De opkomst van AI heeft het landschap van opleidingen ingrijpend veranderd. Deze technologie biedt ongekende mogelijkheden voor (content)ontwikkeling en feedback. Maar aan de andere kant brengt AI juist bij oefening, toetsing en examinering grote uitdagingen met zich mee. Hoe evalueren en beoordelen we nog eerlijk en betrouwbaar als AI mogelijk heeft bijgedragen aan het resultaat?

Herontwerp opleidingsprogramma

De komst van AI vraagt om een fundamentele herziening van opleidingsprogramma’s. Dat betekent dat leerdoelen, leeractiviteiten en toetsvormen opnieuw op elkaar afgestemd moeten worden, de zogenaamde “Constructive alignment”.

Het is cruciaal dat toetsing geloofwaardig en relevant blijft, want een diploma verliest zijn waarde als het niet duidelijk is of de student de beoogde competenties daadwerkelijk beheerst. Daarom moeten we een opleidingsprogramma, leerdoelen, leeractiviteiten en toetsvormen zo aanpassen dat duidelijk blijft wat de student zelf kan en wat door AI is gemaakt. Dit vraagt om aanpassingen van de verschillende aspecten van een opleidingsprogramma, maar biedt ook kansen om bijvoorbeeld toetsen meer op het leerproces te richten in plaats van uitsluitend op het eindproduct.

Leerdoelen herzien

Opleidingen moeten leerdoelen aanscherpen en uitbreiden om studenten uit te rusten met AI-vaardigheden die in het werkveld nodig zijn. Een traditioneel leerdoel als “De student kan een verslag schrijven over trends en ontwikkelingen” evolueert bijvoorbeeld naar “De student kan met ondersteuning van AI een verslag schrijven en deze beoordelen op echtheid. Daarmee komt er een extra dimensie bij: het beoordelen en verbeteren van AI-gegenereerde verslagen. Door leerdoelen te actualiseren, ontstaat een duidelijke basis om leeractiviteiten en toetsing in lijn te brengen met deze nieuwe verwachtingen.

Leeractiviteiten vernieuwen

Docenten experimenteren al met AI-geïntegreerde werkvormen, zoals het inzetten van AI als feedbackpartner. Studenten kunnen bijvoorbeeld een verslag door ChatGPT laten maken en vervolgens in groepen analyseren wat goed of fout is.

Tegelijk blijven activiteiten zonder AI belangrijk om fundamentele kennis en vaardigheden te verankeren, gevolgd door opdrachten mét AI om die kennis op een hoger niveau toe te passen. Deze variatie bereidt studenten voor op een praktijk waarin ze soms zelfstandig moeten werken en soms slim moeten samenwerken met AI-tools.

Authenticiteit en betrouwbaarheid onder druk

De grootste uitdaging bij het herontwerpen van opleidingsprogramma’s ligt in de toetsing. Klassieke toetsvormen, zoals schriftelijke opdrachten en huiswerk, boden lange tijd een solide basis. Maar deze vormen zijn kwetsbaar voor oneigenlijk AI-gebruik. Dat betekent niet dat ze moeten verdwijnen, maar wel dat ze kritisch herzien en aangepast worden. Daarbij is transparantie cruciaal: wie is verantwoordelijk voor het werk – de student, de student met AI, of AI alleen? En sluit dat aan bij de leerdoelen? Deze vragen zijn bepalend voor toekomstbestendige toetsvormen en het waarborgen van kwaliteit.

Het doel van opleidingen verandert niet, dit is namelijk het begeleiden van studenten in hun ontwikkeling en hen voorbereiden op de veranderende beroepspraktijk. Maar het speelveld van opleidingen is door AI veranderd, en daarmee ook de spelregels. Het doel is niet om toetsing volledig “AI-proof” te maken, maar om de kwaliteit van onderwijs en toetsing te behouden, versterken én borgen door AI-bewuste toetsprogramma’s te integreren.

Strategieën opleiders

Om te voorkomen dat AI het leerproces overneemt of ondermijnt, kunnen opleiders verschillende strategieën toepassen:

Gesprekken en presentaties Direct het denkproces en de eigen inzichten van studenten bevragen, zodat AI-gegenereerde kennis niet als eigen werk kan worden gepresenteerd.

Openboek examens Gebruik van bronnen, inclusief AI, is toegestaan, maar vragen richten zich op toepassing en inzicht, niet op reproduceerbare antwoorden.

Processtukken en reflecties Door tussentijdse producten in te leveren, wordt zichtbaar hoe het eindproduct tot stand kwam en hoe AI eventueel is ingezet. Ook kan gevraagd worden naar de wijze van inzet van AI.

Opdrachten uit de beroepspraktijk Taken die dicht bij de beroepspraktijk liggen, zoals praktijkcasussen of onderzoeksopzetten, verhogen validiteit en relevantie.

Daarnaast groeit de aandacht voor alternatieve evaluatiemethoden, zoals peer assessment, AI-gedreven simulaties en data-geïnformeerde beoordelingen. AI kan deze benaderingen ondersteunen, maar menselijk oordeel blijft essentieel.

Kansen van AI

Wanneer AI doelgericht wordt ingezet, ontstaan er aanzienlijke kansen om het leren te verrijken en toetsing te verbeteren.

Maatwerk & feedback AI kan fungeren als persoonlijke assistent die studenten direct feedback geeft en hen helpt om stof op maat te oefenen. Dit versnelt de leercyclus, verhoogt de kwaliteit van leren en versterkt AI de studentbetrokkenheid (Eden, Chisom, & Adeniy, 2024).

Docenten en ontwikkelaars kunnen AI inzetten om leermaterialen te ontwikkelen. De tijd die vervolgens overblijft kan gebruikt worden voor de persoonlijke begeleiding van studenten.

Adaptieve & authentieke leeromgevingen AI maakt realistische simulaties en oefenscenario’s mogelijk die voorheen te complex of kostbaar waren. Denk aan adaptieve casussen die zich aanpassen aan eerdere keuzes van de student.

Voorwaarden voor effectief leren met AI

AI kan het leerproces ondersteunen, personaliseren, verrijken en efficiënter maken. Maar effectief leren mét en dóór AI vraagt om specifieke vaardigheden en voorwaarden bij studenten:

Sterke kennisbasis Studenten hebben een solide voorkennis nodig om nieuwe informatie die door AI wordt gegenereerd kritisch te kunnen beoordelen. Zowel de hoeveelheid als de kwaliteit van die kennis zijn essentieel.

Kritisch denkvermogen Het vermogen om de aannemelijkheid van AI-gegenereerde informatie te beoordelen is cruciaal. Studenten moeten leren om met gezond verstand en analytisch inzicht te bepalen wat klopt en wat niet.

Zelfregulerend leren AI-ondersteunde leerprocessen vragen om een hoge mate van zelfsturing. Waar traditionele curricula vaak gestructureerd zijn, moeten studenten nu zelf effectieve leerstrategieën inzetten.

Cognitieve strategieën Omdat AI-platforms niet dezelfde didactische structuur bieden als klassieke leervormen, moeten studenten hun cognitieve belasting actief managen om overbelasting te voorkomen.

Opleiders moeten zich daarom afvragen:

• Wat hebben studenten dankzij AI geleerd?
• Wat moeten studenten nog ontwikkelen zonder AI?

Alleen door deze bewuste afweging blijft AI een hulpmiddel dat het leerproces versterkt, in plaats van het overneemt.

Samenvattend

AI is een krachtige versneller van verandering in beroepsopleidingen. Het zet traditionele leer- en toetsmethoden onder druk en dwingt ons om scherper dan ooit te definiëren wat we écht van studenten willen weten en beoordelen.

In een AI-bewuste leeromgeving werken studenten en docenten samen aan vernieuwde leerdoelen, waarin AI niet als vervanging maar als verrijking wordt ingezet.

Wil je van gedachten wisselen over de transformatie van jouw opleidingen?
Neem dan contact met me op.

Bronnen

Beekman, K., Draaijer, S., Beckers, J., Schagen, E., & Hofman, I. (2025, mei 27). Opgehaald van Npuls: https://npuls.nl/kennisbank/visie-op-toetsing-examinering-en-ai-handreikingen

Eden, C. A., Chisom, O. N., & Adeniy, I. S. (2024, maart 2). Integrating AI in education: Opportunities, challenges, and ethical considerations. Magna Scientia Advanced Research and Reviews, 10(2), pp. 6 – 13.