Marc Cleiren

25 augustus 2025

Aan het begin van een nieuw academisch jaar gaat onze worsteling met kunstmatige intelligentie (AI) gewoon verder. Het gebruik van AI heeft zich al getoond als de vernietiger van kritisch denken – de corumpeerder van jonge geesten, de uitholler van geheugencapaciteit. Het dreigt de intelligentiemoordenaar van een hele generatie te worden. Daar zit een kern van waarheid in. Vrijwel alle recente empirische studies, zoals een grondig MIT-rapport (Kosmyna et al. 2025), en een artikel uit Wharton (Melumad et al., 2025) bevestigen wat veel docenten afgelopen jaren al met eigen ogen hebben kunnen zien.

Kenan Malik’s analyse van AI in The Observer (augustus 2025) stelt een ongemakkelijke vraag: "Als kennis slechts handelswaar is, waarom zouden we dan niet vals spelen om de noodzaak om te denken te omzeilen ?" Hij geeft ook een waarschuwing: een cultuur die kennis ziet als een middel om een doel te bereiken, nodigt uit tot misbruik van nieuwe technologie. Malik heeft gelijk. Misbruik van AI gaat niet in de eerste plaats over de technologie zelf – maar over hoe ons  onderwijs is geworden. Kennis wordt steeds meer geframed als product: een instrument voor winstgevender economische en commerciële winst, waarvan de financiering in handen is van niet-deskundige politici. Tegen die achtergrond is de verleiding om ons denkwerk uit te besteden aan machines niet verwonderlijk.

Maar betekent dit dat wij (academische) docenten het moeten opgeven? Moeten we de nederlaag toegeven en iets anders gaan doen? Alsjeblieft niet. In plaats van te wanhopen, kan AI ons eindelijk in staat stellen om wat we pedagogisch al weten in praktijk te brengen. Decennia aan zorgvuldig onderzochte didactische kennis wachten erop om de ruimte te krijgen. AI kan ons, mits verstandig aangestuurd, eindelijk helpen om precies dat te doen waar we tot nu toe geen tijd of andere middelen voor hadden.

Hoe we het onderwijs gebroken hebben

Sinds de jaren zeventig heeft onderzoek, onder aanvoering van Edward Deci en Richard Ryan, aangetoond dat frequent summatief toetsen (het beoordelen van de kennis van studenten met geven van een cijfer) een belangrijke manier is om intrinsieke motivatie te ondermijnen . Het vervangt het plezier in leren door het gevoel dat het een 'taak' is. Toch is dit wat opeenvolgende regeringen hebben ingeprent: leren moet gemeten, competitief zijn, geindexeerd, output geoptimaliseerd om ‘winst voor de samenleving’ te maximaliseren. Efficiëntie als rode draad door alle 'leren'. Geen wonder dat studenten in de loop der jaren academische vorming 'naar school gaan' gingen noemen en hun universitaire studie voornamelijk als 'huiswerk en examens' hebben gedefinieerd: een plicht die vaak losstaat van de rest van hun privéleven.

Laten we eerlijk zijn. Decennialang zijn de systemen van frequente beoordeling en selectie in scholen en academische instellingen gebruikt om leerlingen op te jagen tot leren: anders ‘haal’ je het niet. Deze externe stokken achter de deur zijn goedkope vervanging voor de individuele motivatie die nodig is om (klassikaal) onderwijs leuk te maken. Dit heeft de betrokkenheid van leerlingen al decennialang geleidelijk uitgehold.

Hoe AI ons kan helpen

Hoe kunnen we de leergierigheid bij onze studenten weer aanwakkeren? Het antwoord is ondanks toenemende budgetproblemen wellicht relatief eenvoudig: door AI intelligent in te zetten op docentniveau en onze didactische kennis over ‘constructive allignment’, motivatie, blended learning , scaffolding en dergelijke te gebruiken om zeer bekwame AI-assistenten te creëren die wél onbeperkt tijd hebben. Hier een paar basisgedachten, die we momenteel in cursussen aan de Universiteit Leiden aan het testen zijn.

1. AI als Meester-Gezel docent

Les één: alleen meester-leraren kunnen deskundige leraren opleiden. Dat geldt ook voor LLM's. GenAI-modellen hebben potentieel en leren snel, maar we moeten hen het vak van leraar aanleren: geholpen door experts uit elk wetenschappelijk en maatschappelijk domein. Het beste model voor studentbegeleiding is niet nieuw maar eeuwenoud: de meester-gezel relatie. Enorm tijdrovend, maar uiterst effectief (Bloom, 1984). De meester bezit alle kennis, maar geeft alleen door wat de gezel kan opnemen. Het niveau van de gezel wordt bij elke stap van het leerproces getoetst door de leerling te observeren bij het hanteren van het gereedschap (zoals de meestersmid kijkt hoe de hamer wordt gehanteerd). Eerst vraagt deze eenvoudige taken, voornamelijk om basisvaardigheden te kunnen observeren, later, wanneer de gezel rijp is, presenteert hij complexere taken. De smid heeft, vanwege zijn nabijheid tot de gezel, geen 'tussentijdse meesterproeven' nodig om de voortgang te beoordelen. Het oog van de meester volgt het proces zelf. Meesterproeven zijn gereserveerd als ‘kroonmomenten’ om volwassenheid in zelfstandig uitvoeren van een taak te vieren. Een initiatie wanneer een overgang naar zelfstandig vakmanschap aan de orde is (tegenwoordig: een baan of ondernemerschap). Overvloedig toetsen activeert heel gemakkelijk ons zelfbeschermende motivationele systeem, schakelt ons van een learning mindset over naar prestatiegerichtheid, en stimuleert tot (re) produceren in plaats van creatief denken.

De meeste menselijke leraren in het publieke domein hebben al lang geen tijd meer om als meester naast hun gezellen te staan, maar AI-leraren kunnen er in principe dag en nacht zijn. Ook diep in de nacht, na flink feesten kan je AI-tutor fris en één en al oog en oor zijn. Binnen een paar jaar zijn waarschijnlijk ook breed inzetbare avatars gemeengoed, die live met de student communiceren en spraak-naar-spraak communicatie gebruiken. Dit kan het leerproces en de motivatie nog verder versterken. Nu het openbaar onderwijs te maken heeft met enorme bezuinigingen, wordt de interactie tussen menselijke leraar en leerling nog verder beperkt, en zijn alternatieve meesters hard nodig.

2. AI als bondgenoot van de student

Laten we het ingebouwde vermogen van de LLM om de gebruikersbetrokkenheid te maximaliseren ten goede keren. In plaats van het commerciële doel waarvoor ‘maximizing user engagement’ oorspronkelijk nagestreefd wordt. AI kan helpen de betrokkenheid van studenten bij hun leerstof te vergroten. Herinner je je je favoriete leraar nog? (Ja, haal hem of haar maar even voor de geest.. ) Waarschijnlijk zag  deze je echt, behandelde je als een persoon. Kon diens enthousiasme op jou overbrengen, waardoor je gemotiveerd raakte om hun lessen en inzichten te volgen en je nieuwsgierigheid te prikkelen.

Critici maken zich zorgen over de kruiperige neigingen van AI – de gewoonte om altijd in te stemmen, altijd te vleien, en de angst dat mensen hierdoor verkeerd geïnformeerd en op een dwaalspoor worden gebracht. Tegenwoordig is het gelukkig mogelijk om dit veel beter te sturen en in banen te leiden vanuit didactische motieven. Belangrijkst is dat ook bij AI de informatie gedragen wordt door de relatie tussen tutor en leerling. De relatie met student bepaalt of kennis uiteindelijk wordt opgenomen en verwerkt. Een onvriendelijke AI-begeleider laat je al gauw links liggen.

3. Focus op leren, niet alleen beoordelen

Minder toetsen druist intuïtief in tegen ideeën over efficiëntie en economische waarde. Het schrikt docenten ook af om de ‘proef op de som’ uit te stellen. Ik heb alleen veel getalenteerde, maar verveelde leerlingen (waaronder mijn eigen kinderen) gezien, die afhaakten omdat ze wekelijks door toets-hoepels moesten springen die buiten de verificatie geen betekenis of nut kregen en waar feedback op gemaakte denkfouten of oplossen daarvan afwezig was. Het kost docenten en ouders vaak veel moeite om te voorkomen dat hun pupillen een vak of zelfs studie opgeven. Niet omdat de student het niet kan, maar omdat ze geen doel zagen in wat ze deden en geen verband met een doel. AI is enorm effectief als gids, mits op de juiste manier aangestuurd. Een gids die de tijd heeft voor individuele begeleiding die (academische) leraren momenteel niet hebben. Bij het beknopt nakijken is AI misschien zelfs beter dan menselijke beoordelaars.

4. Meerdere onderwijs-persoonlijkheden

Ten slotte weten goede leraren hoe ze van rol (persona) kunnen wisselen: motivator, criticus, coach of socratische gids. AI heeft dezelfde flexibiliteit nodig om goed te kunnen werken. Eerst moet AI de leerling wat beter leren kennen: zijn of haar interesses, leerproblemen, kennisniveau en leerstijl. Vervolgens moet AI de daadwerkelijke kennis goedmoedig beoordelen – zonder die zomaar te veronderstellen – hiaten in voorkennis kunnen worden geïdentificeerd, maar de AI moet ook vertrouwen wekken dat groei mogelijk is. Van daaruit kan AI het leerproces ondersteunen, de student stapsgewijs vooruithelpen, (door)vragen in plaats van alleen opdrachten uitdelen, en gaandeweg toon en methode aanpassen. Met andere woorden: we moeten AI niet programmeren als één vaste tutor, maar als een set van les-persoonlijkheden, elk geschikt voor een andere fase in het leerproces.

Conclusie: AI als de (nog op te leiden) leraar die we nodig hebben

AI vormt op zichzelf geen bedreiging voor het onderwijs. Het stelt ons zelfs in staat om gloednieuwe interacties met leerlingen te ontwikkelen die tot nu toe niet mogelijk waren. Ook in de klas en werkgroepen. Maar AI is op dit moment vooral de spiegel die ons laat zien wat er van openbaar onderwijs is geworden. Als we kennis als handelswaar blijven behandelen, zal AI de teloorgang van kritisch denken versnellen. Maar als wij, met inhoudelijk en didactisch onderlegde docenten, AI gebruiken om te belichamen wat we al lang weten over goed lesgeven – constructieve afstemming, motivatie, ondersteuning, menselijke verbinding (we zullen dat allemaal in een latere blog bespreken) – kan AI helpen herstellen wat ons onderwijssysteem heeft uitgehold: nieuwsgierigheid, intrinsieke motivatie en het plezier in leren.

We staan op een kruispunt. AI in de commerciële wildernis kan de doodgraver van het onderwijs zijn. In combinatie met educatieve kennis kan het juist een redding zijn. De keuze ligt niet in de technologie, maar in hoe wij, als onderwijsinstellingen, ervoor kiezen erin te investeren. En ja, in onze AI-pilots zullen we problemen en fouten tegenkomen, we zullen worstelen. Maar we kunnen ons niet langer veroorloven de potentie van AI, in combinatie met onze menselijke pedagogische kennis, te verwaarlozen.

Relevante referenties

Bloom, BS (1984). Het 2-sigmaprobleem: De zoektocht naar methoden voor groepsinstructie die even effectief zijn als individuele begeleiding. Educational Researcher, 13, 4-16.
https://dx.doi.org/10.3102/0013189X013006004

Deci, EL (1971). Effecten van extern gemedieerde beloningen op intrinsieke motivatie. Journal of Personality and Social Psychology, 18 (1), 105–115. https://doi.org/10.1037/h0030644

Deci, EL & Ryan, RM (1985). Intrinsieke motivatie en zelfbeschikking in menselijk gedrag . New York, NY: Springer Science + Business Media.

Kosmyna , N., Hauptmann, E., Yuan, YT, Situ, J., Liao, X.-H., Beresnitzky , AV, Braunstein, I., & Maes, P. (10 juni 2025). Je brein op ChatGPT: Ophoping van cognitieve schuld bij het gebruik van een AI-assistent voor het schrijven van essays [Preprint]. arXiv . https://arxiv.org/abs/ 2 506.08872

Melumad , Shiri en Yun, Jin Ho, Experimenteel bewijs voor de effecten van grote taalmodellen versus webzoekopdrachten op de leerdiepte (2025, 20 januari). Het onderzoeksartikel van de Wharton School, beschikbaar op https//dx.doi.org/10. 2 139/ssrn.5104064

Malik, K. (2025, 1 augustus). AI floreert waar onderwijs is gedevalueerd . The Observer .
Geraadpleegd van https://observer.co.uk/news/opinion-and-ideas/article/ai-education-knowledge-technology

Deze blogpost geeft slechts de inzichten en meningen van de auteur weer en vertegenwoordigt niet het officiële standpunt van de Universiteit Leiden. Suggesties voor redactionele revisie van dit artikel zijn afkomstig van Julian van der Kraats. Enkele suggesties voor referenties en koppen zijn op 25 augustus 2025 geleverd door ChatGPT5. De afbeelding werd gemaakt met behulp van een GPT-5-tekstinterpretatie van de huidige blog en Midjourney v7.