Het onderzoek werd uitgevoerd door Thematic Working Group 5 van EDUsummIT 2025. De twintig deelnemers waren verbonden aan achttien instellingen en werkzaam in verschillende onderwijssectoren, van het primair onderwijs tot het hoger onderwijs.
De studie voorspelt niet hoe het onderwijs er in 2030 daadwerkelijk zal uitzien. De onderzoekers verkenden mogelijke, waarschijnlijke en wenselijke toekomstbeelden. Daarbij stond de vraag centraal hoe onderwijs en leren eruit kunnen zien in een omgeving waarin AI op grote schaal wordt gebruikt, en wat dit vraagt van de opleiding van toekomstige leraren.
AI biedt volgens eerder onderzoek mogelijkheden voor onder meer gepersonaliseerd leren, formatieve feedback en de ontwikkeling van kritische AI-geletterdheid. Tegelijkertijd bestaan er risico’s, zoals overmatige afhankelijkheid van AI, vermindering van kritisch denken, problemen met academische integriteit, vooringenomen algoritmen en ongelijke toegang. Leraren hebben daarom niet alleen technische kennis nodig, maar ook didactische vaardigheden om leerlingen kritisch en zelfstandig met AI te leren omgaan.
Zes scenario’s voor het onderwijs in 2030
Voor het onderzoek gebruikten de deelnemers een methode die bekendstaat als toekomstdenken. Zij moesten zich voorstellen dat hun onderwijsinstelling in 2025 was aangewezen als pionier op het gebied van AI-geletterdheid en daarvoor aanzienlijke financiële steun had gekregen. In 2030 zouden leraren en leerlingen daardoor al vijf jaar ervaring hebben met een onderwijsomgeving waarin AI volledig was ingebed.
In groepen beschreven de deelnemers een gewone werkdag van leraren en schoolleiders in zo’n omgeving. Dat leverde zes gezamenlijk opgestelde scenario’s op: één voor het primair onderwijs, één voor het voortgezet onderwijs, één voor technisch vervolgonderwijs en community colleges en drie voor het hoger onderwijs. Twee van de scenario’s voor het hoger onderwijs gingen over de onderwijspraktijk; het derde richtte zich op bestuur en beleid.
De scenario’s werden geanalyseerd volgens een methode voor reflexieve thematische analyse. Daarbij gebruikten de onderzoekers verschillende generatieve AI-modellen voor onder meer de eerste codering en het ontwikkelen en toetsen van thema’s. Vier onderzoekers controleerden en bewerkten de door AI voorgestelde codes. De uiteindelijke interpretaties en beslissingen bleven bij de onderzoekers. In totaal werden 329 verwijzingen gecodeerd en twaalf thema’s vastgesteld.
Meer AI vraagt om meer menselijk handelen
Uit de twaalf thema’s leidden de onderzoekers drie overkoepelende patronen af. Het eerste noemen zij de ‘meer-menselijke paradox’. In de scenario’s verdringt AI het menselijke werk van leraren niet, maar komt juist meer nadruk te liggen op menselijke interactie, pedagogisch oordeel en begeleiding.
Dit patroon was het duidelijkst in het scenario voor het primair onderwijs. AI verzorgde daar bijvoorbeeld directe feedback, aangepaste uitleg en gepersonaliseerde oefeningen. Daardoor konden leraren zich meer richten op sociale interactie, samenwerking, het begeleiden van gesprekken en het oplossen van conflicten. Ook in de andere onderwijssectoren bleven leraren verantwoordelijk voor het ontwerpen van leeractiviteiten en het interpreteren van informatie die door AI werd aangeleverd.
Zelfstandigheid moet worden aangeleerd
Het tweede patroon betreft de spanning tussen zelfstandigheid en begeleiding. In de scenario’s gebruiken leerlingen AI als denkpartner en niet als beslisser. Zij controleren antwoorden, stellen aannames ter discussie en bepalen welke adviezen zij wel of niet overnemen.
De onderzoekers benadrukken dat deze zelfstandigheid niet vanzelf ontstaat. Leraren moeten leerlingen leren hoe zij AI-uitkomsten kunnen controleren, wanneer zij AI beter niet kunnen gebruiken en hoe zij hun eigen denkwerk zichtbaar houden. Daarvoor hebben leraren zowel kennis van AI-systemen als didactische vaardigheden nodig.
Volgens de auteurs besteden bestaande lerarenopleidingen nog onvoldoende aandacht aan deze combinatie. Zij spreken van ‘door AI versterkte pedagogische kennis’: het vermogen om technische kennis over AI te verbinden met kennis over leren, begeleiden en beoordelen.
Andere accenten per onderwijsfase
Het derde patroon is dat verantwoord gebruik van AI per onderwijsfase iets anders vraagt. In het primair onderwijs lag in de scenario’s veel nadruk op sociale en emotionele vaardigheden en samenwerking. In het voortgezet onderwijs stonden zelfregulatie en het interpreteren van actuele leergegevens centraal.
In het technische vervolgonderwijs draaide het vooral om realistische opdrachten en samenwerking met bedrijven. De scenario’s voor het hoger onderwijs verschilden onderling: sommige richtten zich op de onderwijspraktijk, terwijl andere vooral gingen over bestuur, toezicht en regels voor het gebruik van AI.
Drie aandachtspunten voor lerarenopleidingen
Op basis van de scenario’s noemen de onderzoekers drie prioriteiten voor de opleiding van toekomstige leraren. Leraren moeten ten eerste leren hoe zij kritisch en zelfstandig gebruik van AI bij leerlingen kunnen begeleiden. Ten tweede moeten zij leeromgevingen kunnen ontwerpen waarin AI menselijke samenwerking en interactie ondersteunt. Ten derde moeten zij kunnen bijdragen aan betrouwbare en rechtvaardige regels en infrastructuur rond AI.
Daarbij gaat het onder meer om het herkennen van vooringenomenheid, het beoordelen van toegankelijkheid, het beschermen van privacy en het bepalen wanneer AI-gebruik ongewenst is. De uiteindelijke verantwoordelijkheid voor veilige en rechtvaardige systemen ligt volgens de onderzoekers bij instellingen, beleidsmakers en toezichthouders, maar leraren moeten wel aan de besluitvorming kunnen deelnemen.
Optimistische scenario’s
De onderzoekers noemen verschillende beperkingen. De experts die de scenario’s opstelden, waren deels ook bij de analyse betrokken. Daardoor kunnen gedeelde aannames en voorkennis de uitkomsten hebben beïnvloed.
Daarnaast waren de scenario’s overwegend optimistisch, hoewel de deelnemers uitdrukkelijk was gevraagd ook risico’s te bespreken. De uitgangssituatie ging uit van goed gefinancierde instellingen die al jaren ervaring met AI hadden. Een neutralere of kritischere opdracht had volgens de auteurs andere uitkomsten kunnen opleveren.
Ook het gebruik van generatieve AI bij de analyse vormt een beperking. Hoewel de onderzoekers alle uitkomsten controleerden en zelf verantwoordelijk bleven voor de interpretatie, zijn de interne redeneerprocessen van taalmodellen niet volledig inzichtelijk.
Wat betekent dit in de praktijk?
Voor lerarenopleidingen betekenen de uitkomsten dat technische uitleg over AI niet voldoende is. Aankomende leraren moeten ook oefenen met het begeleiden van leerlingen die AI-antwoorden controleren, vergelijken en ter discussie stellen.
Voor leraren en opleiders ligt de nadruk op het ontwerpen van leeractiviteiten waarin AI samenwerking en zelfstandig denken ondersteunt. Daarbij hoort ook de afweging wanneer leerlingen AI kunnen gebruiken en wanneer zij eerst zonder hulp bepaalde kennis of vaardigheden moeten ontwikkelen.
Voor onderwijsinstellingen en beleidsmakers wijzen de scenario’s op het belang van duidelijke afspraken over privacy, toegankelijkheid, toezicht en mogelijke vooringenomenheid van AI-systemen. Leraren moeten volgens de onderzoekers bij zulke beslissingen worden betrokken.
Bron: Malyn-Smith, J. et al. (2026). Navigating AI’s Educational Future: Expert Scenarios and Implications for Teaching and Teacher Preparation, Computers and Education Open. DOI: https://doi.org/10.1016/j.caeo.2026.100422
