Als AI het denkwerk overneemt, wat blijft er dan over van leren?
De eerste gesprekken over AI in opleidingen gingen vooral over regels. Over wat wel en niet mocht. Over verboden, detectietools en handhaving. Dat was begrijpelijk, maar inmiddels voelt het als een tussenfase. Want hoe langer AI aanwezig is in het onderwijs, hoe duidelijker wordt dat de echte vragen ergens anders liggen.
Niet bij de technologie, maar bij het onderwijs zelf.
Want als een systeem moeiteloos teksten kan schrijven, samenvatten en analyseren, dan dwingt dat ons om opnieuw te kijken naar wat we eigenlijk willen dat leerlingen leren. En vooral: wat we willen dat ze zélf blijven kunnen.
Van handige tool naar fundamentele curriculumvraag
AI wordt vaak gepresenteerd als hulpmiddel. Iets wat leren efficiënter kan maken. En dat klopt, tot op zekere hoogte. Maar wie curriculumontwikkeling serieus neemt, merkt al snel dat deze framing te beperkt is.
Onderwijs draait niet alleen om het produceren van goede producten. Het gaat om begrijpen, redeneren, afwegen en verbanden leggen. Om denken dus. AI‑geletterdheid is veel breder dan vaardig gebruik. Het gaat om begrijpen hoe AI werkt, kritisch omgaan met output en verantwoord handelen in context.
Dat zijn geen technische leerdoelen. Het zijn cognitieve en pedagogische doelen.
Voor curriculumontwikkeling betekent dit een verschuiving. De vraag is niet langer: waar leren studenten AI gebruiken? Maar: waar in het curriculum oefenen studenten met denken, juist in een wereld waarin AI veel denkstappen kan overnemen?
AI als vergrootglas voor zwakke plekken in het curriculum
AI legt iets bloot wat er vaak al was. Veel curricula zijn sterk productgericht. Verslagen, essays, reflecties. Werkvormen die lange tijd prima functioneerden, maar nu kwetsbaar blijken. Niet omdat studenten massaal “vals spelen”, maar omdat het leerdoel onvoldoende scherp is geformuleerd.
Cognitief onderzoek laat al decennia zien dat leren niet in het eindproduct zit, maar in het proces ernaartoe. Begrip ontstaat door moeite, door het actief construeren van kennis. Moeite die nodig is om duurzame kennis op te bouwen.
Generatieve AI kan die moeite verminderen. Soms terecht, soms niet. Wanneer AI structuur biedt of feedback geeft, kan het leren ondersteunen. Maar wanneer het analyseren, synthetiseren of evalueren volledig wordt uitbesteed, verdwijnt precies datgene wat we zeggen belangrijk te vinden.
AI maakt daarmee pijnlijk zichtbaar waar curricula impliciet leunen op het idee dat hogere denkvaardigheden vanzelf wel ontstaan.
Hogere denkvaardigheden ontwikkelen zich niet vanzelf
Analyseren, evalueren, abstraheren en redeneren zijn geen bijproducten van ‘complexe opdrachten’. Onderzoek naar metacognitie en zelfregulerend leren laat zien dat deze vaardigheden expliciete instructie en oefening nodig hebben. Ze ontstaan door herhaald actief denken, niet door het herkennen van goede antwoorden.
Vanuit neuropsychologisch perspectief is dat logisch. Het brein verandert door actief gebruik. Neurale netwerken versterken wanneer leerlingen zelf redeneren, keuzes maken en fouten herstellen. Wie een analyse laat genereren zonder zelf te analyseren, traint dat denkvermogen niet. Zo simpel – en zo ongemakkelijk – is het.
Dat maakt AI geen vijand van leren, maar wel een factor waarmee curriculumontwerp rekening móét houden. Anders verdwijnt de cognitieve inspanning ongemerkt uit het onderwijs.
Minder cognitieve belasting is niet altijd beter
AI wordt vaak geprezen omdat het cognitieve belasting vermindert. En inderdaad: het kan onnodige belasting wegnemen. Maar de cognitieve leertheorie maakt een belangrijk onderscheid tussen belasting die stoort en belasting die bijdraagt aan leren.
Wanneer ook de leerzame belasting verdwijnt – het zelf analyseren, het afwegen, het construeren van betekenis – blijft er weinig over om van te leren. Studenten worden dan goed in het beoordelen van output, maar niet meer in het voortbrengen ervan.
Curriculumontwikkeling rond AI‑geletterdheid is daarom ook een vorm van cognitieve ethiek. Waar willen we dat het brein actief blijft, zelfs als technologie het werk kan overnemen?
Toetsing: van controle naar zicht op denken
Nergens wordt deze spanning zo voelbaar als bij toetsing. Traditionele summatieve toetsen zijn vaak gericht op reproduceerbare producten. Precies daar is AI sterk in. Pogingen om dat te controleren via detectietools blijken weinig betrouwbaar en leiden vooral tot schijnzekerheid.
De vraag verschuift daarmee onvermijdelijk: wat willen we eigenlijk toetsen?
Onderzoek naar programmatisch toetsen en formatief handelen laat zien dat betrouwbare beoordeling ontstaat door een samenhangend beeld over tijd. Door verschillende vormen van bewijs, door professionele oordeelsvorming en door het expliciet maken van denkprocessen.
In een context met AI betekent dat:
- minder focus op het eindproduct alleen;
- meer aandacht voor toelichting, verantwoording en redenering;
- toetsen waarin studenten uitleggen hoe en waarom zij AI hebben ingezet;
- opdrachten zonder eenduidig antwoord, waarin afwegingen centraal staan.
Toetsing wordt daarmee niet zwakker, maar inhoudelijk rijker. En het beschermt precies die hogere denkvaardigheden die we willen ontwikkelen.
De rol van de docent: geen tech-expert, wel denkbegeleider
AI‑geletterdheid vraagt niet dat docenten alles weten van technologie. Het vraagt iets anders: pedagogische scherpte. Het vermogen om het gesprek te voeren over kwaliteit, betrouwbaarheid en betekenis.
Waarom vertrouw je deze output? Wat neem je over, wat niet? Wat had je zelf kunnen bedenken? Dat zijn geen technische vragen, maar didactische.
Onderzoek naar professionele leergemeenschappen laat zien dat dit niet iets is wat individuele docenten alleen moeten oplossen. Curriculumontwikkeling rond AI vraagt om gezamenlijke taal, gedeelde normen en ruimte om te experimenteren. Niet alles hoeft vast, maar het gesprek moet wel gevoerd worden.
Geen extra vak, maar een herontwerp
Misschien is dit wel de belangrijkste conclusie: AI‑geletterdheid is geen los onderwerp dat je “erbij doet”. Het raakt aan fundamentele keuzes over leren, denken en beoordelen. Het is daarmee geen implementatievraagstuk, maar een ontwerpopgave.
AI dwingt het onderwijs om opnieuw positie te kiezen. Wat vinden we waardevol leren? Wat willen we dat leerlingen zelf blijven doen, ook als technologie het sneller kan?
Niet door harder te controleren, maar door scherper te ontwerpen. En misschien is dat, los van alle technologie, wel de meest waardevolle opbrengst van deze ontwikkeling.
Bronnen (Caspari-Sadeghi, 2026)
Caspari-Sadeghi, S. (2026, april 14). A literacy for teacher educators: a holistic curriculum for capacity-building in higher education. Frontiers in Education, pp. 1 – 10.
Renkema, M., Van de Boom-Muilenburg, E., Friso-van den Bos, I., Theelen, H., Wopereis, I., & Schildkamp, K. (2025). AI-GO! Een Raamwerk voor AI-Geletterdheid in het Onderwijs (AI-GO Raamwerk). Utrecht: NPULS.