Wanneer is generatieve AI echt educatief? Zeven kenmerken uit onderzoek en praktijk

Onlangs kreeg Pascal Mariany in een onderwijscommunity een vraag die hem is bijgebleven. Waar moet generatieve AI aan voldoen om echt educatief te zijn? En dan niet de zoveelste chatbot met een onderwijslabel erop, maar AI die leren werkelijk verder helpt.

Een terechte vraag. Bijna elke aanbieder noemt zijn tool inmiddels educatief. Een studiemodus hier, een leerlingversie daar. Maar wat maakt het verschil tussen AI die leert en AI die het werk overneemt?

In dit stuk zet Pascal op een rij wat onderzoek en praktijk ons daarover vertellen. Zeker in een tijd van AI verdient die vraag een onderbouwd antwoord.

Educatief zit in het ontwerp, niet in het label

Het belangrijkste inzicht eerst. Hetzelfde taalmodel kan leren schaden of versterken. Dat hangt af van hoe het is ingericht en hoe je het inzet.

Het overtuigendste bewijs komt van Hamsa Bastani en collega's (PNAS, 2025). Zij gaven bijna duizend middelbare scholieren in Turkije toegang tot GPT-4 bij wiskunde. De ene groep kreeg een gewone chatinterface, de andere een tutorversie die hints gaf in plaats van antwoorden.

Tijdens het oefenen scoorde de groep met de gewone chatbot 48 procent beter dan leerlingen zonder AI. Maar toen de AI wegviel, deden ze het op de toets 17 procent slechter dan leerlingen die nooit AI hadden gehad. Ze hadden de chatbot als kruk gebruikt. In de tutorversie bleef die schade grotendeels uit.

Daarom kijkt Pascal naar educatieve AI door de lens van HEAR, het raamwerk voor mensgericht werken met AI uit mijn boek De kunst van het samenleven met AI. HEAR heeft vier lagen. Human Intent gaat over de bedoeling die altijd bij de mens ligt. Expressive Interaction gaat over de taal tussen mens en systeem. AI Mediation gaat over wat er tussen vraag en antwoord gebeurt. Reasoned Responsibility gaat over wie het oordeel draagt. Je ziet die lagen hieronder terugkomen.

Zeven kenmerken van educatieve AI

1. Het denken blijft bij de leerling

Educatieve AI levert geen kant-en-klaar werk. Ze vraagt eerst terug wat de leerling al heeft geprobeerd, waar het vastloopt en wat de volgende stap zou kunnen zijn. Pas daarna volgt een hint, een opzet of een voorbeeld.

Dat is precies de laag van AI Mediation. Wat er tussen vraag en antwoord gebeurt, bepaalt of er geleerd wordt. Michael Gerlich (2025) vond bij 666 deelnemers een duidelijk verband tussen veel AI-gebruik en minder kritisch denken, via het uitbesteden van denkwerk. Goede educatieve AI remt dat uitbesteden bewust af.

2. Het ontwerp is gebouwd op leerwetenschap

Een goede educatieve AI past principes toe die we al decennia kennen. Denk aan actief leren, de cognitieve belasting doseren, kennis laten ophalen uit het geheugen en feedback geven op het proces in plaats van alleen op het eindproduct.

Hattie en Timperley (2007) beschreven al dat feedback pas werkt als die drie vragen beantwoordt. Waar ga ik naartoe, waar sta ik nu en wat is mijn volgende stap? Een AI die alleen een cijfer of een verbeterde tekst teruggeeft, slaat die vragen over.

Dat ontwerp loont. Gregory Kestin en collega's (Scientific Reports, 2025) bouwden aan Harvard een AI-tutor voor natuurkunde op dezelfde didactische principes als hun lessen. Studenten leerden daarmee aantoonbaar meer in minder tijd dan in een les met actief leren, en voelden zich ook meer betrokken.

3. Het leerdoel komt eerst

Educatieve AI weet waarvoor ze wordt ingezet. Ze is afgestemd op het leerdoel, het niveau en het curriculum, en de docent kan die context zelf instellen.

Hier zit Human Intent. De bedoeling komt van de mens, niet van het systeem. Een AI die bij elke vraag hetzelfde behulpzame antwoord geeft, ongeacht of het om een toets, een oefening of een verkenning gaat, mist die bedoeling volledig.

4. De docent blijft regisseur

De mooiste resultaten ziet Pascal waar AI de docent versterkt in plaats van vervangt. Rose Wang en collega's (Stanford, 2024) onderzochten Tutor CoPilot bij 900 tutoren en 1.800 leerlingen. De AI gaf de tutor tijdens de les suggesties, de tutor bleef zelf aan het woord.

Leerlingen kwamen 4 procentpunt vaker tot beheersing van de stof, bij minder ervaren tutoren zelfs 9 procentpunt. Tutoren stelden vaker begeleidende vragen en gaven minder vaak het antwoord weg.

Dat is Reasoned Responsibility. Het oordeel over wat een leerling nodig heeft, blijft bij de professional. De AI ondersteunt dat oordeel, maar neemt het niet over.

5. De AI is eerlijk over onzekerheid en bronnen

Taalmodellen formuleren overtuigend, ook als ze ernaast zitten. Dat is de valkuil van Expressive Interaction. Het systeem klinkt zeker, maar bedoelt niets.

Onderzoek van Microsoft Research (Lee e.a., 2025) laat zien dat mensen die veel vertrouwen in AI hebben, minder kritisch nadenken over de uitkomst. Educatieve AI moet dat vertrouwen dus juist kalibreren. Ze laat zien waar haar kennis vandaan komt, benoemt twijfel en nodigt de leerling uit om te controleren.

6. Veilig en passend bij de leeftijd

Leerlingen onder de achttien zijn een kwetsbare groep. Privacy, dataopslag en leeftijdsgrenzen moeten dus op orde zijn voordat de didactiek überhaupt aan bod komt.

Het AI Toetsingskader Funderend Onderwijs van SIVON en Kennisnet (april 2026) is daarvoor een goed startpunt. En zet je AI in om te beoordelen of toegang tot onderwijs te bepalen, dan valt dat onder de hoog-risicoregels van de Europese AI Act, die vanaf december 2027 gelden.

7. Meet leren, niet tevredenheid

Hoe goed leerlingen presteren mét AI, zegt weinig over wat ze hebben geleerd. Het onderzoek van Bastani laat dat pijnlijk zien. De beste oefenscores gingen samen met de slechtste toetsresultaten.

Wil je weten of een AI educatief is, meet dan wat leerlingen daarna zelfstandig kunnen. Dat vraagt om een voormeting en een nameting, en om de moed om een tool los te laten als die niet helpt.

Vijf vragen voor wie educatieve AI kiest of bouwt

• Geeft de AI antwoorden of stelt ze vragen terug?

• Op welke didactische principes is het ontwerp gebaseerd, en kan de aanbieder dat laten zien?

• Kan de docent het leerdoel, het niveau en de grenzen zelf instellen?

• Hoe gaat de AI om met onzekerheid, bronnen en leerlinggegevens?

• Is er onderzoek naar wat leerlingen ná het gebruik zelfstandig kunnen?

Hoe wij dit in de praktijk toepassen

Deze inzichten zijn voor ons de reden geweest om in EduGPT een eigen kritisch-denkenlaag te bouwen. Die zit tussen de vraag van de student en het antwoord van het model in. Ze levert geen kant-en-klaar werk, maar vraagt terug wat de student al heeft gedaan en helpt met hints en een opzet. Begeleiden in plaats van leveren.

Het blijft daarbij een keuze van de docent of opleiding. Soms wil je juist wel een direct antwoord, bijvoorbeeld bij het voorbereiden van een les. Educatief betekent dan niet dat de AI altijd terugvraagt, maar dat de inzet past bij het leerdoel.

Pascal is benieuwd hoe jij hiernaar kijkt. Welke kenmerken mis je nog, en wat zie jij in je eigen klas of opleiding gebeuren? Laten we het gesprek samen voeren, want informatie is overal, maar begeleiding niet.

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), e2422633122. doi.org/10.1073/pnas.2422633122

• Gerlich, M. (2025). AI tools in society. Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. doi.org/10.3390/soc15010006

• Hattie, J. en Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81-112. doi.org/10.3102/003465430298487

• Kestin, G., Miller, K., Klales, A., Milbourne, T. en Ponti, G. (2025). AI tutoring outperforms in-class active learning. An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. doi.org/10.1038/s41598-025-97652-6

• Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R. en Wilson, N. (2025). The impact of generative AI on critical thinking. Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1-22. doi.org/10.1145/3706598.3713778

• Mariany, P. (2026). De kunst van het samenleven met AI. Van Duuren Media.

• SIVON en Kennisnet (2026). AI Toetsingskader Funderend Onderwijs, versie 1.0.

• Wang, R. E., Ribeiro, A. T., Robinson, C. D., Loeb, S. en Demszky, D. (2024). Tutor CoPilot. A human-AI approach for scaling real-time expertise. arXiv, 2410.03017. doi.org/10.48550/arXiv.2410.03017

Beeld ter illustratie, gemaakt met AI