In geen van de onderzochte situaties was sprake van volledige automatisering. AI verwerkte gegevens, herkende patronen en deed voorstellen. Leraren beoordeelden die uitkomsten en besloten of en hoe zij deze in hun onderwijs gebruikten. Nieuwe werkwijzen ontstonden vooral bij de voorbereiding van lessen en de reflectie achteraf. De centrale vraag was hoe automatisering en ondersteuning van menselijk werk door AI binnen het onderwijs samengaan.
Samenwerking bij het merendeel van de lestaken
De onderzoekers verwijzen naar een schatting van deskundigen van de OESO. Volgens die schatting kan AI 6 procent van de taken van leraren overnemen. Nog eens 22 procent bestaat uit taken die met de huidige technologie moeilijk te automatiseren zijn. Bij de resterende 72 procent wordt samenwerking tussen leraar en AI verwacht.
Bestaand onderzoek behandelt automatisering en menselijke versterking vaak als afzonderlijke of concurrerende processen. In deze studie worden ze juist gezamenlijk bekeken. AI kan delen van een taak overnemen, terwijl de uitkomsten van die geautomatiseerde stappen leraren tegelijkertijd ondersteunen bij andere onderdelen van hun werk.
Die taakverdeling is in het onderwijs niet eenvoudig vast te leggen. Lesgeven speelt zich af in een wisselwerking tussen leerlingen, leraren en technologie. Bovendien baseren leraren hun beslissingen op kennis van leerlingen, leerdoelen en de situatie in de klas.
Vier toepassingen onderzocht
De onderzoekers analyseerden vier praktijkcasussen uit co-creatieprojecten van NOLAI. Binnen deze projecten ontwikkelen onderwijsprofessionals, wetenschappers en ondernemers gezamenlijk AI-toepassingen voor het basis- en voortgezet onderwijs. Op het moment van het onderzoek liepen er dertig van zulke projecten.
De vier geselecteerde toepassingen verschilden in onderwijsniveau, gebruikersgroep en ontwikkelingsfase. Het ging om een hulpmiddel voor curriculumplanning bij rekenen, een toepassing voor het beoordelen van open vragen, een generatieve AI-assistent voor het plannen van feedback bij projectonderwijs en een leerlingdashboard voor zelfregulerend leren tijdens het schrijven.
Acht onderzoekers ontwikkelden een codeerschema. Daarbij brachten zij in kaart welke taken leraren en digitale hulpmiddelen vóór en na de invoering van de AI-toepassing uitvoerden. Ze onderscheidden drie soorten veranderingen: vervanging van een taak door AI, samenwerking tussen leraar en AI bij een bestaande taak en het ontstaan van een nieuwe taakverdeling die zonder AI niet mogelijk was.
Elke casus werd eerst door één onderzoeker gecodeerd. Daarna werden de uitkomsten besproken binnen het onderzoeksteam en met leraren of ontwerpers van de toepassingen. Vervolgens vergeleken de onderzoekers de vier casussen.
Automatisering blijft beperkt
In alle casussen bleef automatisering beperkt tot afgebakende deeltaken. Bij de toepassing voor curriculumplanning verwerkte AI gegevens over de prestaties van leerlingen en deed het systeem voorstellen voor lesdoelen, herhalingslessen en groepsindelingen. De leraar controleerde de onderliggende gegevens en kon een voorstel volgen, aanpassen of afwijzen.
Bij het beoordelen van open vragen groepeerde AI vergelijkbare antwoorden, markeerde het overeenkomsten met het modelantwoord en stelde het scores voor. De leraar controleerde die voorstellen en stelde de uiteindelijke scores vast.
De generatieve AI-assistent hielp een leraar vooraf nadenken over het soort feedback, het geschikte moment en mogelijke problemen van leerlingen. Tijdens de les kon de toepassing eveneens feedbacksuggesties geven. De leraar bleef verantwoordelijk voor het beoordelen en toepassen daarvan.
Het leerlingdashboard legde handelingen tijdens het schrijven vast en maakte onder meer doelen, revisies en onderdelen van het zelfreguleringsproces zichtbaar. Hierdoor konden leerlingen reflecteren op hun schrijfproces en kreeg de leraar informatie om gerichter feedback en begeleiding te geven.
Verandering vooral rond planning en reflectie
In alle vier de casussen vulden AI en leraar elkaar aan. Leraren interpreteerden en controleerden de uitkomsten en combineerden die met informatie waarover het systeem niet beschikte, zoals hun kennis van individuele leerlingen en de situatie in de klas.
In drie van de vier casussen ontstonden daarnaast nieuwe werkwijzen. Die veranderingen waren vooral zichtbaar bij de voorbereiding en de reflectie. Zo werd curriculumplanning een doorlopender proces dat kon worden aangepast aan actuele leerlinggegevens. Bij de feedbackassistent werd het vooraf plannen van feedback systematischer. Het dashboard maakte het mogelijk om zelfregulerend leren explicieter in schrijfonderwijs en nabesprekingen te verwerken. Bij de beoordeling van open vragen bleef deze verandering beperkt.
De volgorde van automatisering en ondersteuning verschilde per toepassing. Vaak nam AI eerst een analytische deeltaak over, waarna de leraar de uitkomst gebruikte bij een pedagogische beslissing. Bij de feedbackassistent vond de samenwerking vooral tijdens de voorbereiding plaats, terwijl AI tijdens de les een deel van het genereren van feedbacksuggesties overnam.
Een momentopname van vier casussen
Volgens de onderzoekers laten de casussen zien dat automatisering en ondersteuning tegelijkertijd voorkomen en over verschillende fasen van het onderwijsproces zijn verdeeld. De studie toont echter niet aan dat beide processen van elkaar afhankelijk zijn of hoe hun onderlinge verhouding zich in de loop van de tijd ontwikkelt.
De auteurs noemen ook mogelijke spanningen. Wanneer AI taken overneemt, kunnen leraren bepaalde kennis en vaardigheden minder vaak gebruiken. Daarnaast bestaat het risico dat zij AI-voorstellen onvoldoende kritisch beoordelen. Tegelijk vraagt het werken met de toepassingen om aanvullende kennis en vaardigheden, waaronder data-, AI- en feedbackgeletterdheid.
Alle casussen kwamen uit één onderzoeks- en ontwikkellab dat met co-creatie werkt. Dat kan de toepasbaarheid van de bevindingen in andere omgevingen beperken. Er werd bovendien geen statistische maat voor de overeenstemming tussen beoordelaars berekend. De analyses betroffen telkens één leraar en één moment in de ontwikkeling van de toepassing. Vervolgonderzoek moet de samenwerking tussen leraren en AI daarom gedurende langere tijd en in uiteenlopende onderwijsomgevingen volgen.
Wat betekent dit in de praktijk?
Voor leraren laten de casussen zien dat AI vooral informatie ordent en voorstellen doet. De leraar blijft nodig om die uitkomsten te controleren, aan te passen aan de situatie in de klas en om te zetten in pedagogische beslissingen.
Voor scholen betekent invoering van deze toepassingen dat leraren kennis nodig hebben van onder meer data, AI, feedback en zelfregulerend leren. De precieze kennisbehoefte verschilt per toepassing.
Voor ontwikkelaars van onderwijs-AI wijzen de onderzochte casussen op het belang van toepassingen die de interpreterende en beslissende rol van leraren ondersteunen. In de vier casussen bleef de uiteindelijke pedagogische afweging bij de leraar.
Bron: Horvers, A., Molenaar, I., Snoeijen, K., Costache, O., Van Der Graaf, J., Kramer, A.-W., De Mooij, S. S. M., Topali, P., Vermeire, Z. & Sleegers, P. J. C. (2026). Different lenses on human-AI collaboration: Towards a comprehensive view on hybrid intelligence in education, Behaviour & Information Technology. DOI: https://doi.org/10.1080/0144929X.2026.2740744
