De hoogste onderwijsrechter in Nederland oordeelde onlangs dat AI in een scriptie niet automatisch fraude is. Het gaat om generatieve systemen zoals ChatGPT van OpenAI. Instellingen moeten per geval beoordelen of het gebruik is toegestaan en goed is onderbouwd. Dat raakt examenbeleid, het gebruik van detectietools zoals Turnitin, en de Europese AI-verordening gevolgen onderwijs.
AI-gebruik niet per se fraude
De kern van het oordeel: het enkele gebruik van kunstmatige intelligentie maakt een scriptie niet oneerlijk. Generatieve AI is software die op basis van voorbeelden zelf nieuwe tekst maakt. De vraag is of het gebruik past binnen de regels van de opleiding en de opdracht. Ook telt mee of de student eerlijk is over het gebruik en eigen werk kan aantonen.
Examencommissies moeten daarom per geval kijken naar doel, omvang en transparantie. Zij moeten aansluiten bij wat in de Onderwijs- en Examenregeling (OER) staat. Taalhulp kan bijvoorbeeld anders worden beoordeeld dan inhoudelijke generatie. Een binaire aanpak ā AI is altijd fout ā houdt juridisch geen stand.
Het oordeel versterkt het belang van duidelijke richtlijnen. Het maakt ruimte voor verantwoord gebruik, zoals stijl- of structuurhulp. Maar het stelt ook grenzen waar AI de eigen prestatie vervangt. Balans en onderbouwing zijn doorslaggevend.
āAI in een scriptie is niet per definitie fraude; beoordeling hangt af van regels, bedoeling en bewijs.ā
Bewijs vraagt meer dan detectie
AI-detectors zoals de AI Writing-detectie van Turnitin geven slechts een waarschijnlijkheid. Zulke algoritmen kunnen zich vergissen, bijvoorbeeld bij goed geschreven tekst of bij niet-standaard Nederlands. Een detectierapport is daarom geen sluitend bewijs. Het kan hooguit een startpunt zijn voor nadere vragen.
Onderwijsinstellingen horen bewijs te combineren. Denk aan versiegeschiedenis, tussenproducten, literatuurverwijzingen en een gesprek over keuzes in de tekst. Hoor en wederhoor is verplicht, zeker bij een zware beschuldiging als fraude. Een besluit moet logisch en volledig zijn gemotiveerd.
Ook docenten hebben hierbij een rol. Vraag studenten om concepten, notities en prompthistorie te bewaren. Dat maakt het proces zichtbaar en toetsbaar. Zo verklein je de afhankelijkheid van onzekere detectiesoftware.
Heldere regels in OER nodig
De OER en fraudeprotocollen moeten concreet maken wat mag en wat niet. Bijvoorbeeld: spelling- en stijlhulp met Grammarly of DeepL Write kan toegestaan zijn, volledige tekstopbouw met ChatGPT niet. Ook kan een opleiding Microsoft Copilot toestaan voor brainstorm, maar eisen dat kernanalyses zelf zijn geschreven. Duidelijke voorbeelden helpen misverstanden voorkomen.
Transparantie is een tweede pijler. Verplicht een korte AI-verklaring in scripties en werkstukken. Laat studenten bronnen, gebruikte prompts en hulpmiddelen kort beschrijven. Dit maakt toetsing eenvoudiger en eerlijker.
Consistentie per faculteit is belangrijk, maar vakverschillen blijven bestaan. Een methodesectie in sociale wetenschappen stelt andere eisen dan een literaire analyse. Universiteiten van Nederland (op het moment van schrijven) stimuleren harmonisatie waar dat kan. Uiteindelijk ligt de bevoegdheid bij examencommissies onder de Wet op het hoger onderwijs en wetenschappelijk onderzoek (WHW).
Europese regels raken onderwijs
De Europese AI-verordening (AI Act) zet eisen aan aanbieders van generatieve modellen en general-purpose AI. Bedrijven als OpenAI, Google en Microsoft moeten transparanter zijn over modelcapaciteiten en beperkingen. Dat maakt het voor onderwijs eenvoudiger om risicoās te beoordelen. Het verandert echter niets aan de plicht om eerlijk examen te organiseren.
Privacyregels uit de AVG blijven leidend. Universiteiten en hogescholen zijn verwerkingsverantwoordelijke als zij persoonsgegevens van studenten laten verwerken door externe AI-diensten. Dat vraagt om dataminimalisatie, verwerkersovereenkomsten en terughoudendheid met uploads. Let ook op doorgifte naar derde landen bij tools die in de VS draaien.
In toetsing geldt bovendien proportionaliteit. Zet geen risicovolle biometrische of monitoringtools in zonder noodzaak. Kies bij voorkeur lokale of Europese alternatieven met goede beveiliging. En versleutel gevoelige data standaard.
Gevolgen voor studenten en docenten
Voor studenten betekent dit: werk transparant en bewaar tussenstappen. Noteer welke hulpmiddelen je inzet en waarom. Verwijs naar bronnen en beschrijf eigen keuzes. Zo toon je eigenaarschap over de tekst.
Docenten kunnen opdrachten AI-bestendiger maken. Werk met procesbeoordeling, versies en mondelinge toelichtingen. Vraag om reflecties op methodekeuzes en beperkingen van het gebruikte model. Dat stimuleert begrip in plaats van knip-en-plakwerk.
Bij een fraudeverdenking is er recht op uitleg en verweer. De commissie moet een besluit zorgvuldig onderbouwen en alternatieve verklaringen wegen. Past het AI-gebruik binnen de regels, dan is er geen grond voor sanctie. Dit oordeel dwingt tot precieze, eerlijke toetsing.
Universiteiten herzien beleid
Veel instellingen scherpen op het moment van schrijven hun AI-beleid aan. Ze combineren didactische richtlijnen met juridische waarborgen. Een uniforme terminologie helpt: wat is ātaalhulpā, wat is āinhoudsgeneratieā, en wat valt onder āvertalingā? Met die definities wordt handhaving voorspelbaarder.
Techniek ondersteunt, maar vervangt geen beoordeling. Instellingen testen detectietools eerst, publiceren foutmarges en hanteren ze alleen aanvullend. Preferentie gaat uit naar bewijs dat uit het leerproces zelf komt. Dat vermindert conflicten en vergroot vertrouwen.
Tot slot is training nodig. Docenten leren prompts beoordelen en output te herkennen. Studenten leren beperkingen van datamodellen en algoritmen. Zo groeit een realistisch, juridisch houdbaar gebruik van AI in het Nederlandse hoger onderwijs.