K Kennis HF-D7.7-001 transversaal 9 skills
AI-geletterdheid
Kent de werking, mogelijkheden en grenzen van AI-systemen, benoemt waar ze wel en niet passen en gebruikt daarbij correcte begrippen.
Hoe hrmforce dit meet
- Meetmethode
- Kennistoets · rho 0.40 (SD 0.13)
- hrmforce instrument
- Kennistoets (klantspecifiek)
- Competentie (50-framework)
- Lerend vermogen
- Trainbaarheid
- hoog
- Vraagontwikkeling 2026 tot 2030
- stijgend
Toets van declaratieve vakkennis, meestal klantspecifiek samengesteld.
Gedragsankers
| Niveau | Gedrag op dit niveau |
|---|---|
| N1 Begeleid | Legt in eigen woorden uit dat een taalmodel voorspelt op basis van patronen en daardoor onjuiste uitvoer kan geven. werkt onder toezicht en volgt instructie · routinematig, een variabele tegelijk · eigen taak |
| N3 Zelfstandig | Beoordeelt per werktaak of AI geschikt is, benoemt de belangrijkste beperkingen en legt de werking uit aan collega's. stelt de eigen aanpak vast en vraagt zelf om input · meerdere variabelen, enige ambiguiteit · eigen team of proces |
| N5 Toonaangevend | Bepaalt wat AI-geletterdheid in de organisatie betekent, meet het niveau en verbindt dat aan opleidings en inzetbeleid. zet de standaard en het beleid · strategisch, met hoge onzekerheid · organisatie, keten of vakgebied |
N2 en N4 zijn bewust niet geankerd. Beoordelaars plaatsen die tussen de ankers, conform de conventie van O*NET.
Onderliggende skills
Deze skills erven de meetroute en de gedragsankers van dit construct.
| T | Skill | Definitie | Vraagontwikkeling 2026 tot 2030 |
|---|---|---|---|
| K | Werking van een taalmodel uitleggen Taalmodel · LLM · Generatieve AI uitleggen | Legt in gewone taal uit dat een taalmodel op basis van patronen het volgende woord voorspelt. | stijgend |
| K | Tokens en contextvenster begrijpen Tokens · Contextvenster · Contextlengte | Legt uit hoe tekst in tokens wordt opgedeeld en waarom een model maar een beperkte hoeveelheid context meeneemt. | stijgend |
| K | Vormen van AI onderscheiden Soorten AI · Generatief versus voorspellend · AI-typen | Onderscheidt regelgebaseerde systemen, voorspellende modellen en generatieve AI en benoemt waarvoor elk geschikt is. | stijgend |
| K | Herkomst van trainingsdata begrijpen Trainingsdata · Databron van model · Datakwaliteit van modellen | Legt uit dat modeluitvoer de eigenschappen en lacunes van de trainingsdata weerspiegelt en wat dat voor gebruik betekent. | stijgend |
| K | Grenzen van AI benoemen Beperkingen van AI · Wat AI niet kan · Toepassingsgrenzen | Benoemt waar een AI-systeem onbetrouwbaar of ongepast is, zoals bij rechtsgevolgen, zeldzame gevallen en actuele feiten. | stijgend |
| K | AI-begrippen correct gebruiken AI-jargon · Terminologie AI · Begrippenkader AI | Gebruikt begrippen als model, prompt, agent, finetunen en hallucinatie in gesprekken op de juiste manier. | stijgend |
| V | Modelkeuze verantwoorden Modelselectie · Welk model kiezen · Modelvergelijking | Kiest onderbouwd tussen modellen op kwaliteit, snelheid, kosten, taal en gegevenslocatie en legt de afweging vast. | stijgend |
| V | Tokenkosten beheersen AI-kosten · Tokenverbruik · Kosten per aanroep | Schat en beperkt kosten van AI-gebruik door promptlengte, modelkeuze, caching en aantal aanroepen te sturen. | stijgend |
| K | Multimodale AI kennen Multimodaal · Beeld en spraak AI · Spraak naar tekst | Weet dat modellen ook beeld, spraak en documenten kunnen verwerken en benoemt waar dat in werk bruikbaar is. | stijgend |