AI-modellen zijn populair onder studenten, maar de gevolgen van het gebruik voor het leerproces zijn nog niet duidelijk. De discussie wordt gevoerd, maar één ding is duidelijk: de leerdoelen moeten centraal staan.
Door Bas Lenferink
“Heb je dat al aan Chat gevraagd?” Tegenwoordig is dit een veelgehoorde uitspraak op de universiteit. AI-modellen, liefkozend Chat genoemd, verwijzend naar ChatGPT, worden enthousiast gebruikt. Samenvattingen, uitwerkingen van opdrachten, papers: Chat schrijft het allemaal. In 2022 deed de techniek zijn intrede, wat betekent dat dit jaar de eerste generatie studenten afstudeert die nooit zonder het bestaan van AI hebben geleerd op de universiteit. Maar Chat heeft niet alleen fans. Kritiek onder wetenschappers groeit en ook sommige studenten hebben twijfel. De Universiteit Leiden kijkt hoe de techniek wél verantwoord gebruikt kan worden.
Eén van de wetenschappers met een kritische blik op AI is Andrea Reyes Elizondo. Ze is buitenpromovenda aan de faculteit Geesteswetenschappen met een achtergrond als boekhistoricus en onderzoeker aan het Centrum voor Wetenschappelijke en Technologische Studies aan de Universiteit Leiden. In die laatste hoedanigheid doet ze onderzoek naar wetenschappelijke integriteit en open wetenschap en is ze betrokken in een universiteitsbrede werkgroep over AI in het onderwijs. Reyes Elizondo houdt zich bezig met de vraag hoe je als universiteit verstandig met AI omgaat en publiceerde in 2025 al met andere wetenschappers een position paper: Stop het kritiekloos overnemen van AI-technologieën in de academische wereld. De paper werd al 1700 keer ondertekend door wetenschappers in het binnen- en buitenland.
Vanuit haar achtergrond als boekhistoricus vindt ze het gebruik van AI-modellen een zorgelijke ontwikkeling. De vraag is volgens Reyes Elizondo wat de student leert van AI-gebruik: “Ik heb onderzoek gedaan naar lezen en leesmogelijkheden. Taalvaardigheid is een proces. Als je leert lezen, kan je nog niet direct iedere tekst lezen en begrijpen. In dit proces leer je vanzelf steeds meer constructies en betekenissen. Door zelf te lezen en zelf te schrijven daag je jezelf uit, waarvan je leert.”
Reyes Elizondo ziet daarnaast ook een gevaar: “De wereld is gebouwd op een fundament van teksten. Niet goed met taal kunnen omgaan, is niet alleen een probleem voor het onderwijs, maar ook voor de democratie. Als mensen teksten niet goed kunnen begrijpen, worden ze minder kritisch.” Maar, de student moet volgens haar ook verantwoordelijkheid nemen: “Je moet als universiteit kennis meegeven over AI, hoe het werkt, wat het wel kan en wat het niet kan en hoe je daarmee omgaat. Het is vervolgens aan de student om daar goed mee om te gaan.”
En die kritische studenten zijn er ook. Valéry Wigman volgt de bachelor criminologie aan de Universiteit Leiden en is niet alleen maar enthousiast over AI: “Ik denk dat je minder leert als je AI-modellen gebruikt bij bijvoorbeeld het schrijven van teksten en je moet het uiteindelijk toch zelf kunnen. Daarnaast maak ik me ook zorgen over de data die je in het model stopt. Van wie is die data en wat gebeurt er vervolgens mee? Waar je ook weinig over hoort zijn de negatieve gevolgen van AI-gebruik voor het milieu.” Toch is ze ook positief: “Ik zie geen kwaad in de nieuwe technologie. Maar ik denk dat het belangrijk is om het verstandig te gebruiken. Soms zet ik bijvoorbeeld mijn aantekeningen in een model en vraag ik of de AI mij kan overhoren.”
Er zijn ook wetenschappers die pleiten voor het maken van een pas op de plaats, omdat er nog veel onzeker is rondom het gebruik van AI-modellen. Vroege onderzoeken naar het gebruik van AI-modellen in het onderwijs laten een groot voordeel zien in het gebruik ervan. In het recente onderzoek, ChatGPT in Education: An Effect in Search of a Cause1, verwerpen de onderzoekers veel van de eerdere onderzoeken. Ze zien zogenaamde fast science waarbij wetenschappelijke principes zijn genegeerd en de onderzoekers pleiten voor onderzoeksmethodes waarbij AI-modellen deel uit maken van een pedagogische lesmethode. Door die lesmethodes te beoordelen, net als normale lesmethodes, kan de nieuwe techniek worden vergeleken met de oude manier van onderwijs.
Het nut van germane belasting
De bewering van Reyes Elizondo, dat je leert door jezelf uit te dagen, wordt ook vanuit de pedagogische wetenschappen onderbouwd. Binnen dit vakgebied geldt de Cognitive Load Theory als uitleg hoe de mens leert. We kennen drie soorten cognitieve belasting: intrinsieke, externe en germane. Onder intrinsieke belasting valt de moeilijkheid van de leerstof en de uitdaging die de stof meebrengt. Externe belasting, ook wel overbodige belasting, is belasting die geen bijdrage levert aan het leerproces, maar wel ruimte inneemt. Tot slot is germane belasting de cognitieve inspanning, die maakt dat je stof gaat begrijpen en verbanden ziet. Deze drie cognitieve belastingen vullen samen het werkgeheugen van het brein. Neemt één van de drie belastingen te veel ruimte in, dan is er minder ruimte voor de andere. De intrinsieke belasting staat bij het studeren vast en de overbodige belasting wordt het liefst zo klein mogelijk gehouden. Zo krijgt de germane belasting meer ruimte en kan je veel leren.
Er zijn de afgelopen jaren veel papers gepubliceerd over dit onderwerp en de discussie binnen de pedagogische wetenschap gaat vooral over de vraag hoe AI de overbodige en de germane belasting beïnvloedt. Neemt AI de overbodige belasting weg en laat het daardoor ruimte over voor meer germane belasting of heeft AI juist negatieve invloed op het germane deel? Hier is nog geen eenduidig antwoord op en dat is precies waarom het onderzoek, ChatGPT in Education: An Effect in Search of a Cause, pleit voor meer onderzoek naar pedagogische methodes met AI-gebruik.
Een pedagogisch en didactisch verantwoorde implementatie is ook waar Julian van der Kraats zich mee bezig houdt. Van der Kraats heeft een achtergrond in de filosofie en is kwartiermaker AI bij het ISSC, ICT Shared Service Center, van de Universiteit Leiden. Als kwartiermaker is hij bij veel ontwikkelingen betrokken: “We hebben een platform binnengehaald om met AI-modellen chatbots te ontwikkelen. Van de chatbots maken nu al duizend studenten gebruik en de eerste evaluaties zijn geweest. Een voorbeeld is een bot die we in samenwerking met farmacologie hebben ontwikkeld. Deze bot bootst gesprekken met apotheekbezoekers na. Ook hebben we zelf platforms ontwikkeld. In een platform dat met geesteswetenschappen is ontwikkeld kunnen studenten gesproken taal oefenen. Daarnaast zijn we betrokken bij wetenschappelijk onderzoek naar het nut en de onzin van AI in het onderwijs.”
Achter de ontwikkelingen van de programma’s zit een strategie: “Op dit moment hebben we een veilige speeltuin nodig om te kijken wat werkt en wat niet werkt. Die speeltuin is een omgeving waarin je veilige data kan verwerken die geïntegreerd is met andere onderdelen van ons IT-landschap en die gemakkelijk in gebruik is zodat je snel experimenten kan opstarten.” Naast zelfontwikkelde bots ziet hij ook kansen voor AI-modellen als ChatGPT: “Je moet zulke bots gebruiken in een co-creatief proces. Je kan er heel waardevolle dingen mee doen in je studie. Vraag niet om een paper te schrijven, maar neem de bot mee. Leg bijvoorbeeld uit waar je mee bezig bent en vraag feedback over je onderzoeksvoorstel. Dat is hartstikke nuttig en ook hoe wij mensen met elkaar samenwerken.”
Over het uiteindelijke nut van AI in het onderwijs is Van der Kraats duidelijk: “Het gaat om leren wat wel of niet werkt. Dat betekent dat we op zoek zijn naar het ondersteunen van leerdoelen. De eerste vraag is altijd: Wat is het leerdoel? Dan gaan we met de docent op zoek naar hoe AI daar wel en niet bij past. Als er een mogelijkheid is om het zonder AI te doen, doen we het zonder. We zitten al genoeg tijd op een dag achter schermpjes.”
Bronnen
Kirschner, P. A., Kirschner, F., & Paas, F. (2009). Cognitive load theory. Open Universiteit Research Portal. https://research.ou.nl/en/publications/cognitive-load-theory/
Weidlich, J., Gašević, D., Drachsler, H., & Kirschner, P. (2025). ChatGPT in Education: An Effect in Search of a Cause. Journal Of Computer Assisted Learning, 41(5). https://doi.org/10.1111/jcal.70105