Microsoft test AI-leraar op gesimuleerde leerlingen: StudentSim is onderzoek, geen product voor de klas

Microsoft Research heeft StudentSim gepresenteerd: een systeem dat voor elke individuele leerling een AI-versie maakt, een zogeheten simulator. Het doel is AI-tutors te testen en te verbeteren zonder dat daar telkens echte leerlingen voor nodig zijn. Microsoft benadrukt zelf dat het om onderzoek gaat. Het is geen product, het draait niet in klaslokalen en het is niet bedoeld om leerkrachten te vervangen.

Waarom is dit nodig?

Een AI-tutor kan alleen goed worden als hij weet wat zijn uitleg bij een leerling teweegbrengt. Loste de leerling de fout op? Hielp de hint, of verklapte hij te veel? Heeft een andere leerling een andere aanpak nodig? Die feedback verzamelen met echte leerlingen is volgens Microsoft traag en duur, zeker als je een model snel opnieuw wilt aanpassen en testen.

Een voor de hand liggende oplossing is een taalmodel laten doen alsof het een leerling is. Dat werkt maar half. Het model kan klinken als een kind dat moeite heeft met rekenen, maar intussen kennis gebruiken die veel verder reikt. Een tutor lijkt dan beter dan hij is, omdat de nagebootste leerling te slim is.

Hoe werkt StudentSim?

StudentSim beoordeelt een simulator op twee punten. Eerst: antwoordt hij zoals die specifieke leerling, ook op vragen die hij niet eerder zag? Daarna: past hij zijn antwoord aan nadat hij uitleg van de tutor las? Microsoft noemt dat gedragstrouw en gevoeligheid voor begeleiding. Volgens het onderzoek heb je beide nodig: een simulator die alleen oud gedrag nabootst, zegt niets over of uitleg hielp, en eentje die altijd de tutor volgt, geeft geen beeld van een echte leerling.

Omdat er van één leerling vaak weinig gegevens zijn, werkt het systeem in twee stappen. Eerst leert het model algemene patronen uit de gegevens van veel leerlingen in hetzelfde vak, zoals gebruikelijke fouten. Daarna wordt het bijgeschaafd op de eigen gegevens van één leerling. Microsoft stelt dat alleen openbare, geanonimiseerde onderzoeksdata zijn gebruikt, zonder persoonsgegevens.

Wat zijn de resultaten?

Het systeem is getest op schaken, het schrijven van Engels als tweede taal en wiskunde. Volgens Microsoft presteert StudentSim in alle drie beter dan de vergelijkingsmodellen. Bij schaken haalt het 0,5150 voor gedragstrouw en 0,9067 voor gevoeligheid voor begeleiding. GPT-5.4 haalt 0,2316 en 0,7186. Maia2, een model dat menselijke schaakzetten voorspelt, haalt 0,4535 en 0,2721.

Microsoft testte ook of de simulator bruikbaar is om een tutor te trainen. De tutor kreeg een stelling en de eerdere foute zet van een echte speler, en schreef daarbij uitleg. De simulator deed daarna een nieuwe zet, die een schaakprogramma (Stockfish) beoordeelde. Schaakexperts beoordeelden de resultaten zonder te weten welke tutor van welke training kwam. De tutor getraind met StudentSim haalde 90,5 procent juistheid, tegen 75,7 procent zonder deze training en 71,6 procent met GPT-5.4 als gesimuleerde leerling. Ook voor kwaliteit van uitleg en personalisering scoorde hij hoger.

Wat ontbreekt er?

Alle cijfers komen van Microsoft zelf, uit zijn eigen onderzoek. In de bronnen staat geen onafhankelijke toetsing. De sterkste bewijslast zit bovendien bij schaken, één vak met duidelijke goede en slechte zetten. Hoe goed het werkt in een echte klas, met echte leerlingen en vakken waar het juiste antwoord minder eenduidig is, staat niet in de bron. Microsoft zegt zelf dat studies met echte leerlingen nodig blijven om leerresultaten, veiligheid en bruikbaarheid te meten.

De code en het artikel zijn openbaar, volgens Microsoft. Over een commerciële versie, prijs of beschikbaarheid zegt de bron niets. Als toekomstig werk noemt Microsoft langere leertrajecten, meer vakken en rijkere leerlingprofielen.