Spoor 2: Benaderingen voor AI-geïntegreerde toetsing
AI kan op verschillende manieren in toetsing geïntegreerd worden, afhankelijk van de rol die AI speelt in de toetsvorm. In sommige opdrachten kan AI vooral functioneren als een hulpmiddel dat het werk van studenten ondersteunt, terwijl in andere gevallen het een object van kritische analyse wordt of onderdeel uitmaakt van een samenwerkende workflow.
Het kiezen van een geschikte benadering
De meest geschikte benadering hangt af van de leerdoelen van de cursus en de rol die AI speelt in de taak. De onderstaande benaderingen beschrijven verschillende manieren waarop AI binnen een opdracht kan functioneren, maar ze sluiten elkaar niet uit. In de praktijk combineren veel beoordelingen elementen van meerdere benaderingen. Over alle benaderingen blijft het kernprincipe hetzelfde: toetsing richt zich op het redeneren, oordeelsvermogen en vakinhoudelijk begrip van de student, in plaats van op de door AI gegenereerde output zelf.
Wanneer je een benadering kiest, begin dan met te vragen wat studenten uiteindelijk moeten kunnen doen.
| Leerdoel | Overeenkomende benaderingen |
| Ontwikkel verantwoord gebruik van AI-tools binnen academische of professionele workflows |
|
| Ontwikkel kritische evaluatie van AI-systemen en hun beperkingen |
|
| Ontwikkel redenering, argumentatie of besluitvorming in interactieve contexten |
|
Combineren van benaderingen
In veel gevallen combineren opdrachten elementen van meerdere benaderingen. Bijvoorbeeld, studenten zouden AI kunnen gebruiken om een eerste concept of reeks ideeën te genereren (aanpak 1), kritisch evalueren van de kwaliteit en beperkingen van die output (aanpak 2), en documenteren hoe hun interactie met AI de ontwikkeling van hun werk heeft beïnvloed (aanpak 3). In andere gevallen kunnen studenten interageren met een door AI gegenereerde belanghebbende of perspectief (aanpak 4) en vervolgens de sterktes en zwaktes van de gepresenteerde argumenten analyseren.
Door de gekozen benadering af te stemmen op de beoogde leerresultaten kunnen docenten toetsen ontwerpen die studenten in staat stellen kritisch en verantwoord met AI te werken, terwijl de academische normen en disciplinaire verwachtingen behouden blijven.
Aanpak 1: AI als een hulpmiddel
In deze benadering ondersteunen AI-hulpmiddelen het werk van de student tijdens taken zoals brainstormen, het opstellen van ideeën, codeerhulp of het structureren van ideeën. AI functioneert op vergelijkbare wijze als andere onderzoeks- of schrijfhulpmiddelen: het kan het proces ondersteunen, maar je blijft verantwoordelijk voor het evalueren en verfijnen van de resultaten.
Beoordeling richt zich daarom op hoe de student omgaat met het door AI ondersteunde werk en dit verbetert, in plaats van op de aanvankelijke output die door het hulpmiddel is geproduceerd. In deze aanpak ondersteunt AI de workflow, maar de intellectuele bijdrage blijft duidelijk toeschrijfbaar aan de student.
Beoordeling kan toetsen:
- hoe studenten de kwaliteit of betrouwbaarheid van door AI gegenereerd materiaal hebben geëvalueerd
- welke aanpassingen ze hebben gemaakt en waarom
- hoe vakinhoudelijke kennis deze aanpassingen heeft geïnformeerd
- hoe het uiteindelijke werk verschilt van de aanvankelijke door AI gegenereerde output
Voorbeeld
Studenten gebruiken AI om een eerste concept van een beleidsnota te genereren. Vervolgens herzien ze het document met behulp van de cursusliteratuur en empirisch bewijs, en leggen ze uit hoe het door AI gegenereerde materiaal is geëvalueerd, gecorrigeerd of uitgebreid.
In deze aanpak ondersteunt AI de workflow, maar de intellectuele bijdrage blijft duidelijk toeschrijfbaar aan de student.
Aanpak 2: AI als een object van analyse
In deze aanpak wordt door AI gegenereerd materiaal het object van kritisch onderzoek. Studenten worden gevraagd om door AI-geproduceerde reacties te analyseren, bekritiseren of evalueren met behulp van vakinhoudelijke concepten en theoretische kaders.
Opdrachten van dit type helpen studenten vaardigheden te ontwikkelen om de betrouwbaarheid, beperkingen en vooroordelen van AI-systemen te evalueren.
Voorbeelden omvatten:
- verzonnen verwijzingen of feitelijke onnauwkeurigheden identificeren
- door AI gegenereerde samenvattingen vergelijken met originele academische teksten
- bias of nalatigheid in AI-antwoorden evalueren
- AI-gegenereerde argumenten bekritiseren met behulp van relevante theorie.
Beoordeling richt zich op:
- analytische diepgang
- gebruik van vakinhoudelijke concepten of kaders
- vermogen om beperkingen of onnauwkeurigheden in door AI gegenereerd materiaal te identificeren
- kwaliteit van het redeneren bij het evalueren van AI-antwoorden.
Voorbeeld
Studenten vergelijken een door AI gegenereerde uitleg van een theoretisch concept met de originele wetenschappelijke bron en analyseren waar de AI‑interpretatie het argument oversimplificeert of verkeerd voorstelt.
Hier fungeert AI als casestudie voor kritische analyse, in plaats van als een productiehulpmiddel.
Aanpak 3: AI als een collaboratieve partner in de workflow
In sommige opdrachten kunnen studenten gedurende de hele taak uitgebreid met AI-hulpmiddelen werken. AI wordt een onderdeel van een iteratief onderzoeks- of probleemoplossingsproces, waarbij studenten herhaaldelijk met het hulpmiddel werken en de uitkomsten verfijnen.
In deze aanpak ligt de focus van de beoordeling sterk op het proces van het werken met AI, in plaats van alleen op de uiteindelijke output.
Studenten kunnen gevraagd worden om:
- om te documenteren hoe prompts zijn ontwikkeld en verfijnd
- om uit te leggen waarom bepaalde uitkomsten zijn aanvaard, afgewezen of herzien
- om begrip van de concepten die bij de taak betrokken zijn te tonen
- om te reflecteren op de beperkingen van door AI gegenereerd materiaal
Beoordeling legt daarom de nadruk op:
- transparantie over de workflow
- verantwoording van beslissingen die tijdens het proces zijn genomen
- integratie van vakinhoudelijke kennis
- intellectueel eigendom van het eindwerk.
Voorbeeld
Studenten gebruiken AI om alternatieve methoden te genereren voor het analyseren van een dataset. Ze kiezen vervolgens een methode, passen die aan en rechtvaardigen ze deze met behulp van cursusconcepten, en leggen uit hoe AI-voorstellen zijn geëvalueerd en aangepast.
In deze aanpak maakt AI deel uit van het onderzoeksproces zelf, maar blijven studenten verantwoordelijk voor het interpreteren van de resultaten en het nemen van weloverwogen beslissingen.
Aanpak 4: AI als een simulatiepartner
In deze benadering worden AI-hulpmiddelen gebruikt om belanghebbenden, perspectieven of scenario’s te simuleren waar studenten mee moeten analyseren of op reageren. AI wordt onderdeel van een interactieve leeromgeving, waardoor studenten argumenten kunnen testen, alternatieve standpunten kunnen verkennen, of professionele besluitvorming kunnen oefenen.
Het doel van de opdracht is niet om de output van AI zelf te evalueren, maar om te beoordelen hoe je de gesimuleerde interactie interpreteert, bekritiseert en erop reageert.
Voorbeelden omvatten:
- deelnemen aan een gesimuleerde beleidsonderhandeling met een AI-gegenereerde belanghebbende
- een AI-systeem bevragen dat optreedt als historische figuur of theoretisch perspectief
- reageren op AI-gegenereerde tegenargumenten bij een debat-oefening
- interageren met een AI-systeem dat een patiënt, cliënt of organisatorische besluitvormer simuleert.
Beoordeling richt zich op:
- de kwaliteit van de redenering en de reacties van de student
- het gebruik van vakinhoudelijke kennis bij het analyseren van de gesimuleerde interactie
- het vermogen om zwakke punten of beperkingen in AI-gegenereerde argumenten te identificeren
- de reflectie van de student op hoe de interactie hun denken heeft beïnvloed
Voorbeeld
Studenten voeren een gesimuleerde onderhandeling uit met een AI-systeem dat verschillende beleidsbelanghebbenden vertegenwoordigt. Vervolgens analyseren ze de interactie, identificeren ze welke argumenten overtuigend waren, waar het AI-redeneren gebreken vertoonde, en hoe hun eigen positie tijdens de uitwisseling zich ontwikkelde.
In deze aanpak fungeert AI als een dynamische prikkel voor disciplinaire redenering, in plaats van als een bron van inhoud die studenten moeten reproduceren.