Herschrijven we het curriculum of stapelen we tools?
Deze week verscheen een systematische review die me niet meer losliet. Sabani en collega's (2026) analyseerden 209 studies over generatieve AI in het hoger onderwijs en brachten in kaart waar al dat onderzoek eigenlijk over gaat.
Hun opvallendste bevinding zit in wat er ontbreekt. In hun bibliometrische kaart blijkt het curriculum een perifeer begrip. Vrijwel alle aandacht gaat naar tools, naar toetsing en naar fraude. De plek waar onderwijs werkelijk wordt ontworpen blijft grotendeels buiten beeld.
Dat herkennen we. Als docent zie Pascal Mariany overal enthousiaste experimenten. Als founder spreekt hij bestuurders die worstelen met beleid. Maar het gesprek over het curriculum als geheel wordt zelden gevoerd.
Bakogianni, Liljekvist en Bui (2026) noemen generatieve AI daarom een runaway object. De adoptie loopt via studenten en collega's, informeel en buiten de instelling om. Ondertussen wachten curriculumcommissies af.
Vijf verschuivingen
Sabani en collega's beschrijven vijf verschuivingen die samen een nieuw leersysteem vormen.
Van een statisch curriculum naar dynamisch ontwerp waarin AI inhoud én methode is
Van docentgestuurde overdracht naar begeleiding waarin AI meewerkt
Van kennisoverdracht naar het ontwikkelen van duurzame vermogens
Van losse experimenten naar institutionele afspraken
Van gefragmenteerde tools naar een samenhangend ecosysteem
Hun eerste propositie vat het samen. Integratie van AI vraagt om het opnieuw doordenken van het curriculum, niet om het vervangen van losse onderdelen.
Waarom dit urgent is
Ander recent onderzoek laat zien wat er gebeurt als we dit gesprek niet voeren.
Crolla, Xia en Jiang (2026) vonden dat AI de verschillen tussen studenten vergroot. Sterke studenten gebruiken AI om hun denken uit te breiden. Kwetsbare studenten besteden het denkwerk uit en leveren keurige producten in zonder begrip.
Chang en Li (2026) analyseerden ruim zestigduizend studentgesprekken met een AI-assistent. Niet de individuele student maar het ontwerp van de cursus bleek te bepalen hoe diep er werd gedacht.
Wang en collega's (2026) noemen het risico treffend performance without learning. En Mathew en collega's (2026) laten zien dat taalmodellen essays wezenlijk anders beoordelen dan mensen. Het professionele oordeel van de docent blijft onmisbaar.
Deng, Çelik en Duran (2026) concluderen bovendien dat AI-geletterdheid van docenten nu vooral ontstaat door individueel pionieren. Duurzame ontwikkeling vraagt om institutionele structuren.
Stuk voor stuk wijzen deze studies dezelfde kant op. De vraag is niet welke tool we kiezen, maar hoe we leren ontwerpen.
Kijken met HEAR
In het boek De kunst van het samenleven met AI (Mariany, 2026) introduceert Pascal het HEAR-raamwerk voor mensgericht werken met AI. Vier lagen bepalen samen of de interactie met AI leerzaam, verantwoord en vormend is.
Human Intent. De bedoeling komt eerst. Wat willen we dat studenten hier ontwikkelen, en onder welke condities?
Expressive Interaction. De taal tussen mens en systeem, die overtuigend kan klinken terwijl het systeem niets bedoelt.
AI Mediation. Wat er gebeurt tussen vraag en antwoord. AI selecteert, ordent en versmalt denkpaden nog voordat wij oordelen.
Reasoned Responsibility. Het eigenaarschap over het oordeel, gegrond in navolgbare afwegingen.
Op curriculumniveau krijgt HEAR een extra dimensie. Human Intent ligt dan niet bij één docent maar bij het team. En Reasoned Responsibility wordt collectief. Niet één docent maar de opleiding weegt, besluit en legitimeert.
Precies die beweging beschrijven Sabani en collega's als de stap van losse experimenten naar een samenhangend leersysteem.
Curriculumdenken in de praktijk
Zeker in een tijd van AI geloven we dat docenten ontwerpers zijn, geen uitvoerders van een tool. Met die overtuiging bouwden we binnen EduGPT de Curriculum Companion.
De companion herschrijft geen curriculum en velt geen oordeel. Hij stelt ontwerpvragen. Waar wordt zelfstandigheid verondersteld zonder dat die is voorbereid? Waar zit feedback structureel in de leerroute en waar alleen incidenteel? Waar voegt AI iets toe en waar moet AI bewust afwezig blijven?
Teams die ermee werken merken dat het gesprek verschuift. Van losse tools en pilots naar ontwerpprincipes. Van wat moeten we implementeren naar wat vinden wij belangrijk genoeg om expliciet te kiezen.
Het denkwerk blijft waar het hoort. Bij mensen.
Wie dit wil zien werken vindt op ons YouTube-kanaal kennisclips over de companions. In de demo-omgeving van EduGPT kun je de Curriculum Companion zelf uitproberen met een eigen curriculumdocument.
Nooit uitgeleerd
Het onderzoek van Sabani en collega's bevestigt wat we dagelijks zien. De techniek is er en het enthousiasme is er. De echte opgave ligt bij ontwerp en samenhang.
Daarover gaan we graag in gesprek. Voert jouw opleiding het gesprek over AI nog op het niveau van tools, of al op het niveau van het curriculum? We zijn benieuwd waar jij staat.
Bronnen
Bakogianni, D., Liljekvist, Y., & Bui, P. (2026). GenAI as a runaway object in higher education: A socio-cultural view on AI-influenced academic practice in mathematics. Computers and Education: Artificial Intelligence, 11, Artikel 100637. https://doi.org/10.1016/j.caeai.2026.100637
Chang, C.-K., & Li, K.-H. (2026). Chat as learning: Student–AI conversations as discipline-associated cognitive engagement patterns. Computers and Education: Artificial Intelligence, 11, Artikel 100644. https://doi.org/10.1016/j.caeai.2026.100644
Crolla, K., Xia, X., & Jiang, Y. (2026). AI-mediated cognitive divergence in built-environment education: Evidence from a mixed-methods study. Computers and Education: Artificial Intelligence, 11, Artikel 100665. https://doi.org/10.1016/j.caeai.2026.100665
Deng, Y., Çelik, F., & Duran, V. (2026). Governing the unseen: A systematic review of AI literacy among language teachers in higher education. Computers and Education: Artificial Intelligence, 11, Artikel 100658. https://doi.org/10.1016/j.caeai.2026.100658
Mariany, P. (2026). De kunst van het samenleven met AI. Van Duuren Media.
Mathew, J. G., Taher, S., Kundu, A., & Barbosa, D. (2026). LLMs do not grade essays like humans. Computers and Education: Artificial Intelligence, 11, Artikel 100666. https://doi.org/10.1016/j.caeai.2026.100666
Sabani, A., Farah, M. H., Catyanadika, P. E., Dewi, D. R. S., & Tawani, V. (2026). Rewriting the curriculum: A systematic review of generative AI-driven pedagogical change and emerging systems of learning in higher education. Computers and Education: Artificial Intelligence, 11, Artikel 100667. https://doi.org/10.1016/j.caeai.2026.100667
Wang, X., Zheng, Z., Zhang, J., Hou, X., & Zhu, Z. (2026). The IDEA framework for metacognitively regulated GenAI use in higher education: Development and exploratory pilot evidence. Computers and Education: Artificial Intelligence, 11, Artikel 100657. https://doi.org/10.1016/j.caeai.2026.100657