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.
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?
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.
