatprogramma geconfigureerd met systeeminstructies en projecten, en hebben de kernfuncties (o.a. Deep Research) uitgetest. Ze hebben wellicht al geëxperimenteerd met prompting, maar doen dat intuïtief en inconsistent.
Misconceptie om te bewaken: veel studenten denken dat betere resultaten komen van langere prompts. De workshop corrigeert dit: kwaliteit zit in de structuur en het type redenering dat je activeert, niet in de lengte.
Motivationeel: Workshop 4 heeft de hoogste intrinsieke motivatie van de reeks - studenten bouwen iets concreet en persoonlijk: een promptsysteem dat ze meteen kunnen gebruiken. De koppeling aan hun eigen vakdomein (elke student werkt met een eigen casus) versterkt de relevantie.
Situationeel: Studenten werken met hun eigen geconfigureerde chatomgeving vanuit Workshop 3. Controleer bij aanvang kort of iedereen een werkende toegang heeft. Studenten die W3 hebben gemist, krijgen een verkorte setup-instructie als Canvas-document.
Leerdoelen
Na afloop van deze workshop kan de student:
- De hiërarchie van promptinglagen uitleggen (systeeminstructie platform → gebruiker → project → bericht) en toelichten waarom een AI-tool niet neutraal is.
- De drie prompting stijlen (zero-shot, step-back, chain-of-thought) gericht inzetten afhankelijk van de complexiteit en het type taak, en het verschil in output benoemen.
- Een volledige prompt opstellen die minstens vijf van de zeven ingrediënten bevat (rol, taak, context, beperkingen, toon, formaat, voorbeelden) voor een concrete case uit het eigen vakdomein.
- Een bestaande prompt systematisch evalueren met behulp van metaprompting-technieken en minstens twee gerichte verbeteringen doorvoeren op basis van de feedback van het model zelf.
- Een eerder opgestelde prompt integreren als systeeminstructie binnen een project in zijn/haar chatprogramma, zodat een functioneel, herhaalbaar promptsysteem ontstaat voor gebruik doorheen het academiejaar.
Positie in de leerlijn
Vanaf Workshop 4 kunnen vakdocenten actief op het opgebouwde systeem voortbouwen:
- Studenten kunnen in elk opleidingsonderdeel hun promptsysteem inzetten voor schrijftaken, analyse, feedback en onderzoek
- De ingrediëntentabel en de drie prompting-stijlen zijn generieke kaders die in elke context toepasbaar zijn
- Metaprompting maakt studenten zelfcorrigerend, ze hebben de docent niet nodig om hun prompts te verbeteren
Suggestie voor vakdocenten: vraag bij de eerste grote opdracht van het jaar expliciet om aan te geven welke AI-tool en welke prompting-strategie de student heeft ingezet. Dit maakt AI-gebruik zichtbaar en bespreekbaar.