Docenten op een Nederlandse middelbare school gebruiken sinds dit schooljaar kunstmatige intelligentie om toetsen na te kijken. Het systeem beoordeelt open antwoorden en schrijft korte feedback. Het doel is minder werkdruk en eerlijkere cijfers. Een docent bekijkt en bevestigt nog altijd elk eindcijfer.
Tijdwinst voor docenten
De school zet generatieve AI in om teksten snel te scannen en conceptfeedback te maken. Generatieve AI is software die zelf tekst kan maken op basis van voorbeelden. Veel docenten doen dit via diensten als ChatGPT van OpenAI of Gemini van Google, soms via plug-ins in de toetssoftware. Zo krijgen zij in minuten een eerste beoordeling van structuur, argumenten en taal.
De tijdwinst is volgens betrokkenen merkbaar bij grote stapels schrijfopdrachten. Het systeem kan ook patronen vinden, zoals veelgemaakte fouten per klas. Daardoor passen docenten hun uitleg sneller aan. De belofte is minder nakijklast en meer tijd voor lesgeven.
Toch blijft de menselijke controle leidend. Leraren passen de AI-voorstellen aan hun beoordelingsschema’s aan. Zij checken steekproeven extra goed en letten op nuance in het antwoord van een leerling. Zo voorkomen ze dat een fout advies zomaar tot een cijfer leidt.
“Echt de bom,” zegt een docent over de tijdwinst, “maar ik klik niets weg zonder te lezen.”
Mens houdt het laatste woord
De school gebruikt rubrics om de AI te sturen. Een rubric is een simpel schema met vaste criteria per onderdeel, zoals inhoud, opbouw en brongebruik. Met zo’n schema kan het systeem per onderdeel een score en korte toelichting geven. Dat maakt het advies transparanter voor docent en leerling.
Docenten blijven eindverantwoordelijk voor de beoordeling. Zij zetten de AI in als tweede lezer, niet als scheidsrechter. Bij twijfel herlezen zij antwoorden en geven zij extra feedback. Hiermee voldoet de school aan de eis van menselijk toezicht, een kernprincipe in Europese regels.
De aanpak werkt vooral goed bij langere teksten en standaardopdrachten. Bij creatieve of context-rijke antwoorden is de winst kleiner. Daarin mist een model soms nuance of vaktaal. Leraren leren daarom wanneer de AI wel en niet helpt.
AVG vereist strakke afspraken
Het nakijken met algoritmen raakt direct aan de privacy van leerlingen. Onder de AVG mogen scholen alleen noodzakelijke gegevens delen en moeten ze die goed beveiligen. Praktisch betekent dit: geen namen in bestanden, versleuteling aan, en alleen EU-datacenters als dat kan. Ook sluiten scholen een verwerkersovereenkomst met de leverancier, op het moment van schrijven vaak een standaardstap in het onderwijs.
Diensten als ChatGPT en Gemini hebben zakelijke varianten met extra waarborgen. Toch moeten scholen zelf toetsen of dat voldoende is voor de AVG. Denk aan een DPIA: een data protection impact assessment. Ook moeten zij ouders en leerlingen helder uitleggen wat er met hun werk gebeurt.
Bij aanbieders buiten de EU spelen nog steeds doorgiftevragen. Standaardcontracten en aanvullende technische maatregelen zijn dan nodig. Sommige scholen kiezen daarom voor EU-gehoste oplossingen of lokale modellen. Zo beperken zij het privacyrisico en houden zij data dichter bij huis.
AI-verordening raakt nakijken
De Europese AI-verordening (AI Act) zet onderwijs-toepassingen van AI hoog op de agenda. Systemen die studenten beoordelen of toegang tot onderwijs beïnvloeden vallen in de categorie hoogrisico. Dat brengt extra plichten mee voor makers en gebruikers. Denk aan risicobeheer, datakwaliteit, duidelijke handleidingen en verplicht menselijk toezicht.
Voor scholen als uitrol-partij betekent dit meer documentatie en transparantie. Zij moeten kunnen uitleggen hoe het systeem werkt, welke risico’s er zijn en hoe fouten worden hersteld. Logbestanden en nauwkeurigheidsmetingen horen daarbij. Deze eisen worden in fasen van kracht in 2025 en 2026, op het moment van schrijven.
Praktisch heeft dat gevolgen voor inkoop en pilots. Leveranciers moeten aantonen dat hun model geschikt is voor Nederlandstalige toetsen. Scholen zullen vaker om conformiteitsverklaringen en auditrapporten vragen. Dat maakt de markt formeler, maar ook veiliger voor leerlingen.
Kwaliteit nog wisselend
De kwaliteit van AI-feedback is niet altijd gelijk. Modellen zijn sterk in taal en structuur, maar minder in diep vakinhoudelijk redeneren. Ze kunnen ook “hallucineren”: zelfverzekerd een fout uitleggen. Daarom werken docenten met duidelijke voorbeelden en grenzen in de prompt, de opdracht aan het model.
Nederlands blijft een aandachtspunt. Modellen die vooral Engelstalige data zagen, missen soms idiomatische taal of schoolse termen. Dit leidt tot scheve beoordelingen tussen taalniveaus. Fijnslijpen met Nederlandse voorbeelden en rubrics helpt de uitkomst stabieler te maken.
Bias is een tweede risico. Een algoritme kan onbedoeld taal of stijl van bepaalde groepen benadelen. Scholen vangen dit op met anonieme beoordeling en dubbele controle bij twijfel. Zo blijft de beoordeling eerlijk en uitlegbaar.
Scholen zoeken veilige tools
De vraag naar onderwijs-veilige AI groeit. Toetsplatforms verkennen daarom AI-ondersteuning voor feedback en rubric-scores. Grote spelers als OpenAI en Google bieden zakelijke opties met dataminimalisatie en EU-databegrenzing. Tegelijk zetten scholen ook in op EU-gehoste en open modellen om meer grip op data te houden.
Inkoopcriteria veranderen mee. Bestuurders vragen om AVG-borging, EU-hosting en heldere foutmarges. Ook vragen zij naar een noodknop: wat te doen als het model uitvalt of afwijkt. Leveranciers die dit transparant regelen, maken meer kans op brede uitrol.
Voor de klas verandert er ook iets. Leraren trainen zichzelf in prompten en het lezen van AI-advies. Ze leren snel zien wanneer een advies klopt, en wanneer niet. Zo blijft de leraar de beoordelaar, en het systeem een hulpmiddel.