Een op de vijf masterscripties grotendeels door AI geschreven, tijd om anders te toetsen
RTL Nieuws onderzocht honderden recente masterscripties van twaalf Nederlandse universiteiten met de detectietool Pangram. Bij ongeveer een op de vijf scripties is de bijdrage van ChatGPT, Claude of Gemini groter dan die van de student. Zes procent is vrijwel volledig door AI geschreven.
Minister Letschert spreekt van fraude en wil dat universiteiten ingrijpen. Studenten zelf zeggen tegen RTL dat "iedereen" het doet.
Verrassend vind ik dit niet. Ik schreef eerder al dat we studenten hun werk mondeling moeten laten toelichten. Niet om AI te verbieden, maar omdat AI zichtbaar maakt hoe kwetsbaar onze huidige manier van toetsen is. In dit stuk leg ik uit waarom, en wat de wetenschap daarover zegt.
Hoe betrouwbaar zijn deze cijfers
Die vraag hoort bij elk onderzoek met een AI-detector. De eerste generatie detectoren bleek namelijk onbetrouwbaar. Debora Weber-Wulff en collega's testten in 2023 veertien tools en concludeerden dat ze niet nauwkeurig en niet betrouwbaar genoeg waren.
Onderzoekers van Stanford lieten datzelfde jaar zien dat detectoren teksten van niet-moedertaalsprekers onterecht als AI bestempelden, gemiddeld bij 61 procent van de essays (Liang e.a., 2023). Een pijnlijke uitkomst voor een internationale universiteit.
Pangram, de tool die RTL gebruikte, scoort in recenter onderzoek een stuk beter. Economen van de University of Chicago vonden in 2025 bijna geen foute meldingen, ook niet bij teksten die met zogeheten humanizers waren bewerkt. Sociologen van de Vrije Universiteit Brussel kwamen in 2026 tot een vergelijkbaar beeld.
Maar diezelfde Brusselse onderzoekers waarschuwen er nadrukkelijk bij dat een detector nooit het enige bewijs mag zijn bij zwaarwegende beslissingen. De cijfers van RTL zijn dus een serieus signaal over de sector. Over een individuele student bewijzen ze weinig. En daar zit precies het probleem.
Het echte probleem zit in de toets
Een scriptie moest aantonen dat een student zelfstandig kan onderzoeken en onderbouwen. We beoordelen een document, terwijl we eigenlijk een vaardigheid willen beoordelen. Zolang dat document het belangrijkste bewijs is, zegt het steeds minder over wat de student zelf kan.
Dat dit geen theoretisch risico is, liet de University of Reading in 2024 zien. Onderzoekers leverden namens 33 fictieve studenten examenwerk in dat volledig door GPT-4 was geschreven. Maar liefst 94 procent werd niet opgemerkt. De AI-antwoorden kregen gemiddeld zelfs hogere cijfers dan het werk van echte studenten (Scarfe e.a., 2024).
De Australische toetsonderzoekers Phillip Dawson, Margaret Bearman, Mollie Dollinger en David Boud stellen daarom een andere vraag centraal. Niet hoe we fraude voorkomen, maar hoe we zeker weten dat een toets meet wat hij moet meten. Validiteit is volgens hen belangrijker dan het bestrijden van fraude (Dawson e.a., 2024).
Corbin, Dawson en Liu gaan in 2025 nog een stap verder. Zij analyseerden AI-richtlijnen van onderwijsinstellingen en zagen dat die vooral bestaan uit regels en afspraken met studenten. Dat noemen ze een handhavingsillusie. Regels die je niet kunt controleren, beschermen de waarde van een diploma niet. Wat wel helpt, zijn structurele veranderingen in de toets zelf.
Drie manieren om anders te toetsen
De oplossing is dus niet meer controleren op AI-gebruik, maar anders toetsen. Drie stappen die elke opleiding morgen kan zetten.
Laat studenten tijdens het onderzoek hun keuzes verantwoorden. Bespreek methodologische keuzes op vaste momenten in het proces. Zo wordt het denkwerk zichtbaar voordat er een eindtekst ligt.
Beoordeel niet alleen het eindproduct, maar ook de totstandkoming en onderbouwing. Programmatisch toetsen laat zien hoe dat werkt. Van der Vleuten en collega's beschreven al in 2012 hoe je zware beslissingen baseert op veel meetmomenten in plaats van op één product.
Laat studenten hun onderzoek mondeling verdedigen. Stel kritische vervolgvragen en vraag door op keuzes, tegenstrijdigheden en conclusies. Onderzoek aan Griffith University laat zien dat interactieve mondelinge toetsen de academische integriteit beschermen en tegelijk vaardigheden ontwikkelen waar het werkveld om vraagt (Sotiriadou e.a., 2020).
Dit pleidooi staat niet op zichzelf. Het Australische rapport Assessment reform for the age of artificial intelligence, geschreven door Lodge, Howard, Bearman en Dawson in opdracht van toezichthouder TEQSA, komt op hetzelfde uit. Betrouwbare oordelen over wat studenten kunnen vragen om meerdere en gevarieerde bewijsmomenten.
En waar blijft AI dan
AI hoort niet buiten de deur, maar wel op de goede plek. Gebruik het juist bij de voorbereiding. Laat studenten hun eigen argumenten kritisch bevragen en hun verdediging oefenen.
Wel met een belangrijke voorwaarde. In een groot veldexperiment met bijna duizend scholieren deden leerlingen die met een gewone chatbot hadden geoefend het daarna zonder AI 17 procent slechter dan leerlingen die nooit AI hadden gebruikt. Een versie die hints gaf in plaats van antwoorden haalde dat nadelige effect grotendeels weg (Bastani e.a., 2025).
Het verschil zit dus niet in de technologie, maar in hoe die is ingericht. Daarom bouwden we EduGPT met een eigen kritisch-denkenlaag. Die levert geen kant-en-klaar werk, maar stelt vragen terug. Waarom koos je deze methode? Wat zegt het sterkste tegenargument? Hoe verklaar je deze uitkomst?
Precies het soort vragen dat een student moet kunnen beantwoorden tijdens een mondelinge verdediging. Begeleiden in plaats van leveren.
Stel een andere vraag
Stop met vragen of deze student AI heeft gebruikt. Vraag of deze student kan aantonen dat hij of zij de onderzoeksvaardigheden beheerst.
We hoeven niet te wachten op betere AI-detectoren. Zeker in een tijd van AI moeten we betere manieren ontwikkelen om te beoordelen wat studenten werkelijk kunnen.
Ik ben benieuwd hoe jouw opleiding hiermee omgaat. Blijft de scriptie zoals hij is, of begint nu het echte gesprek over toetsing? Wil je verkennen hoe AI de voorbereiding op een mondelinge verdediging kan ondersteunen, neem dan gerust contact met ons op. We denken graag met je mee.
Pascal Mariany is senior docent bij de Hogeschool Utrecht, oprichter van CivAI en oprichter van Onderwijs Orakel.
Bronnen
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. en Mariman, R. (2025). Generative AI without guardrails can harm learning. Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26). doi.org/10.1073/pnas.2422633122
Corbin, T., Dawson, P. en Liu, D. (2025). Talk is cheap. Why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education, 50(7), 1087-1097. doi.org/10.1080/02602938.2025.2503964
Dawson, P., Bearman, M., Dollinger, M. en Boud, D. (2024). Validity matters more than cheating. Assessment & Evaluation in Higher Education, 49(7), 1005-1016. doi.org/10.1080/02602938.2024.2386662
Jabarian, B. en Imas, A. (2025). Artificial writing and automated detection. Working paper 2025-116, Becker Friedman Institute, University of Chicago. bfi.uchicago.edu
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E. en Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. doi.org/10.1016/j.patter.2023.100779
Lodge, J. M., Howard, S., Bearman, M. en Dawson, P. (2023). Assessment reform for the age of artificial intelligence. Tertiary Education Quality and Standards Agency (TEQSA). teqsa.gov.au
RTL Nieuws (14 oktober 2026). Onderzoek naar AI-gebruik in masterscripties van twaalf Nederlandse universiteiten, zoals overgenomen door het Reformatorisch Dagblad. rd.nl
Scarfe, P., Watcham, K., Clarke, A. en Roesch, E. (2024). A real-world test of artificial intelligence infiltration of a university examinations system. A "Turing Test" case study. PLOS ONE, 19(6), e0305354. doi.org/10.1371/journal.pone.0305354
Sotiriadou, P., Logan, D., Daly, A. en Guest, R. (2020). The role of authentic assessment to preserve academic integrity and promote skill development and employability. Studies in Higher Education, 45(11), 2132-2148. doi.org/10.1080/03075079.2019.1582015
Van der Vleuten, C. P. M., Schuwirth, L. W. T., Driessen, E. W., Dijkstra, J., Tigelaar, D., Baartman, L. K. J. en Van Tartwijk, J. (2012). A model for programmatic assessment fit for purpose. Medical Teacher, 34(3), 205-214. doi.org/10.3109/0142159X.2012.652239
Van Vlasselaer, M., Van Droogenbroeck, F. en Spruyt, B. (2026). Who wrote this? Evaluating the reliability of AI detection tools in higher education. International Journal for Educational Integrity, 22(1). doi.org/10.1007/s40979-026-00226-w
Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P. en Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19(1). doi.org/10.1007/s40979-023-00146-z
Beeld ter illustratie, gemaakt met AI