AI verandert niet alleen hoe studenten leren. Het verandert ook wat je eigenlijk nog wilt toetsen.

Veel gesprekken over AI in het onderwijs beginnen bij hulpmiddelen. Mag een student AI gebruiken? Wanneer wel, wanneer niet? Hoe controleer je dat? Maar die vragen komen eigenlijk pas later. De eerste vraag is veel belangrijker: wat wil je dat een student leert?

Precies daar schuift er door AI iets fundamenteels. Want als een tool in een paar seconden een redelijke samenvatting, een eerste analyse of een keurige tekst kan maken, dan verandert de waarde van sommige leerdoelen. Niet alles wat vroeger een goed einddoel was, is dat nog in dezelfde vorm. Dat betekent niet dat kennis verdwijnt. Het betekent wel dat onderwijs vaker moet opschuiven van reproductie naar begrijpen, analyseren, beoordelen, evalueren, vergelijken, verbeteren en verantwoorden.

Daarom gaat dit onderwerp niet alleen over toetsing. Het gaat over de hele lijn van je onderwijs. Over leerdoelen. Over wat studenten oefenen. Over wat je formatief laat uitproberen. En over wat je uiteindelijk summatief laat zien. Wie daar niet opnieuw naar kijkt, loopt het risico dat onderwijs en toetsing nog wel bekend aanvoelen, maar minder goed aansluiten op wat studenten nu echt moeten leren in een tijd van AI (Beekman et al., 2025; Npuls, 2025).

De echte startvraag is niet: mag AI hier?

Die vraag wordt vaak als eerste gesteld, maar eigenlijk is het een tweede vraag. Eerst moet duidelijk zijn wat de student zelf moet kennen, kunnen en verantwoorden. Pas daarna kun je bepalen of AI daar een plek in heeft, en zo ja: welke.

Dat is belangrijk, omdat AI niet alleen het werkproces verandert, maar ook de betekenis van sommige prestaties. Een student die vroeger een tekst schreef om te laten zien dat hij een onderwerp begreep, kan nu met AI relatief snel tot een acceptabel resultaat komen. Daardoor moet je als docent scherper kijken: gaat dit leerdoel eigenlijk over schrijven, over begrijpen, over argumenteren, over kritisch beoordelen, of over iets anders?

Zodra die vraag helder wordt, worden keuzes over onderwijs en toetsing ook helderder. Dan wordt zichtbaar wanneer AI best mag ondersteunen, wanneer je AI juist wilt begrenzen, en wanneer je wilt dat de student iets volledig zelfstandig laat zien (Attewell, 2024).

Leerdoelen veranderen mee met AI

De invloed van AI op leerdoelen is groter dan soms wordt gedacht. Natuurlijk blijven basiskennis, begrip en oefening belangrijk. Maar in veel opleidingen worden eenvoudige vormen van reproductie minder onderscheidend. Een student hoeft niet meer veel moeite te doen om een eerste versie van een tekst, uitleg of overzicht te krijgen. Daardoor komt de vraag sterker op tafel: wat moet een student méér kunnen dan alleen iets reproduceren?

Daar verschuiven leerdoelen steeds vaker naar hogere orde vaardigheden. Studenten moeten niet alleen informatie kunnen geven, maar ook kunnen analyseren of die informatie klopt. Ze moeten teksten kunnen beoordelen op kwaliteit. Ze moeten verschillende antwoorden kunnen vergelijken. Ze moeten voorstellen, argumenten of adviezen kunnen evalueren. En ze moeten kunnen uitleggen waarom de ene keuze beter is dan de andere.

In het mbo krijgt dat vaak vorm in concrete beroepssituaties. Een student moet bijvoorbeeld niet alleen een procedure kennen, maar ook kunnen inschatten wanneer die procedure wel of niet passend is. In het hbo zie je vaker dat studenten niet alleen een analyse moeten maken, maar ook de kwaliteit van een tekst, voorstel of advies kritisch moeten beoordelen en verbeteren. In beide gevallen verschuift het accent van alleen uitvoeren naar ook kritisch denken en professioneel verantwoorden (Miao & Cukurova, 2024).

Kennis verdwijnt niet. Kennis wordt juist belangrijker.

Soms hoor je dat AI kennis minder belangrijk maakt, omdat informatie altijd beschikbaar is. In de praktijk is dat een misleidende gedachte. Juist als studenten met AI werken, hebben zij kennis nodig om te kunnen zien of een antwoord klopt, of iets ontbreekt, of een voorstel bruikbaar is.

Wie te weinig kennis heeft, wordt sneller afhankelijk van AI. Dan lijkt een antwoord al snel goed genoeg, simpelweg omdat de student niet ziet waar het zwak, onjuist of te algemeen is. Dat maakt kennis geen ouderwets onderdeel van het curriculum, maar juist een noodzakelijke basis voor goed leren en verantwoord gebruik van AI.

Dat heeft ook gevolgen voor leerdoelen. Basiskennis hoeft niet minder aandacht te krijgen, maar moet vaker bewust worden gekoppeld aan hogere orde doelen. Niet alleen: de student kent het model. Maar ook: de student kan beoordelen wanneer het model bruikbaar is. Niet alleen: de student kent een procedure. Maar ook: de student kan verantwoorden waarom deze procedure hier wel of niet passend is. Zo wordt kennis de onderlaag voor beter denken, niet een los eindpunt op zichzelf (Beekman et al., 2025).

Als doelen veranderen, moet onderwijs mee veranderen

Deze verschuiving in leerdoelen heeft directe gevolgen voor onderwijsactiviteiten. Want als je wilt dat studenten leren analyseren, beoordelen, evalueren en verbeteren, dan moeten ze daar ook echt mee oefenen.

Dat lijkt vanzelfsprekend, maar daar gaat het in de praktijk vaak mis. Dan staat er in een leerdoel iets over kritisch denken of professioneel afwegen, terwijl de onderwijsactiviteiten vooral blijven hangen in uitleg, reproductie of het maken van een eindproduct. Dan is de kans groot dat studenten niet echt oefenen met wat jij uiteindelijk belangrijk zegt te vinden.

In een AI-rijke leeromgeving worden onderwijsactiviteiten daarom belangrijker als oefenruimte. Studenten kunnen AI daar bijvoorbeeld gebruiken om verschillende antwoorden naast elkaar te zetten, zwakke teksten te verbeteren, alternatieven te vergelijken of fouten in een voorstel op te sporen. De waarde zit dan niet in het snelle antwoord van AI, maar in wat de student ermee doet.

Voor mbo-docenten kan dat betekenen dat studenten verschillende handelingsopties in een werksituatie leren afwegen. Voor hbo-docenten kan het betekenen dat studenten leren beoordelen welk advies of welke analyse het sterkst is en waarom. In beide gevallen verschuift het leren van alleen produceren naar ook kritisch omgaan met wat geproduceerd wordt (European Commission, 2022).

Formatief toetsen wordt de plek waar studenten leren omgaan met AI

Als studenten iets nieuws moeten leren, moeten zij kunnen oefenen zonder dat elk resultaat meteen een eindbeoordeling krijgt. Dat maakt formatief toetsen in een tijd van AI extra belangrijk.

Formatieve opdrachten zijn bij uitstek geschikt om studenten te laten ontdekken waar AI nuttig is, waar AI fouten maakt en waar hun eigen oordeel nodig blijft. Juist daar kun je studenten laten oefenen met hogere orde vaardigheden. Bijvoorbeeld door twee AI-antwoorden met elkaar te vergelijken. Of door een door AI geschreven tekst kritisch te verbeteren. Of door een voorstel van AI te beoordelen op bruikbaarheid in een concrete beroepscontext.

Dat soort opdrachten doet iets anders dan alleen kennis controleren. Ze maken zichtbaar hoe een student leest, vergelijkt, analyseert en afweegt. En precies dat zijn vaak de vaardigheden die door AI belangrijker worden.

Formatief toetsen krijgt daarmee een dubbele functie. Het helpt studenten om inhoud te leren, én het helpt hen om bewuster en kritischer met AI om te gaan. Dat maakt het niet alleen een voorbereiding op summatieve toetsing, maar ook een belangrijk onderdeel van toekomstgericht onderwijs (Beekman et al., 2025).

Summatief toetsen moet laten zien wat de student zélf beheerst

Waar formatief toetsen gericht is op leren en ontwikkelen, moet summatief toetsen een oordeel mogelijk maken. Dan moet zichtbaar worden of een student het leerdoel daadwerkelijk beheerst. Juist daarom is het zo belangrijk dat summatieve toetsing goed aansluit op de veranderde leerdoelen.

Als een leerdoel vraagt om analyseren, beoordelen, evalueren of professioneel afwegen, dan moet de summatieve toets dat ook echt zichtbaar maken. Een algemene thuisopdracht of standaardtekst is daar vaak te zwak voor. Niet alleen omdat AI kan helpen bij het schrijven, maar vooral omdat zo’n product onvoldoende laat zien of de student zelf het hogere orde denken heeft uitgevoerd.

Dat betekent dat docenten sterker moeten ontwerpen. Soms vraagt dat om een casustoets. Soms om een simulatie of praktijktoets. Soms om een combinatie van kennis, toepassing en toelichting. De exacte vorm hangt af van het leerdoel, maar de onderliggende vraag blijft steeds hetzelfde: kan ik uit deze toets echt afleiden wat de student zelf begrijpt, afweegt en verantwoordt? (Attewell, 2024).

De samenhang tussen doelen, onderwijs en toetsing wordt nu echt zichtbaar

Misschien is dit wel de belangrijkste opbrengst van de hele AI-discussie: het maakt heel scherp zichtbaar of de samenhang in een curriculum klopt.

Als leerdoelen verschuiven naar analyseren, beoordelen en evalueren, dan moeten onderwijsactiviteiten studenten daarmee laten oefenen. En dan moet toetsing datzelfde zichtbaar maken. Zodra één van die drie achterblijft, ontstaat er een scheef ontwerp. Dan zeg je bijvoorbeeld dat kritisch denken belangrijk is, maar geef je daar weinig ruimte voor in onderwijs en toets je het uiteindelijk ook niet goed.

Juist daarom helpt het om je eigen onderwijs steeds langs een paar eenvoudige vragen te leggen. Wat moet de student leren? Welke vorm van denken of handelen hoort daarbij? Hoe oefent de student dat? En hoe laat de student uiteindelijk zien dat het ook echt beheerst wordt?

Die vragen lijken simpel, maar ze helpen enorm om rust te brengen in een onderwerp dat voor veel docenten snel ingewikkeld voelt. Ze maken ook duidelijk dat AI niet alleen een technisch vraagstuk is, maar vooral een didactisch en toetskundig vraagstuk (Npuls, 2025).

Hoe kun je AI als docent hier praktisch voor gebruiken?

AI verandert dus niet alleen de leerdoelen van studenten. Het kan jou als docent ook helpen om die leerdoelen opnieuw te bekijken. Niet door jouw afweging over te nemen, maar door je te helpen scherper te zien waar leerdoelen, onderwijs en toetsing nog niet goed op elkaar aansluiten.

Een goede manier om AI in te zetten is om je huidige leerdoelen kritisch te laten analyseren. Bijvoorbeeld met de vraag of ze nog te veel op reproductie gericht zijn, of dat ze sterker geformuleerd kunnen worden richting analyseren, beoordelen of onderbouwen.

Je kunt ook AI gebruiken om onderwijsactiviteiten te laten herschrijven, zodat die beter passen bij hogere orde doelen. Of om summatieve toetsvormen te laten vergelijken op bewijskracht. De kracht zit dus niet in “maak mijn onderwijs”, maar in “help mij scherper zien waar mijn ontwerp nog onvoldoende aansluit”.

Praktische prompts om je leerdoelen en onderwijs te herontwerpen

Als je wilt onderzoeken of je leerdoelen aangescherpt moeten worden, kun je bijvoorbeeld deze prompt gebruiken:

Ik geef les in [mbo/hbo], opleiding [naam], en gebruik deze leerdoelen: [plak leerdoelen]. Help mij deze leerdoelen scherper te formuleren, zodat duidelijker wordt wat studenten zelf moeten kennen, kunnen en verantwoorden in een tijd van AI.

Als je specifiek wilt kijken naar de verschuiving naar hogere orde vaardigheden, werkt deze prompt goed:

Analyseer deze leerdoelen: [plak leerdoelen]. Geef aan welke doelen door de invloed van AI meer gericht zouden moeten worden op analyseren, beoordelen, evalueren, vergelijken of onderbouwen.

Wanneer je wilt kijken of een opdracht eigenlijk bedoeld is als oefening of als bewijs van beheersing, kun je AI ook zo inzetten:

Ik heb deze opdracht: [beschrijving]. Help mij onderscheid maken tussen wat hierin bedoeld is als oefening en wat bedoeld is als bewijs van beheersing.

Voor de rol van AI per leerdoel kan deze prompt helpen:

Voor deze leerdoelen [plak leerdoelen] wil ik bepalen of AI vermeden, begrensd of geïntegreerd moet worden. Maak een overzicht per leerdoel met een korte uitleg waarom.

Als je onderwijsactiviteiten wilt aanpassen aan hogere orde doelen, werkt een prompt als deze vaak goed:

Ontwerp drie eenvoudige leeractiviteiten voor studenten in [mbo/hbo, opleiding], passend bij deze leerdoelen: [plak leerdoelen]. Zorg dat minimaal één activiteit gericht is op het beoordelen of verbeteren van AI-output.

En als je wilt kijken of je summatieve toets nog wel laat zien wat jij eigenlijk wilt beoordelen, kun je bijvoorbeeld vragen:

Ik wil weten of mijn summatieve toets echt laat zien wat de student zelf beheerst. Dit is mijn toets: [beschrijving]. Analyseer welk bewijs van beheersing zichtbaar wordt en waar dat nog te zwak is.

Hoe ziet dat eruit in mbo en hbo?

Voor een mbo-context kan AI je bijvoorbeeld helpen om leerdoelen sterker te koppelen aan beroepssituaties. Dan verschuift een doel van “de student kent de stappen van een procedure” naar “de student kan in een concrete werksituatie beoordelen welke stap op dat moment het meest passend is en waarom”.

\Voor een hbo-context kan een leerdoel verschuiven van “de student schrijft een analyse” naar “de student kan de kwaliteit van een analyse beoordelen, verbeterpunten aanwijzen en onderbouwen waarom een aangepaste versie sterker is”.In beide sectoren zie je dezelfde beweging: het eindpunt verschuift van alleen produceren naar ook kritisch lezen, vergelijken, afwegen, verbeteren en verantwoorden.

De belangrijkste vraag voor docenten verandert mee

De vraag is dus niet alleen meer: wat moet mijn student kennen? De vraag wordt vaker: wat moet mijn student kunnen doen met kennis, informatie, teksten en AI-output?

Dat is de verschuiving waar veel opleidingen nu middenin zitten. En die verschuiving vraagt niet alleen om nieuwe regels over AI, maar vooral om scherper geformuleerde leerdoelen, beter gekozen onderwijsactiviteiten en toetsing die echt laat zien wat de student zelf beheerst.

Wie daar bewust mee aan de slag gaat, merkt vaak dat de AI-discussie minder vaag wordt. Dan gaat het niet meer over alles tegelijk, maar over iets heel concreets: wat wil ik dat mijn studenten leren, en hoe maak ik dat zichtbaar?

Bronnen

Attewell, S. (2024, April 22). Exploring AI and assessment – avoid, outrun or embrace. Jisc.
Beekman, K., Draaijer, S., Beckers, J., Schagen, E., & Hofman, I. (2025). Toetsing en examinering in het tijdperk van AI (Handreiking 1). Npuls.
European Commission, Directorate-General for Education, Youth, Sport and Culture. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union.
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO.
Npuls. (2025, May 27). Visie op toetsing, examinering en AI + handreikingen. Npuls.

Toetsen met AI - Digitale toetsen op hogere orde vaardigheden

Een toets onder toezicht maakt beter zichtbaar wat een student op dat moment zelfstandig kan. Het niveau hangt vervolgens af van de opdracht. Een vraag over een begrip toetst iets anders dan een casus waarin de student een besluit moet onderbouwen. Ook binnen één digitale toets kun je die niveaus combineren.

TestVision ondersteunt onder meer meerkeuzevragen, matchvragen, rangschikvragen, matrixvragen en open vragen. Je kunt vragen rond één casus groeperen en er afbeeldingen, geluid of video aan toevoegen. Open antwoorden worden door beoordelaars nagekeken. TestVision

Ik gebruik de AI Act hieronder als inhoudelijk voorbeeld. De toetsindeling is ook bruikbaar voor andere vakken.

Miller als uitgangspunt

Weet. De student herkent of benoemt begrippen en regels. Dit past bij een kennistoets.

Weet hoe. De student gebruikt kennis om een gegeven situatie te analyseren, een keuze te maken of een advies te onderbouwen. Dit past bij toepassingsvragen en veel casustoetsen.

Laat zien. De student voert een vaardigheid uit in een gesimuleerde beroepssituatie. TestVision kan de instructie, het bronmateriaal en het antwoord vastleggen. Als de vaardigheid bestaat uit analyseren, beslissen of schriftelijk adviseren, kan een digitale opdracht daarvoor geschikt zijn. Gaat het om een gesprek, handeling of samenwerking, dan moet ook die uitvoering worden geobserveerd.

Doet. De student handelt in de echte beroepspraktijk. Een toets in TestVision kan daarvan bewijs verzamelen of een verantwoordingsgesprek ondersteunen, maar een toets in een lokaal toont op zichzelf niet aan hoe iemand doorgaans in de praktijk handelt. Dit volgt uit het onderscheid tussen demonstratie en daadwerkelijk handelen in het model van Miller. NCBI Bookshelf

Daarmee zijn kennistoets, toepassingstoets en casustoets toetsvormen, terwijl Miller het niveau van het gevraagde handelen beschrijft. Een casus kan dus zowel een eenvoudige kennisvraag als een complexe adviesopdracht bevatten.

Voorbeeldvragen over de AI Act

Kennistoets: weet

Vraagvorm in TestVision: één uit meer.

Vraag: Wat vraagt artikel 4 van aanbieders en gebruiksverantwoordelijken van AI systemen?

A. Zij moeten ieder personeelslid hetzelfde verplichte certificaat laten behalen.
B. Zij moeten, naar hun beste vermogen, maatregelen nemen voor voldoende AI geletterdheid bij betrokken medewerkers, passend bij hun kennis, ervaring en gebruikscontext.
C. Zij mogen AI pas gebruiken nadat iedere medewerker programmeertalen beheerst.
D. Zij moeten alle AI systemen door medewerkers zelf laten ontwikkelen.

Antwoord: B.

Wat meet je? Herkenning van de strekking van artikel 4. De student hoeft nog geen passende maatregel te ontwerpen. AI Act Service Desk

Kennistoets: weet

Vraagvorm in TestVision: gelijke matchvraag.

Opdracht: Koppel elk begrip aan de omschrijving.

Aanbieder: ontwikkelt een AI systeem of laat het ontwikkelen en brengt het onder eigen naam op de markt of neemt het onder eigen naam in gebruik.

Gebruiksverantwoordelijke: gebruikt een AI systeem onder eigen verantwoordelijkheid, behalve bij louter persoonlijk gebruik.

Menselijk toezicht: maatregelen waardoor mensen de werking van een systeem kunnen begrijpen, volgen en waar nodig ingrijpen.

Wat meet je? Begripskennis die nodig is om later verantwoordelijkheden in een casus te kunnen bepalen. Voor een definitieve toets moeten de omschrijvingen worden afgestemd op de gebruikte versie van de wettelijke definities.

Toepassingstoets: weet hoe

Vraagvorm in TestVision: meer uit meer, gevolgd door een open vraag.

Situatie: Een hogeschool overweegt software die tentamenantwoorden analyseert en een voorgesteld cijfer geeft. De examinator ziet het voorstel voordat deze het resultaat vaststelt.

Vraag 1: Welke toepassing uit bijlage III is hier relevant?

A. Het evalueren van leerresultaten.
B. Het bepalen van toelating tot een opleiding.
C. Het genereren van algemene studieteksten.
D. Het plannen van lokalen.

Antwoord: A.

Vraag 2: Leg in maximaal 120 woorden uit waarom het feit dat een examinator het cijfer vaststelt, op zichzelf onvoldoende is om de rol van het AI systeem buiten beschouwing te laten.

Beoordelingskern: De student betrekt het beoogde gebruik van het systeem, benoemt dat de AI uitkomsten van studenten beoordeelt of een beoordeling beïnvloedt, en maakt onderscheid tussen menselijke eindverantwoordelijkheid en de classificatie van de AI toepassing. Bijlage III noemt AI systemen voor het evalueren van leerresultaten in onderwijs en beroepsopleiding. De precieze juridische kwalificatie vraagt daarnaast beoordeling van de concrete werking en eventuele uitzonderingen. AI Act Service Desk

Casustoets: weet hoe

Vraagvorm in TestVision: één deelblok met casusmateriaal, een matrixvraag en twee open vragen.

Casus: Een opleiding wil een AI systeem invoeren dat antwoorden op open vragen analyseert, een cijfer voorstelt en studenten persoonlijke feedback geeft. Een docent kan het voorstel aanpassen. De leverancier zegt: “Omdat de docent beslist, valt dit systeem niet onder de regels voor hoog risico.”

Vraag 1, matrix: Beoordeel per gegeven of het nodig is om de claim van de leverancier te onderzoeken: het beoogde doel van het systeem, de invloed van het voorgestelde cijfer op het eindresultaat, de mogelijkheid voor de docent om het voorstel te controleren en de kleur van de gebruikersomgeving.

Vraag 2, open: Welke aanvullende informatie vraag je aan de leverancier voordat je een oordeel geeft? Noem drie concrete punten en licht per punt toe waarom het ertoe doet.

Vraag 3, open: Schrijf een voorlopig advies van maximaal 200 woorden aan de opleidingsmanager. Geef aan wat al uit de casus volgt en waarover je nog geen definitieve conclusie kunt trekken.

Beoordelingskern: Een sterk antwoord onderscheidt feiten van aannames, onderzoekt de rol van het systeem bij de beoordeling van leerresultaten en formuleert een voorwaardelijk advies. De casus toetst samenhangend juridisch en professioneel redeneren. De open vragen krijgen vooraf vastgelegde beoordelingscriteria.

Vaardigheidstoets: laat zien

Vraagvorm in TestVision: open vraag met bijgevoegd dossier en een afgebakend antwoordformat.

Opdracht: Je bent adviseur van een opleiding. Je krijgt een productbeschrijving, een voorbeeld van automatisch gegenereerde feedback, de voorgestelde werkwijze voor docenten en een overzicht van gegevens die het systeem verwerkt. Stel binnen 45 minuten een beslisnotitie van maximaal één pagina op voor de opleidingsmanager. Beschrijf het beoogde gebruik, identificeer welke informatie ontbreekt, adviseer welke stappen vóór ingebruikname nodig zijn en onderbouw je advies met de relevante bepalingen uit de AI Act.

Beoordeling: Gebruik criteria voor de juistheid van de analyse, het wegen van onzekerheid, de uitvoerbaarheid van de stappen en de helderheid van de notitie.

Dit is laat zien als het leerresultaat luidt dat de student zelfstandig een bruikbare beslisnotitie opstelt onder realistische voorwaarden. Luidt het leerresultaat dat de student een manager mondeling adviseert en op tegenwerpingen reageert, dan hoort bij deze opdracht ook een geobserveerd gesprek. TestVision kan dan het dossier en de schriftelijke voorbereiding verzorgen.

Wat betekent dit voor het toetsontwerp?

Een bruikbare opbouw is: enkele kennisvragen voor noodzakelijke begrippen, toepassingsvragen voor afzonderlijke beslissingen en een grotere casus voor de samenhang. Als het beoogde leerresultaat een beroepsproduct of handeling vraagt, voeg je een opdracht toe waarin de student die prestatie daadwerkelijk levert.

Begin daarom bij de prestatie indicator: wat moet de student kunnen doen en welke kwaliteit moet dat handelen hebben? Kies daarna pas de vraagvorm in TestVision. Afname onder toezicht helpt om zelfstandig werk vast te stellen. De casus, opdracht en beoordelingscriteria bepalen of je ook het bedoelde niveau van Miller toetst.

Bronnen: TestVision, vraagvormen en afname; TestVision, deelblokken en beoordeling; Europese Commissie, artikel 4 AI Act; Europese Commissie, bijlage III AI Act.

AI-competenties in lijn met de gebieden van het DigCompEdu-kader

Dit artikel is gebaseerd op Bekiaridis, George & Attwell, Graham. (2024). Supplement to the DigCompEDU Framework Introduction to AI in Education. vertaald door OpenAI (2024) ChatGPT 4o. Zie ook: Europees referentiekader voor de digitale competenties van docenten (DigCompEdu)

AI-competenties in lijn met de gebieden van het DigCompEdu-kader

Het integreren van AI-competenties in het DigCompEdu-kader zorgt ervoor dat onderwijsprofessionals in staat zijn om om te gaan met de uitdagingen en kansen die AI in het onderwijs biedt. Dit bereidt hen en hun studenten voor op een toekomst waarin AI een belangrijke rol speelt.

1. Professionele Betrokkenheid

AI-competenties in dit gebied betreffen het vermogen van onderwijsprofessionals om AI-tools te gebruiken voor professionele ontwikkeling, communicatie en samenwerking. Dit omvat het benutten van AI voor persoonlijke leernetwerken, het bijhouden van AI-ontwikkelingen in het onderwijs, en het gebruik van AI-gestuurde communicatietools voor interactie met collega’s en belanghebbenden.

2. Digitale Bronnen

In dit gebied richten AI-competenties zich op het creëren, evalueren en aanpassen van door AI verbeterde digitale onderwijsbronnen. Onderwijsprofessionals moeten begrijpen hoe ze AI-tools kunnen gebruiken om leermaterialen te ontwikkelen en aan te passen, de kwaliteit van AI-gegenereerde inhoud te beoordelen, en digitaal bronnenbeheer en -deling op verantwoorde wijze te beheren.

3. Onderwijs en Leren

AI-competenties in dit gebied omvatten het integreren van AI in onderwijsstrategieën en leeractiviteiten. Onderwijsprofessionals moeten bedreven zijn in het gebruik van AI om gepersonaliseerde leerervaringen te ondersteunen, AI-tools te gebruiken voor interactieve en boeiende lessen, en begrijpen hoe AI kan bijdragen aan diverse onderwijssituaties.

4. Beoordeling

AI-competenties met betrekking tot beoordeling omvatten het gebruik van AI-tools voor efficiënte en effectieve evaluatie van studenten. Dit kan geautomatiseerde beoordelingssystemen inhouden, AI-gedreven analyses voor het beoordelen van de voortgang van studenten, en het gebruik van AI om gepersonaliseerde feedback en ondersteuning te bieden.

5. Leerlingen Ondersteunen

AI-competenties in dit gebied richten zich op het gebruik van AI om tegemoet te komen aan diverse leerbehoeften en -stijlen, en het bevorderen van inclusiviteit en toegankelijkheid. Onderwijsprofessionals moeten in staat zijn om AI in te zetten voor het ondersteunen van speciale onderwijsbehoeften, het faciliteren van zelfgereguleerd leren, en het aanmoedigen van kritisch denken over AI en de impact ervan.

6. Digitale Competentie van Leerlingen Bevorderen

AI-competenties zijn cruciaal voor onderwijsprofessionals om leerlingen te helpen bij het ontwikkelen van hun digitale competenties. Dit omvat het onderwijzen van AI-concepten, ethisch gebruik van AI, datageletterdheid, en de rol van AI in de samenleving. Onderwijsprofessionals moeten leerlingen ook begeleiden in het kritisch beoordelen van door AI gegenereerde informatie en in het begrijpen van de beperkingen en biases van AI.

Leerlijn generatieve AI en Digitale Geletterdheid in het Hoger Beroepsonderwijs

De snelle opkomst van kunstmatige intelligentie (AI) en digitale technologieën vraagt om een voortdurende herziening van het curriculum in het hoger beroepsonderwijs. De nieuwste handreiking van het Teaching and Learning Center van Saxion biedt een uitgebreide leerlijn voor generatieve AI en digitale geletterdheid. Deze leerlijn is ontworpen om studenten en docenten optimaal voor te bereiden op de toekomstige arbeidsmarkt.

Overeenkomsten en verschillen met het curriculum digitale geletterdheid Voortgezet Onderwijs en Digicom Edu

Overeenkomsten

De leerlijn voor generatieve AI en digitale geletterdheid vertoont sterke overeenkomsten met het curriculum voor digitale geletterdheid in het voortgezet onderwijs en het DigiCom Edu raamwerk. Zowel de leerlijn als het voortgezet onderwijs curriculum en DigiCom Edu leggen de nadruk op het ontwikkelen van essentiële digitale vaardigheden en het begrijpen van technologieën. Ze richten zich op het bevorderen van basiskennis van digitale tools, het kritisch evalueren van informatiebronnen, en het verantwoord omgaan met digitale technologieën.

Net als het curriculum in het voortgezet onderwijs, omvat de leerlijn AI en digitale geletterheid voor het HBO elementen zoals privacy en veiligheid, ethische overwegingen, en de maatschappelijke impact van AI. Dit weerspiegelt de gemeenschappelijke doelstelling om leerlingen en studenten voor te bereiden op een wereld waarin digitale competenties onmisbaar zijn.

Verschillen

Er zijn echter ook duidelijke verschillen tussen de leerlijn voor het hoger beroepsonderwijs en het curriculum voor het voortgezet onderwijs. Het hoger beroepsonderwijs richt zich specifiek op de toepassing van generatieve AI in vakspecifieke contexten, wat verder gaat dan de algemene digitale geletterdheid die in het voortgezet onderwijs wordt onderwezen. De leerlijn van TLC omvat diepgaande kennis en vaardigheden die nodig zijn om AI-technologieën te begrijpen en toe te passen in professionele omgevingen, zoals het creëren van effectieve prompts en het gebruik van AI voor zelfgestuurd leren en kennisconstructie.

Een ander belangrijk verschil is de nadruk op innovatie en de toepassing van generatieve AI in creatieve processen, wat minder prominent aanwezig is in het voortgezet onderwijs. De leerlijn stimuleert studenten om de toekomstperspectieven van AI te verkennen en deze technologieën te gebruiken om innovatieve oplossingen te ontwikkelen in hun vakgebied.

Daarnaast speelt visie en beleid op AI een cruciale rol in de leerlijn voor het hoger beroepsonderwijs. Dit aspect is uniek voor de specifieke context van het beroepsonderwijs en richt zich op het implementeren van AI op een ethische en effectieve manier binnen het onderwijs en de toetsing.

Integratie in het Curriculum

Door deze handreiking te volgen, kunnen onderwijsinstellingen in het hoger beroepsonderwijs hun curriculum verrijken met actuele en relevante onderwerpen. Dit biedt voordelen voor zowel studenten als docenten door hen voor te bereiden op een snel veranderende arbeidsmarkt waar AI en digitale technologieën een centrale rol spelen. De handreiking biedt concrete stappen voor het integreren van AI en digitale geletterdheid in bestaande of nieuwe modules, het vaststellen van prestatieindicatoren, en het aanpassen van onderwijs- en toetsingsmethoden.

Hoe te gebruiken

De leerlijn bestaat uit de belangrijkste onderdelen generatieve AI en Digitale Geletterdheid. De volgende keuzes zijn van belang bij het opnmen van AI in het curriculum:

Maak keuzes welke onderwerpen passen bij het bestaande curriculum
Maak keuzes of de onderwerpen geïntegreerd moeten worden in bestaande of nieuwe modules
Maak keuzes over de contextualisering
Stel prestatieindicatoren vast op niveau en context
Kies of de prestatieindicatoren deel uit maken van de formatieve of summatieve toetsing
Maak keuzes over de impact van AI op de summatieve toetsing

Leerlijn generatieve AI en Digitale Geletterdheid onderwerpen

Doelen bij de leerlijn generatieve AI en Digitale Geletterdheid

Begrip van basisprincipes en technologieën van AI

Basiskennis generatieve AI: Deelnemers tonen aan dat ze de fundamentele concepten en principes van generatieve AI begrijpen, zoals neurale netwerken en deep learning.
Privacy en veiligheid: Deelnemers kunnen de belangrijkste uitdagingen en oplossingen met betrekking tot privacy en veiligheid in AI beschrijven, en hoe deze van invloed zijn op de toepassing van generatieve AI.

Ontwikkelen van digitale vaardigheden en AI

Prompting: Deelnemers demonstreren hun vermogen om effectieve prompts te ontwerpen en gebruiken in generatieve AI-systemen.
Informatievaardigheden en AI: Deelnemers tonen aan dat ze relevante informatie kunnen vinden, evalueren, en toepassen in de context van AI.

Toepassen van generatieve AI in vakspecifieke contexten

Invloed op beroep en onderwijs: Deelnemers kunnen de impact van generatieve AI op hun vakgebied analyseren en voorspellen.
Toepassing van AI voor Docent en Student: Deelnemers demonstreren hoe AI-technologie kan worden toegepast om zowel het leer- als het onderwijsproces te verbeteren.
Leren met AI: Deelnemers tonen aan dat ze in staat zijn om AI te gebruiken als hulpmiddel voor zelfgestuurd leren en kennisconstructie.

Begrip van ethiek, wetgeving en maatschappelijke impact van AI

Ethische dilemma’s in AI: Deelnemers kunnen ethische dilemma’s in AI herkennen, analyseren, en verschillende standpunten hierover evalueren.
Wetgeving en regelgeving voor AI: Deelnemers tonen kennis van de relevante wetgeving en regelgeving met betrekking tot AI en kunnen deze toepassen in specifieke contexten.
Maatschappelijke impact van AI: Deelnemers kunnen de bredere maatschappelijke impact van AI analyseren, met inbegrip van economische, sociale, en culturele gevolgen.
Duurzaamheid in AI: Deelnemers kunnen de milieueffecten van AI-technologieën beoordelen en bespreken strategieën voor duurzame AI.

Kritisch omgaan met AI

Analyseren van informatiebronnen: Deelnemers demonstreren hun vermogen om de betrouwbaarheid en relevantie van AI-gerelateerde informatiebronnen kritisch te evalueren.
Beoordelen van AI-toepassingen: Deelnemers tonen aan dat ze in staat zijn om de effectiviteit en implicaties van specifieke AI-toepassingen kritisch te beoordelen.
Kritisch bevragen van inhoud: Deelnemers kunnen kritische vragen stellen over de inhoud en resultaten van AI-systemen.
Ontwikkelen van bewustzijn over bias en manipulatie: Deelnemers kunnen voorbeelden van bias en manipulatie in AI identificeren en strategieën ontwikkelen om hiermee om te gaan.

Innovatie met Generatieve AI

Toekomstperspectief AI: Deelnemers kunnen de mogelijke toekomstige ontwikkelingen in generatieve AI identificeren en hun implicaties voor specifieke vakgebieden bespreken.
Creativiteit en AI: Deelnemers demonstreren hoe generatieve AI kan worden gebruikt om creatieve processen in hun vakgebied te verbeteren of aan te vullen.

Toepassen visie en beleid

Beleid en regelgeving: Deelnemers kunnen het beleid en de regelgeving met betrekking tot AI-toepassingen beschrijven en hun naleving aantonen.
Toetsing en onderwijs: Deelnemers tonen aan dat ze generatieve AI op een effectieve en ethische manier kunnen gebruiken in hun onderwijs en bij toetsing.

Vergelijking van de drie curricula

Hieronder is een tabel waarin de verschillende aspecten van de drie curricula worden vergeleken: de leerlijn Digitale Geletterdheid voor het Voortgezet Onderwijs (VO), het DigiCom Edu raamwerk, en de leerlijn voor het Hoger Beroepsonderwijs (HBO) zoals gepresenteerd door TLC.

Aspecten	Leerlijn Digitale Geletterdheid VO	DigiCom Edu	Leerlijn HBO (TLC)
Basiskennis	Basisbegrip van digitale technologieën, internetveiligheid	Basiscompetenties in digitale technologieën en geletterdheid	Begrip van fundamentele AI-concepten, inclusief neurale netwerken en deep learning
Privacy en Veiligheid	Introductie tot privacy en online veiligheid	Beheer van persoonlijke gegevens, beveiligingsbewustzijn	Beschrijving van uitdagingen en oplossingen met betrekking tot privacy en veiligheid in AI
Digitale Vaardigheden	Vaardigheden in het gebruik van digitale tools, internetnavigatie	Ontwikkeling van digitale vaardigheden, ICT-gebruik	Vaardigheden in het creëren van effectieve prompts en evalueren van informatiebronnen in AI-context
Toepassing in Context	Basisprincipes toepassen in dagelijkse activiteiten	Toepassing van digitale vaardigheden in diverse educatieve contexten	Toepassen van AI in vakspecifieke contexten en verbeteren van leer- en onderwijsprocessen
Ethiek en Maatschappij	Basis ethische overwegingen bij gebruik van technologie	Ethische en sociale implicaties van digitale technologie	Herkennen en analyseren van ethische dilemma's, wetgeving, en maatschappelijke impact van AI
Kritisch Denken	Kritisch gebruik van informatie en technologie	Evaluatie van informatie, kritisch denken over digitale content	Kritisch analyseren van AI-toepassingen, ontwikkelen van bewustzijn over bias en manipulatie
Innovatie	Stimuleren van creatief gebruik van digitale technologieën	Innovatie en creatief gebruik van ICT in onderwijs	Identificeren van toekomstige AI-ontwikkelingen, stimuleren van creativiteit met AI
Institutionele Visie en Beleid	Geen specifieke institutionele beleidsrichtlijnen	Toepassen van nationaal en internationaal beleid in digitale educatie	Toepassen van Saxion visie en beleid met betrekking tot AI-gebruik in onderwijs en toetsing

Bronnen

DigiCom Edu: "Digitaal Competent Framework." Verkregen van Digicom Edu
Curriculum Digitale Geletterdheid Voortgezet Onderwijs: "Leerlijnen Digitale Geletterdheid." Verkregen van SLO Leerlijnen

Bronnen

Strijker, A. Heidemann, P. Hölzken, A. & van de Weer, M. (2024) Leerlijn generatieve AI en digitale geletterdheid voor het HBO. https://www.slideshare.net/slideshow/strijker-2024-07-16-leerlijnen-generatieve-ai-en-digitale-geletterdheid-pptx/270282324

digcompedu_en

Curriculum Digitale Geletterdheid Voortgezet Onderwijs: "Leerlijnen Digitale Geletterdheid." Verkregen van SLO Leerlijnen Digitale Geletterdheid https://www.slo.nl/sectoren/vmbo/digitale-geletterdheid-vmbo/digitale-geletterdheid-vo/inhoudslijnen-doelen/

Geïntegreerd Toetsen in het Hoger Beroepsonderwijs:l

Wat is Geïntegreerd Toetsen?

Geïntegreerd toetsen is een multidimensionale benadering van beoordeling waarbij leerlingen hun kennis en vaardigheden demonstreren door middel van beroepsproducten die deel uitmaken van de toetsing (Van der Vleuten & Schuwirth, 2005). Het gaat niet alleen om vakkennis, maar ook om algemene vaardigheden zoals 21e-eeuwse vaardigheden, waaronder digitale geletterdheid, probleemoplossen, creativiteit en samenwerken.

Waarom Gebruik je Geïntegreerd Toetsen?

Geïntegreerd toetsen biedt een holistisch beeld van de competenties van een student. Het stelt studenten in staat om te laten zien hoe zij verschillende vaardigheden en kennis combineren om complexe, realistische taken uit te voeren (Boud, 2018). Hierdoor wordt de nadruk verlegd van oppervlakkig leren naar diepgaand leren, en wordt de relevantie en toepasbaarheid van wat er in de klas wordt geleerd, versterkt.

Hoe Pas je Geïntegreerd Toetsen Toe?

De implementatie van geïntegreerd toetsen vereist een zorgvuldige planning en voorbereiding. Het begint met het identificeren van de belangrijkste competenties en leerdoelen. Vervolgens moeten opdrachten en toetsen worden ontworpen die deze competenties en leerdoelen op een geïntegreerde manier toetsen (Biggs, 2003). Dit kan bijvoorbeeld door een project of een case study waarbij studenten gevraagd wordt om hun kennis en vaardigheden te tonen in een praktische, real-world setting.

Wanneer Gebruik je Geïntegreerd Toetsen?

Geïntegreerd toetsen kan het beste worden gebruikt wanneer de beoordeling zich richt op de toepassing van kennis en vaardigheden in complexe, real-world situaties. Het is bijzonder effectief in disciplines waar praktische vaardigheden en professioneel oordeel belangrijk zijn, zoals in de gezondheidszorg, het onderwijs, de techniek en de sociale wetenschappen (Birenbaum, 2003).

Wat is de Relatie van Beroepsproducten en Holistisch Beoordelen met Geïntegreerd Toetsen?

Bij geïntegreerd toetsen zijn beroepsproducten essentieel omdat ze dienen als het medium waarmee studenten hun geïntegreerde kennis en vaardigheden demonstreren. Holistische beoordeling, aan de andere kant, is de evaluatiemethode die wordt gebruikt om de prestaties van de studenten te beoordelen. Het gaat erom te kijken naar het geheel van de student's prestaties, in plaats van zich te concentreren op afzonderlijke competenties (Jonsson & Svingby, 2007). Samen zorgen deze elementen voor een effectieve implementatie van geïntegreerd toetsen.

Bronnen

Birenbaum, M. (2003). New insights into learning and teaching and their implications for assessment. In Optimising new modes of assessment: In search of qualities and standards (pp. 13-36). Springer.
Boud, D. (2018). Assessment 2020: Seven propositions for assessment reform in higher education. Australian Learning and Teaching Council.
Biggs, J. (2003). Teaching for quality learning at university (2nd ed.). SRHE and Open University Press.
Jonsson, A., & Svingby, G. (2007). The use of scoring rubrics: Reliability, validity and educational consequences. Educational Research Review, 2(2), 130-144.
Van der Vleuten, C. P., & Schuwirth, L. W. (2005). Assessing professional competence: from methods to programmes. Medical Education, 39(3), 309-317.

Programmatisch Toetsen voor Ontwikkelingsgericht Onderwijs: Begrip en Toepassing

Samenvatting: Een datapunt heeft een formatieve of summatieve functie, nooit beide. Met betrekking tot transparantie, betrouwbaarheid en validiteit van toetsing moet er bij het ontwerp ook duidelijke keuzes worden gemaakt of een datapunt een formatieve of summatieve functie heeft. Bij zowel formatieve als summatieve dataputen is de ontwikkelingsgerichte terugkoppeling naar de student cruciaal. Daarnaast is het aan de docent of er ook bijstellingen voor het onderwijs nodig zijn,

Programmatisch toetsen wordt steeds vaker gezien als een oplossing om onderwijs en toetsing meer ontwikkelingsgericht in te zetten. In dit artikel behandelen we de volgende onderwerpen:

1. Wat is de formatieve of summatieve functie van toetsen?

Formatieve functie van toetsen: Dit richt zich op het ondersteunen van het leerproces en het verzamelen van informatie om de instructie te verbeteren. Het helpt docenten en studenten begrijpen waar de student zich bevindt in hun leerproces en wat ze moeten doen om te verbeteren.
Summatieve functie van toetsen: Deze functie beoordeelt de prestaties van studenten aan het einde van een leerperiode en geeft een oordeel over de behaalde leerdoelen. Dit type toetsing wordt vaak gebruikt voor het geven van cijfers en het nemen van beslissingen over bevordering of diplomering.

2. Wat zijn de verschillen en overeenkomsten tussen formatieve en summatieve toetsen?

Overeenkomsten: Beide vormen van toetsen verzamelen informatie over de prestaties van studenten, maar ze hebben verschillende doelen en timing.
Verschillen: Formatieve toetsen richten zich op leren tijdens het proces, terwijl summatieve toetsen gericht zijn op prestaties na afloop van het leerproces.

3. Wat is ontwikkelingsgericht toetsen?

Ontwikkelingsgericht toetsen legt de nadruk op het ondersteunen en bevorderen van de ontwikkeling van leerlingen of studenten. Het meet voortgang en groei van studenten in plaats van alleen hun eindresultaten.

4. Hoe verhoudt programmatisch toetsen zich tot formatief en summatief toetsen en ontwikkelingsgericht toetsen?

Programmatisch toetsen: Dit integreert formatieve en summatieve elementen en is nauw verbonden met ontwikkelingsgericht toetsen. Het biedt een alomvattend beeld van de prestaties, competenties en ontwikkeling van studenten gedurende een hele opleiding of programma.
Formatief en summatief toetsen: Deze vullen elkaar aan binnen programmatisch toetsen, waarbij formatieve toetsen het leerproces ondersteunen en summatieve toetsen de prestaties aan het einde meten.
Ontwikkelingsgericht toetsen: Dit is sterk verweven met programmatisch toetsen, waarbij de focus ligt op groei, competentieontwikkeling en continue feedback.

5. Is een datapunt bij programmatisch toetsen formatief of summatief?

Bij programmatisch toetsen kunnen datapunten of formatief of summatief zijn, afhankelijk van het doel en het moment in het beoordelingsproces.

6. Wat is de rol van constructive alignment bij programmatisch toetsen?

Constructive alignment: Dit zorgt ervoor dat leerdoelen, onderwijsactiviteiten en beoordelingen in overeenstemming zijn. Het waarborgt dat toetsen de beoogde leerresultaten meten en helpt het onderwijsproces te verbeteren.

Programmatisch toetsen is een veelzijdige benadering die de kwaliteit van het onderwijs en de beoordeling verbetert door formatieve en summatieve elementen te integreren en te aligneren met de leerdoelen, wat resulteert in een meer ontwikkelingsgerichte en effectieve onderwijsomgeving.