Onderwijs & Leren – De Stand

oude bibliotheek Praag

AI dringt steeds dieper het Nederlandse onderwijs binnen. Van de kleuterklas tot universiteiten en bijscholingstrajecten voor volwassenen: overal duiken AI chatbots, adaptieve programma’s en automatische nakijktools op. Ze beloven maatwerk en efficiëntie, maar roepen ook vragen op. Wie bepaalt straks de inhoud van de les: de docent of het algoritme?

De nieuwe collega in de lerarenkamer

Een paar jaar geleden was AI nog vooral een onderwerp voor studiedagen en experimenten. Nu is het, onzichtbaar maar nadrukkelijk aanwezig, in de klaslokalen, lerarenkamers en beleidsstukken. Het is alsof er een nieuwe collega is komen werken: stil in het begin, maar steeds vaker met een stevige stem in het onderwijsdebat.

 Dat AI in onderwijs en leren in Nederland zo snel terrein wint, is geen toeval. Het lerarentekort, de druk op leerresultaten en de groeiende diversiteit in klassen maken de technologie aantrekkelijk. Tegelijkertijd waarschuwen onderzoekers dat te veel leunen op digitale systemen kan leiden tot verlies van autonomie, kansenongelijkheid en privacy problemen.

 De centrale vraag is: is AI in het onderwijs een hulpmiddel dat ons beter laat lesgeven, of sluipt er ongemerkt een medebeslisser binnen die het leerproces stuurt?

Beleidskaders en strategische initiatieven

De Nederlandse aanpak is niet louter pragmatisch; er ligt beleid achter. Een van de leidende documenten is de handreiking van Npuls, die een systematische methode biedt om AI in onderwijsprogramma’s te integreren. De kern daarvan is de ‘Two-Lane approach’.

Baan 1 is de route van kwaliteitsmeting onder toezicht, waarin AI beperkt is toegestaan. Denk aan examens of formele toetsen waarbij menselijke beoordeling de norm blijft. Baan 2 draait om ontwikkelingsgerichte toetsing, waarbij AI niet alleen is toegestaan, maar soms zelfs verplicht wordt ingezet. Hier passen bijvoorbeeld projecten in het hbo waarin studenten AI gebruiken voor onderzoeksanalyses, mét een verplichte procesverantwoording.

Belangrijk is het principe van constructive alignment: leerdoelen, onderwijsactiviteiten en toetsvormen moeten op elkaar zijn afgestemd. Daarmee wordt voorkomen dat AI in de ene fase wel, maar in de andere fase niet effectief wordt ingezet.

De handreiking van Npuls benadrukt vijf kernprincipes: mensgericht gebruik, eerlijkheid en inclusie, betrouwbaarheid, samenhang en flexibiliteit. Dat laatste is cruciaal: curricula moeten kunnen meebewegen met technologische ontwikkelingen zonder hun kern te verliezen.

NOLAI en het Nationaal Groeifonds

Naast Npuls speelt NOLAI een sleutelrol. Dit nationale onderwijslab, gehuisvest bij de Radboud Universiteit, is het eerste publiek gefinancierde lab ter wereld dat zich volledig richt op digitale onderwijsinnovatie. Het wordt ondersteund door het Nationaal Groeifonds en werkt in co-creatie met scholen, bedrijven en wetenschappers.

De doelstellingen zijn ambitieus: 77 co-creatieprojecten afronden, 15 gevalideerde technologieën ontwikkelen en 9 AI-producten demonstreren in echte onderwijssituaties. De maatschappelijke belofte is groot: hogere productiviteit van leraren, minder lerarentekort, meer kansengelijkheid en betere leerresultaten.

Hoogleraar Inge Molenaar, directeur van NOLAI, benadrukt een van de belangrijkste doelen: kinderen minder vaak toetsen door adaptieve systemen die continu meten. “Zo halen we de druk van het momentopname-examen weg,” legt ze uit, “en krijgen we een rijker beeld van het leerproces.”

AI in de klaspraktijk

Voor veel basisschoolleraren is AI al onderdeel van het dagelijkse werk. Volgens een literatuurverkenning van het Arbeidsmarktplatform PO gebruikt 65% van de scholen adaptieve leermiddelen zoals Snappet en Gynzy. 63% werkt met dashboards die leerlingvoortgang in real time tonen. En 47% zet digitale feedbacktools in.

Een beeld uit de praktijk: in groep 6 zit een jongen die moeite heeft met breuken, terwijl een meisje in dezelfde klas al verder is dan de lesstof. Het adaptieve systeem past de opdrachten automatisch aan. De jongen krijgt extra visuele uitleg, het meisje krijgt uitdagendere opgaven. De leraar kan zo meer tijd besteden aan complexe vaardigheden en sociaal-emotionele begeleiding.

Trends in feedback en toetsing

Volgens Wij-leren.nl zijn er vier opvallende trends in AI-toepassingen.

 De eerste is adaptief oefenen, waarbij programma’s automatisch feedback geven en stof aanpassen. Onderzoek toont een middelgroot tot groot leereffect. Zuid-Korea wil in 2025 zelfs AI-leerboeken op alle scholen invoeren.

 De tweede trend is automatische feedback: systemen beoordelen grammatica, argumentatie en structuur. In Brazilië laat het Letrus-programma zien dat dit vooral in armere regio’s tot betere schrijfvaardigheid leidt.

 Derde trend: slimme tutors en chatbots. Voorbeelden zijn Khan Academy’s Khanmigo en de Nederlandse chatbot Aischa, die eindexamenleerlingen begeleidt.

 De vierde trend is het gebruik van ChatGPT in de klas. Veel docenten staan open voor experimenten, maar missen duidelijke richtlijnen.

ToetsTester: nakijken met AI

In het voortgezet onderwijs gaat veel tijd zitten in nakijken — zo’n 17 miljoen uur per jaar. Het initiatief ToetsTester, ontwikkeld door studenten van de Universiteit Utrecht, pakt dit aan.

 Het systeem herkent handgeschreven antwoorden, vergelijkt die met modelantwoorden en geeft uitgebreide feedback. De privacy wordt gewaarborgd doordat data in Europa wordt opgeslagen en docenten de eigenaar blijven. Conform de EU AI-Act blijft er altijd een mens in de beoordelingslus.

 De reacties variëren van enthousiast (“Holy shit!”) tot voorzichtig: hoe voorkomen we dat docenten blind op AI-scores vertrouwen?

Levenslang leren en microlearning

AI beperkt zich niet tot formeel onderwijs. In ziekenhuizen gebruiken verpleegkundigen microlearning-modules die precies uitleg geven over een nieuwe infuusprocedure op het moment dat ze die nodig hebben. In de techniek kan een monteur via een AR-bril (AR voegt digitale info toe aan de echte wereld) stap-voor-stap instructies krijgen, terwijl hij aan het werk is.

 Deze vorm van just-in-time leren sluit aan bij Nederlandse beleidsvisies over leven lang ontwikkelen. AI kan het leren verweven in dagelijkse routines, waardoor kennisoverdracht sneller en relevanter wordt.

 Techniek achter adaptief leren

Adaptief leren is technisch gezien een continue cyclus van meten en aanpassen. Snappet gebruikt machine learning-modellen (werkwijze binnen AI waarbij systemen patronen leren uit data) die antwoorden van leerlingen analyseren en voorspellen welke opgaven het best passen bij hun niveau.

 De modellen worden getraind met toestemming van scholen, waarbij alleen geanonimiseerde data wordt bewaard. Om overfitting (probleem waarbij een model te veel leert van specifieke details in een beperkte dataset, waardoor het geen betrouwbare patronen herkent in nieuwe data) te voorkomen, test Snappet met nieuwe datasets en controleert het op bias.

 Zo krijgen leerlingen die de stof beheersen moeilijkere vragen, terwijl anderen juist extra herhaling krijgen. Leraren zien precies welke onderdelen nog aandacht nodig hebben.

Risico’s en dilemma’s

Het College voor de Rechten van de Mens wijst op de gevaren van bias (vooroordeel) in algoritmen. Wanneer datasets niet representatief zijn, kunnen minderheidsgroepen of leerlingen met bijvoorbeeld dyslexie benadeeld worden.

 Daarbij komt de vraag wie eigenaar is van de data. Vaak is onduidelijk wat bedrijven precies met leerlinggegevens doen. Het College pleit voor een keurmerk en strengere nationale regels.

De vraag die blijft

AI kan leraren tijd geven, leerlingen maatwerk bieden en leren flexibeler maken. Maar dezelfde technologie kan ook beslissingen nemen die we liever zelf in handen houden.

 De vraag is dus niet óf AI in het onderwijs blijft, maar hóe we ervoor zorgen dat het onze onderwijsidealen versterkt in plaats van herschrijft. Wie zit er straks echt aan het hoofd van de klas?