De Nijmeegse hoogleraar onderwijs en artificiële intelligentie bij leren, onderwijs en ontwikkeling plaatste die inzet direct in een breder kader. Zij wees op het onderscheid tussen generieke AI en onderwijsgerichte AI, een verschil dat volgens haar nog te weinig wordt onderkend. “Algemene AI-oplossingen zoals generatieve AI bieden veel belofte, maar vragen tegelijkertijd veel professionele ontwikkeling van leraren om goed te kunnen worden ingezet in onderwijscontexten”, zei zij.
Molenaar, tevens directeur van het Nationaal OnderwijsLab AI (NOLAI), noemde die spanning de automatiserings-augmentatieparadox. Daarbij wordt vaak aangenomen dat het gebruik van AI automatisch leidt tot automatisering en minder autonomie voor leraren. Volgens haar is dat niet vanzelfsprekend. “We hebben altijd benadrukt dat AI niet alleen voor automatisering gebruikt kan worden, maar juist ook om leraren te ondersteunen”, zei zij. Wanneer die verschuiving wordt gemaakt, “hoeft dat niet ten koste te gaan van hun autonomie”.
Ze missen essentiële kenmerken van onderwijs
Volgens de Nijmeegse hoogleraar onderwijs en artificiële intelligentie bij leren, onderwijs en ontwikkeling ligt de kern van het probleem in het ontwerp van deze systemen. “Ze zijn niet ontwikkeld om leren en onderwijzen te ondersteunen”, stelde zij, en daardoor missen ze essentiële kenmerken van onderwijs. Zo “zijn ze zich niet bewust van curricula en ook niet van de onderwijscontext waarin ze worden gebruikt”. Ook zijn ze “niet gebouwd op modellen van leren en onderwijzen” en hebben ze “moeite om zich aan te passen aan de behoeften van individuele leerlingen”.
Die beperkingen hebben volgens haar directe gevolgen voor de positie van de docent. “Ze zetten de autonomie van leraren op verschillende manieren onder druk”, aldus Molenaar. Daarmee wordt de inzet van AI niet alleen een technische kwestie, maar ook een pedagogische en professionele vraag. De centrale vraag die Molenaar en Topali in hun onderzoek stellen, is dan ook hoe generieke AI kan worden omgevormd tot technologie die wél aansluit op het onderwijs. “Hoe kunnen we generieke AI ontwerpen en omvormen tot onderwijsgerichte AI?”
Het antwoord ligt volgens de Nijmeegse hoogleraar niet alleen in technologie, maar vooral in het proces erachter. “Dit werk is uitgevoerd samen met leraren”, benadrukte zij. Leraren worden in hun aanpak vanaf het begin betrokken bij het ontwerp.
Leraren niet als eindgebruikers maar als architecten
Evi Topali werkte die benadering verder uit en maakte expliciet wat dat betekent voor de rol van de docent. “In onze aanpak positioneren we leraren niet als eindgebruikers, maar als architecten van de tools”, zei zij. Daarmee verschuift de positie van de leraar van gebruiker naar medeontwerper.
In het onderzoek begonnen de Radboud-onderzoekers met het in kaart brengen van zorgen die leraren hebben bij het gebruik van generatieve AI. Topali benoemde drie terugkerende punten. Ten eerste is er zorg over leerlingen. Leraren vrezen “cognitieve overbelasting bij leerlingen” en zien risico’s in “een te grote afhankelijkheid van door AI gegenereerde antwoorden, waardoor het kritisch denken van leerlingen in gevaar komt”. “De laatste zorg ging over hun eigen rol in het onderwijsproces en had te maken met een gebrek aan controle”, aldus Topali.
Taken verdelen tussen henzelf en AI
Wat die controle inhoudt, werd in het onderzoek concreet gemaakt. “Controle betekent voor leraren dat ze kunnen monitoren hoe leerlingen omgaan met generatieve AI”, legde Topali uit. Daarnaast willen leraren “verschillende aspecten van AI-tools kunnen instellen op basis van hun pedagogische keuzes” en zelf bepalen “hoe zij de taken verdelen tussen henzelf en de AI”.
Op basis van deze zorgen vertaalden Molenaar en Topali de behoeften van leraren naar concrete eisen voor nieuwe systemen. Daarbij onderscheiden zij verschillende momenten waarop autonomie een rol speelt. Molenaar benadrukte dat die autonomie niet beperkt blijft tot de les zelf, maar al eerder begint. Leraren moeten betrokken zijn bij het ontwerp van de tool, bij de voorbereiding van lessen en bij de uitvoering in de klas.
Topali beschreef hoe leraren in al die fasen keuzes moeten kunnen maken. “Zij moeten kunnen bepalen hoe al deze functies worden gebruikt en op welk moment”, zei zij.
Leraren kunnen bepalen hoeveel vragen leerlingen mogen stellen
Om die regie concreet te maken, ontwikkelden de onderzoekers drie prototypes. Het eerste prototype maakt het mogelijk om vooraf pedagogische grenzen in te stellen. Leraren kunnen bijvoorbeeld bepalen hoeveel vragen leerlingen mogen stellen, hoe lang antwoorden mogen zijn en of de AI directe antwoorden geeft of alleen hints.
Het tweede prototype geeft leraren zicht op het gebruik van AI in de klas. “Leraren kunnen zien wie generatieve AI gebruikt en hoe vaak”, aldus Topali. Ook kunnen zij signaleren wanneer leerlingen AI gebruiken om simpelweg antwoorden over te nemen. Daarmee moet wat nu een ‘zwarte doos’ is, veranderen in een instrument voor gerichte interventie.
Het derde prototype richt zich op feedback. Leraren bepalen vooraf welke feedback door de AI wordt gegeven en welke zij zelf willen blijven verzorgen. Daarmee houden zij regie over de pedagogische keuzes, terwijl de technologie een deel van het werk ondersteunt.
Autonomie van leraren is voor ons een dynamisch proces, geen statisch gegeven
In de afronding onderstreepte Topali dat autonomie niet als iets statisch moet worden gezien. “Autonomie van leraren is voor ons een dynamisch proces, geen statisch gegeven”, zei zij. Die autonomie ontwikkelt zich op verschillende momenten in het onderwijsproces en moet in elk van die fasen worden ondersteund.
De inzet van AI in het onderwijs draait daarmee volgens Molenaar en Topali niet om de vraag wat technologie kan, maar om wie bepaalt hoe die technologie wordt gebruikt. In hun benadering ligt dat beginpunt expliciet bij de leraar.
