AI maakt je huiswerk. Maar wie leert er dan?

Waarom vinden we het slim als een marketeer met AI in een uur een campagne uitwerkt, maar worden we nerveus als een student dezelfde technologie gebruikt voor een verslag? Natuurlijk hebben een opleiding en een werkdag een ander doel. Juist dat verschil verdient meer aandacht. Want terwijl we discussiëren over wie welke tekst heeft geschreven, dreigt de belangrijkste vraag onder tafel te verdwijnen: wat heeft iemand eigenlijk geleerd?

Aanleiding is het gesprek bij Eva van 22 oktober, waarin Alexander Klöpping en onderwijskundige Barend Last spraken over AI in het onderwijs. Studenten kwamen aan het woord over hun gebruik van AI. Er was zelfs een biechthokje. Een opvallend beeld: technologie die op kantoor als vooruitgang wordt gepresenteerd, krijgt bij studenten de sfeer van een bekentenis. Daar wringt voor mij iets.

Een ingeleverd verslag is nog geen bewijs van begrip

Laat ik duidelijk zijn: wie een opdracht volledig laat maken en doet alsof alles eigen werk is, heeft iets uit te leggen. Zeker wanneer dat tegen de afspraken ingaat. Maar met alleen studenten betrappen komen we er niet. Barend Last benoemt in zijn toelichting na de uitzending een belangrijk punt: als iemand een toets kan halen zonder het denkwerk te doen dat die toets zou moeten vragen, moeten we ook naar de toets kijken.

Dat ontslaat de student niet van verantwoordelijkheid. Het vraagt wel om meer dan een zoektocht naar verdachte zinnen. Stel dat een student een overtuigend marketingplan inlevert. De doelgroep staat erin, de kanalen zijn gekozen en de begroting klopt op het eerste gezicht.

Vervolgens vraag je waarom juist deze doelgroep interessant is. Of wat er moet veranderen als het budget halveert. En dan blijft het stil.

Wat heb je dan beoordeeld? Het plan ziet er goed uit. Of de student goede keuzes kan maken, weet je nog nauwelijks. Diezelfde vraag mogen we op kantoor trouwens ook vaker stellen.

Op je werk wil je tijd besparen en op school wil je iets leren

Als marketeer vind ik het heerlijk wanneer AI werk van me overneemt. Maar het onderwijs heeft een opdracht die verder gaat dan zo snel mogelijk een eindproduct afleveren. Je moet er iets leren wat je nog niet beheerst.

Neem het schrijven van een betoog. Tijdens het schrijven ontdek je misschien dat je argument helemaal niet zo sterk is. Je zoekt een betere bron, schrapt een alinea en komt tot een andere conclusie. Dat geploeter kan precies zijn waarvoor je de opdracht kreeg.

Laat je een chatbot direct het hele betoog maken, dan kun je een verzorgd document overhouden terwijl je een belangrijk deel van die oefening hebt overgeslagen. Laat je dezelfde chatbot kritische vragen stellen bij je eigen redenering, dan kan de technologie je juist aan het denken zetten.

Het is dus nogal een verschil of AI je een antwoord geeft of je helpt om zelf tot een antwoord te komen. Alleen vragen hoeveel procent van een tekst door AI is geschreven, vertelt daar weinig over.

De Universiteit Utrecht maakt in haar uitleg over toetsing een vergelijkbaar onderscheid: beter presteren mét een hulpmiddel is iets anders dan vaststellen wat iemand door het gebruik ervan heeft geleerd. Het leerdoel moet bepalen hoe je oefent en toetst.

Ook een goede prompt vraagt om vakkennis

Het andere uiterste vind ik even gemakzuchtig: studenten hoeven straks alleen nog maar goede prompts te schrijven. De rest doet de computer wel. Probeer maar eens een campagnevoorstel te beoordelen voor een markt waar je niets van weet.

Hoe herken je een verkeerde aanname? Hoe zie je dat een doelgroep te breed is? En hoe merk je dat een overtuigend argument steunt op een bron die iets heel anders zegt? De Universiteit van Amsterdam benadrukt daarom dat vakkennis nodig blijft om AI-uitkomsten te beoordelen. Studenten moeten leren om met AI te werken én laten zien wat ze zelf begrijpen.

Dat lijkt mij een veel interessantere ambitie dan een opleiding AI-vrij proberen te maken. Geef studenten ruimte om ermee te oefenen, met duidelijke afspraken over welke vaardigheden ze zelfstandig moeten beheersen. Een diploma moet tenslotte iets zeggen over de persoon die het ontvangt.

Geef docenten ruimte om hun opdrachten te veranderen

Vanuit de technologiehoek is het makkelijk roepen dat het onderwijs sneller moet. Een opdracht bedenken die echt iets leert en vervolgens eerlijk beoordelen wat iemand beheerst, vraagt meer dan een nieuwe tool aanzetten.

Ik zou daarom beginnen bij één opdracht. Bepaal eerst wat een student ermee moet leren. Bekijk daarna welke rol AI daarbij kan krijgen en op welk moment je zelfstandig begrip wilt zien. Dat hoeft niet voor iedere opdracht dezelfde uitkomst te hebben.

Bij een onderzoeksopdracht kun je bijvoorbeeld tussentijds het bronnengebruik en de gemaakte keuzes bespreken. Bij een marketingplan kun je de student een gewijzigde situatie voorleggen en laten uitleggen wat er moet worden aangepast.

Zo krijg je meer zicht op het denken achter het document. De Universiteit Utrecht beschrijft ook het bespreken van tussenproducten en mondelinge toelichting als manieren om het schrijfproces beter te volgen.

Daar is tijd voor nodig. Je kunt docenten moeilijk vragen hun onderwijs opnieuw te ontwerpen en verwachten dat dit er vanzelf even bij past. Geef hun ruimte om te proberen, ervaringen uit te wisselen en opdrachten bij te stellen.

Daar zou ik als schoolbestuur eerder in investeren dan in de belofte van een detector die het probleem oplost. De UvA is daar helder over: een AI-detectiescore bewijst geen fraude.

Beste werkgever, kijk ook eens naar je eigen juniors

Hier zit nog een ongemakkelijke vraag in. Hoe leren jonge mensen straks ons vak als wij juist de taken automatiseren waarmee ze vroeger ervaring opdeden? Een eerste interview uitwerken. Zoekwoorden onderzoeken. Een tekst schrijven die een ervaren collega vervolgens van feedback voorziet.

Het zijn taken die tijd kosten, maar ook momenten waarop je kunt ontdekken waarom iets werkt. Als AI dat voorwerk doet, moeten we bewuster organiseren hoe een junior die kennis opbouwt. Laat iemand een voorstel beoordelen, bronnen controleren en alternatieven uitwerken.

Bespreek samen waarom je iets publiceert of juist schrapt. En geef iemand ook opdrachten waarbij zelfstandig proberen onderdeel van het doel is, zelfs als dat langer duurt. We kunnen niet van scholen verlangen dat ze kritische professionals afleveren, terwijl we op de werkvloer alleen nog de snelheid van hun output belonen.

Het gesprek over AI in het onderwijs raakt daarom ook mijn eigen vak. Ik wil de mogelijkheden ervan volop gebruiken. Tegelijk wil ik kunnen uitleggen waarom ik een keuze maak, ook als mijn chatbot overtuigend iets anders voorstelt.

Voor een student geldt wat mij betreft dezelfde ambitie. Gebruik AI, leer ermee werken en houd je aan de afspraken. Maar zorg dat je kunt uitleggen wat je hebt gedaan, waarom je dat hebt gedaan en waar het antwoord tekortschiet.

Dat is de vraag die ik bij een volgend verslag graag zou stellen: kun je me meenemen in je keuzes?