Blog
Waarom leerlingen AI het werk laten doen — en wat je daar als docent…
Waarom leerlingen AI het werk laten doen — en wat je daar als docent wél aan kunt doen
Je geeft een opdracht. Een leerling levert een keurige tekst in. Mooie zinnen, duidelijke structuur, bijna geen fouten.
En toch denk je meteen: dit heeft die leerling niet zelf geschreven.
De eerste reactie is begrijpelijk: hoe voorkom ik dit? Moeten we AI verbieden? Een detector gebruiken? Andere opdrachten maken? Leerlingen controleren?
Maar misschien moeten we eerst een andere vraag stellen:
Waarom heeft deze leerling AI het werk laten doen?
Die vraag stelde onderwijsauteur Matt Miller van Ditch That Textbook onlangs ook. Hij beschrijft verschillende oorzaken die hij steeds opnieuw hoort wanneer hij met docenten praat over AI en fraude.
En die oorzaken zijn interessanter dan alleen: “leerlingen zijn lui.”
Soms snapt een leerling simpelweg niet wat hij moet doen
Een uitgebreide opdrachtomschrijving lijkt voor een docent misschien duidelijk. Voor een leerling kan dezelfde opdracht behoorlijk vaag zijn.
Wat moet ik precies opleveren?
Waar moet ik beginnen?
Hoe goed moet het zijn?
Welke stappen moet ik zetten?
AI biedt dan een aantrekkelijke uitweg. Je plakt de opdracht in ChatGPT en een paar seconden later ligt er iets wat op een antwoord lijkt.
Dat betekent niet automatisch dat de leerling niets wil leren. Het kan ook betekenen dat de leerling niet wist hoe hij moest beginnen.
Daar kun je als docent iets aan doen. Maak opdrachten overzichtelijk. Laat een voorbeeld zien. Knip een grote opdracht op in kleinere stappen. En controleer tijdens het werken even of leerlingen daadwerkelijk begrijpen wat de bedoeling is. Niet pas wanneer het eindproduct wordt ingeleverd.
Soms denkt een leerling: dit kan ik toch niet
Matt Miller noemt ook het vertrouwen van leerlingen in hun eigen kunnen.
Een leerling die ervan overtuigd is dat hij een opdracht niet kan maken, heeft met generatieve AI ineens een bijzonder eenvoudige ontsnappingsroute.
Waarom zou je worstelen met een tekst waarvan je denkt dat hij toch onvoldoende wordt, als ChatGPT binnen dertig seconden iets produceert dat veel beter klinkt?
Daarom wordt scaffolding misschien nog belangrijker in een wereld met AI. Niet meteen: “Schrijf een goed onderbouwd betoog van 1200 woorden.” Maar stap voor stap:
eerst een onderwerp kiezen;
dan een standpunt formuleren;
vervolgens drie argumenten zoeken;
daarna bronnen beoordelen;
een eerste alinea schrijven;
feedback krijgen;
en pas daarna verder.
Zo ziet een leerling niet alleen het eindproduct, maar ervaart hij onderweg ook: hé, ik kan dit dus zelf.
Soms heeft de leerling simpelweg andere prioriteiten
School is niet het enige wat in het leven van een leerling gebeurt. Sport, werk, vrienden, familie, sociale media, games en soms ingewikkelde omstandigheden thuis concurreren allemaal om dezelfde uren.
AI maakt uitstelgedrag bovendien bijzonder makkelijk. Vroeger betekende te laat beginnen dat je misschien een slechte opdracht inleverde. Nu betekent te laat beginnen soms: “ChatGPT, schrijf dit even voor me.”
Ook dat lossen we niet volledig op met regels. Maar we kunnen er wel rekening mee houden door grotere opdrachten niet uitsluitend te beoordelen op één eindproduct. Laat leerlingen tussendoor iets laten zien:
een onderzoeksvraag;
een schets;
bronnen;
een eerste versie;
een keuze die ze gemaakt hebben;
een kort gesprek over hun aanpak.
Je krijgt daardoor veel beter zicht op het leerproces.
En dan is er misschien wel de lastigste oorzaak
De leerling ziet het nut van de opdracht niet.
Dat is ongemakkelijk, want dan moeten we niet alleen naar de leerling kijken. Dan moeten we ook naar onze eigen opdracht kijken.
Stel dat een leerling denkt: waarom moet ik dit schrijven als AI het beter en sneller kan? Hebben we daar eigenlijk een goed antwoord op?
“Dat hoort nu eenmaal bij het vak” wordt steeds minder overtuigend. Leerlingen moeten begrijpen waarom zij iets moeten kunnen, juist nu AI steeds meer voor ze kan produceren.
Misschien gaat het bij die schrijfopdracht helemaal niet om het produceren van 800 woorden. Misschien gaat het om argumenteren, bronnen beoordelen, een redenering opbouwen, informatie selecteren en een standpunt verdedigen.
Als dat het echte leerdoel is, maak dát dan zichtbaar.
Misschien moeten we stoppen met proberen opdrachten ‘AI-proof’ te maken
Een docent vroeg Matt Miller tijdens een workshop: “Is deze opdracht AI-proof?”
Dat is eigenlijk een fascinerende vraag. Maar misschien bestaat een volledig AI-proof opdracht straks helemaal niet meer. AI wordt steeds beter. De wedstrijd “ik verzin een opdracht die AI niet kan” gaan we als onderwijs waarschijnlijk niet winnen.
En volgens mij hoeven we die wedstrijd ook niet te voeren. Een interessantere vraag is:
Hoe ontwerp ik een opdracht waarbij een leerling nog steeds moet denken, kiezen, uitleggen en leren — óók als AI beschikbaar is?
Dat verandert de manier waarop je naar opdrachten kijkt.
Maak AI onderdeel van het leren
In plaats van “je mag geen AI gebruiken” kun je soms juist zeggen: “je gaat AI gebruiken, maar ik wil kunnen zien wat jij ermee hebt gedaan.” Bijvoorbeeld:
Laat AI drie mogelijke onderzoeksvragen bedenken en laat de leerling uitleggen welke hij kiest en waarom.
Laat AI een eerste versie produceren en laat leerlingen fouten, zwakke argumenten en aannames zoeken.
Laat leerlingen twee antwoorden van verschillende AI-tools vergelijken.
Laat AI feedback geven op een eigen geschreven tekst en laat de leerling bepalen welke feedback hij wel en niet overneemt.
Of laat leerlingen na afloop beschrijven:
Waar heb je AI voor gebruikt?
Welke suggestie van AI heb je verworpen?
Welke fout heb je ontdekt?
Welke beslissing heb jij zelf genomen?
Wat kun jij nu wat je vóór deze opdracht nog niet kon?
Dan verschuift AI van antwoordmachine naar leermiddel.
Het eindproduct vertelt steeds minder
Dat is misschien wel de grootste verandering. Een prachtig verslag zegt steeds minder over wat een leerling daadwerkelijk kan.
Daarom moeten we als docenten meer zicht krijgen op het proces erachter. Niet door iedere leerling voortdurend te controleren, maar door slimme momenten in te bouwen waarop een leerling iets moet laten zien, vertellen, kiezen of verdedigen.
Een korte vraag tijdens het werken kan soms meer zeggen dan twintig pagina’s eindverslag: “Waarom heb je hiervoor gekozen?”
Als een leerling zijn eigen werk begrijpt, kan hij daar meestal prima over vertellen.
AI-gebruik is dus niet alleen een probleem van leerlingen
Wanneer leerlingen AI gebruiken om zo snel mogelijk een opdracht af te ronden, kunnen we daar natuurlijk grenzen aan stellen. Maar het kan ook waardevolle informatie opleveren.
Misschien was de opdracht onduidelijk.
Misschien was hij te groot.
Misschien voelde een leerling zich niet in staat hem uit te voeren.
Misschien zagen leerlingen het leerdoel niet.
Of misschien beoordelen we nog te veel het product, terwijl we eigenlijk het leren willen beoordelen.
Dat betekent niet dat alles de verantwoordelijkheid van de docent is. En natuurlijk zullen er altijd leerlingen zijn die simpelweg voor de makkelijkste route kiezen.
Maar AI dwingt ons wel om opnieuw te kijken naar een vraag die eigenlijk altijd al belangrijk was: wat wil ik dat mijn leerlingen hier werkelijk van leren?
Als dat duidelijk is, wordt ook veel duidelijker welke rol AI daarbij wel — en niet — mag spelen. En misschien is dat uiteindelijk veel interessanter dan proberen ChatGPT buiten het klaslokaal te houden.
Dit artikel is mede geïnspireerd door een bijdrage van Matt Miller van Ditch That Textbook over de achterliggende oorzaken van AI-gebruik bij fraude. https://ai-admin.beehiiv.com/p/8-19-2026