Een taalleerplatform gebruikt voortaan een klein AI-model om grammaticaconcepten te labelen in gesprekken tussen cursisten en docenten. Het model, een versie van Qwen3.5 met 0,8 miljard parameters, is verder getraind met voorbeelden van docenten. Het vormt nu de basis van een nieuwe functie die voor alle cursisten Engels op het platform hun beheersing van grammatica bijhoudt. Volgens het bedrijf is het model 16 keer goedkoper in gebruik dan grote geavanceerde modellen zoals GPT-5.4 of GPT-5.6 aansturen met prompts.
Hoe het model is gebouwd en getest
Het team filterde en herbalanceerde de door docenten aangeleverde trainingsdata en voegde vervolgens een adapterlaag toe: een kleine set extra gewichten waarin de annotatieregels zijn vastgelegd. Daardoor kan het 0,8B-model werken met een korte, op de taak afgestemde prompt in plaats van lange instructies. In twee door mensen samengestelde benchmarktests scoorden het gebruikte model en een referentiemodel van 4B beter op zowel precisie als recall dan GPT-5.4 en GPT-5.6 met prompts. Daarbij werden steeds strengere criteria gehanteerd voor het matchen van concept, bewijsfragment en juistheid.
Effect op cursisten en het bedrijf
Uit een online A/B-test bleek dat de nieuwe functie de betrokkenheid van cursisten met 15,8 procent verhoogde. Het aantal ingeplande lesuren steeg met 2,1 procent en de bruto handelswaarde van nieuwe lessen nam met 13,2 procent toe, volgens de interne cijfers van het platform.
Waarom het ertoe doet
Dankzij de lagere AI-kosten kan het platform cursisten Engels doorlopend geautomatiseerde feedback over hun grammatica geven zonder de prijzen te verhogen. Voor het bedrijf leiden lagere rekenkosten en meer betrokkenheid tot meer lesboekingen en omzet.
