Een Nederlandse student is vrijgesproken van fraude na fouten in zijn bronnenlijst die door een AI-tool waren ontstaan. De examencommissie oordeelde recent dat er geen bewijs was van opzet. De tekst was wel door de student zelf geschreven, maar de verwijzingen bleken onjuist. De zaak zet het onderwijs aan tot actie, met oog voor de AVG en de Europese AI‑verordening (AI Act) en de gevolgen voor instellingen.
Student niet schuldig bevonden
De student werd verdacht van fraude omdat in zijn literatuurlijst titels en paginanummers niet klopten. Onderzoek wees uit dat een algoritme de verwijzingen had gegenereerd en fouten had gemaakt. De examencommissie vond daarom geen bewijs van bedrog of afkijken. De student werd vrijgesproken.
De inhoud van het werkstuk bleek origineel en consistent met eerder ingeleverde opdrachten. De problemen zaten vooral in de opmaak en juistheid van bronnen. Dat is precies waar veel automatische hulpmiddelen beloven te helpen, maar soms misgaan. De instelling bekijkt nu of de regels voor AI-gebruik in opdrachten duidelijker moeten.
In het hoger onderwijs groeit de spanning rond AI in schrijfopdrachten. Studenten gebruiken steeds vaker generatieve systemen voor structuur of bronnen. Zonder controle kunnen slordigheden doorsijpelen in de eindversie. Dat kan onterecht leiden tot verdenkingen van fraude.
AI maakt foutieve bronnen
Generatieve AI zoals ChatGPT van OpenAI kan “hallucineren”. Dat betekent dat het model tekst verzint die overtuigend klinkt, maar niet klopt. Bij literatuurlijsten levert dat soms niet‑bestaande artikelen op of verkeerd gespelde auteursnamen. Het systeem voorspelt woorden; het controleert geen databases.
Een datamodel heeft geen directe toegang tot betrouwbare bronregisters, tenzij de gebruiker die toevoegt. Voor broncontrole zijn diensten als Google Scholar, Crossref en DOI‑nummers betrouwbaarder. Studenten die AI‑voorstellen zonder check overnemen, lopen dus risico. Een simpele controle op titel, auteur en jaartal voorkomt veel ellende.
Ook sommige referentietools combineren AI‑suggesties met sjablonen. Dat werkt snel, maar fouten sluipen er zo makkelijk in. Daarom adviseren bibliotheken en schrijfcentra om altijd de originele publicatie te raadplegen. Automatisering helpt, eindverantwoordelijkheid blijft bij de student.
Onderwijs kiest meer mondelingen
Docenten reageren op deze ontwikkelingen door toetsen aan te passen. Mondelinge examens en schrijfopdrachten in de les winnen terrein. Daarmee toetsen ze begrip en redeneren, niet alleen eindtekst. Het vraagt wel meer tijd en training van examencommissies en teams.
Ook formatieve stappen, zoals conceptversies en logboeken, worden belangrijker. Zo ontstaat een spoor van bewijs dat laat zien hoe een student tot een tekst is gekomen. Dat verkleint de rol van gokwerk door een model. En het maakt het makkelijker om twijfel te bespreken zonder direct te bestraffen.
“Ik neem mondelingen af.”
Scholen bouwen daarnaast aan heldere richtlijnen voor AI‑gebruik. Wat mag wel, wat niet, en wat moet je documenteren? Transparantie-eisen voor studenten, zoals een korte AI‑gebruik‑paragraaf, worden steeds vaker ingevoerd.
AI‑verordening en AVG gelden
De Europese AI‑verordening (AI Act) stelt op het moment van schrijven transparantie‑eisen aan aanbieders van generatieve modellen. Die moeten onder meer uitleg geven over trainingsdata en risico’s. Onderwijsinstellingen gebruiken zulke systemen en moeten risico’s beheersen en menselijk toezicht borgen. Dat raakt de manier waarop zij toetsen ontwerpen en studenten instrueren.
De AVG geldt zodra persoonsgegevens in of via AI‑diensten worden verwerkt. Het uploaden van werkstukken of namen naar systemen van partijen buiten de EU, zoals ChatGPT of Grammarly, vraagt zorgvuldigheid. Dataminimalisatie, versleuteling en duidelijke afspraken met leveranciers zijn nodig. Een verwerkersovereenkomst en DPIA helpen instellingen om compliant te blijven.
Voor publieke instellingen, zoals hogescholen en universiteiten, wegen deze plichten extra zwaar. De combinatie van AI Act‑verplichtingen en de AVG dwingt tot heldere processen. Denk aan toestemmingsvragen, bewaartermijnen en wie mag meelezen. Studenten moeten weten wat er met hun data gebeurt.
Detectie blijft onzeker hulpmiddel
AI‑detectietools zoals Turnitin AI‑detectie en GPTZero worden in Nederland getest, maar hun betrouwbaarheid is wisselend. Ze leveren geregeld valse positieven, zeker bij niet‑moedertaalsprekers. Alleen op een detector varen is daarom risicovol. Dat kan onschuldige studenten schaden.
Universiteiten en hogescholen werken aan zorgvuldige procedures. Hoor en wederhoor, meerdere bewijsmiddelen en inhoudelijke checks krijgen voorrang. Landelijke partijen zoals SURF en Universiteiten van Nederland adviseren toetsing te herontwerpen en detectie alleen ondersteunend in te zetten. Dat sluit aan bij wat examencommissies nu al doen.
De vrijspraak in deze zaak onderstreept die lijn. Onderzoek de intentie, kijk naar leerproces en consistentie, en vraag toelichting. Combineer dat met duidelijke AI‑richtlijnen en training voor docenten. Zo blijft toetsing eerlijk, ook in een tijdperk van algoritmen.