Alexander Klöpping bij Eva, een goede docent geeft niet meteen het antwoord
Bij Eva op NPO 1 ging het deze week over AI in het onderwijs. Alexander Klöpping en onderwijskundige Barend Last schoven aan, en in veertien minuten kwam bijna alles voorbij waar wij bij CivAI elke dag mee bezig zijn. Studenten die toegeven dat driekwart van hun werk uit AI komt, een docent die alleen nog AI-teksten nakijkt, en een toets die niet meer meet wat hij moet meten.
Eén zin van Alexander is me bijgebleven. Hij legde in één adem uit waar het misgaat, en waar het verschil zit.
De fragmenten om terug te kijken
Heb je geen kwartier? Deze momenten zijn de moeite waard. De links springen direct naar het juiste moment in de uitzending.
Vanaf 1.58, een hogeschooldocent die zich afvraagt of hij AI-teksten dan maar met AI moet nakijken.
Vanaf 4.36, Barend Last over waarom het probleem in de toets zit en niet bij de student.
Vanaf 6.13, studenten in Utrecht vertellen hoeveel van hun werk uit AI komt.
Vanaf 9.00, Alexander laat een AI-agent zien die hoorcolleges kijkt, papers schrijft en zelf inlevert.
Vanaf 10.58, het verschil tussen AI die helpt en een docent die je laat nadenken.
Vanaf 12.39, de droom van een persoonlijke tutor voor elke student.
Een goede docent geeft niet meteen het antwoord
Alexander liet zien hoe ver het inmiddels gaat. Er worden tools verkocht die inloggen bij je hogeschool, je opdrachten bijhouden, de paper schrijven, hem langs een AI-detector halen, de tekst menselijker maken en alles op tijd inleveren. En als het cijfer tegenvalt, mailen ze de docent voor een herkansing.
Daarna zei hij iets wat ik al maanden probeer uit te leggen.
"AI's zijn in de kern gebouwd om je te helpen. Als je een vraag stelt, dan gaat hij het antwoord geven. Terwijl een goede docent natuurlijk niet gelijk het antwoord gaat geven. Die gaat het juist compliceren, gaat je helpen nadenken."
Precies daar zit het. Een chatbot die levert, neemt het denkwerk over. Een goede docent stelt een vraag terug, geeft een hint en laat de student zelf de volgende stap zetten. Dat is geen technisch detail, dat is het verschil tussen leren en inleveren.
Het probleem zit in de toets, niet in de student
Barend Last zei het scherp. Als een toets niet meer meet wat je beoogt te meten, dan deugt die toets niet. Hij vindt dat berichtgeving over AI-scripties te vaak naar de student wijst, terwijl veel docenten al jaren hard werken om hun toetsing opnieuw te ontwerpen.
Hij gaf ook een eerlijke verklaring voor het gedrag van studenten. In een systeem waarin vooral het cijfer telt, is de weg van de minste weerstand een heel rationele keuze. Zijn oplossing is toetsen die veel meer in dialoog gaan, dichter op de student.
Daar sluit ik me helemaal bij aan. Ik schreef er onlangs een uitgebreid stuk over, naar aanleiding van het RTL-onderzoek naar masterscripties. Lees het hier terug, met de onderzoeken die laten zien waarom detectietools nooit het enige bewijs mogen zijn.
Wat er tussen vraag en antwoord gebeurt
In mijn boek De kunst van het samenleven met AI beschrijf ik het HEAR-raamwerk, vier lagen voor mensgericht werken met AI. Het begint bij de bedoeling van de mens (Human Intent) en de manier waarop je met het systeem praat (Expressive Interaction). Het eindigt bij iemand die het oordeel draagt en kan uitleggen hoe die keuze tot stand kwam (Reasoned Responsibility).
Daartussen zit de laag waar Alexander het eigenlijk over had, AI Mediation. Wat doet het systeem tussen de vraag en het antwoord? Levert het meteen, of laat het ruimte voor de student om zelf te denken? Die laag bepaalt of AI het leren versterkt of vervangt.
De agent die Alexander liet zien, haalt de mens er aan beide kanten uit. Geen eigen bedoeling, geen eigen oordeel. Goed onderwijs met AI doet precies het omgekeerde.
De droom van de persoonlijke tutor kan nu al
Aan het eind van de uitzending schetste Alexander wat AI ook kan zijn. Tutors die meedenken op het tempo en het kennisniveau van elke student, helemaal op maat. Hij noemde het een droom, maar zag dat de praktijk nu vooral de andere kant op gaat, met verboden en AI-vrije tentamens.
Die droom hoeft niet te wachten. Met EduGPT hebben we precies die laag tussen vraag en antwoord gebouwd. Onze Kritisch Denken Engine levert geen kant-en-klaar werk. Hij vraagt wat de student al heeft gedaan, wat lastig was en wat de student zelf denkt. Daarna volgt een hint, een opzet of een voorbeeld, maar het denkwerk blijft bij de student.
Een school of opleiding bepaalt zelf per groep of opdracht wanneer die begeleidende laag aan staat. En de docent blijft de beoordelaar. AI kan snel feedback geven, maar het oordeel blijft bij de docent. Dat alles draait op Europese infrastructuur.
Informatie is overal. Begeleiding niet.
Samen terug naar de tekentafel
Barend Last noemde het een wicked problem, een vraagstuk zonder eenvoudige oplossing. Dat is het ook. Geen tool lost het voor ons op, ook EduGPT niet. Het vraagt docenten die hun toetsing opnieuw ontwerpen, opleidingen die durven kiezen en AI die het leren ondersteunt in plaats van overneemt.
Wil je weten waar je op kunt letten bij het kiezen van AI voor je onderwijs? In dit artikel zetten we zeven kenmerken van educatieve AI op een rij.
Ik ben benieuwd hoe jullie hiermee omgaan. Laat het me weten, of kijk op edugpt.nl hoe het in de praktijk werkt.
Bron, Eva (AVROTROS, NPO 1), "Hoe AI ons onderwijs verandert", oktober 2026, met Alexander Klöpping en Barend Last. Citaten zijn uitgeschreven uit de uitzending.
Beeld ter illustratie, gemaakt met AI