Generatieve AI heeft in korte tijd een vaste plaats gekregen in het onderwijs. Leerlingen en studenten gebruiken AI om uitleg te vragen, ideeën te verkennen, teksten te verbeteren, oefeningen op te lossen of feedback te krijgen. Tegelijk groeit de bezorgdheid over de impact van deze technologie op leren.
Kritische stemmen wijzen op het fenomeen van cognitive offloading: het uitbesteden van mentale taken aan technologie. Wanneer leerlingen en studenten AI gebruiken om informatie op te zoeken, samenvattingen te maken of antwoorden te genereren, bestaat het risico dat ze zelf minder actief nadenken over de leerstof. Niet alleen het uitvoeren van taken, maar ook het onthouden, structureren en verwerken van informatie kan steeds vaker aan technologie worden overgelaten.
Daarnaast waarschuwen sommige onderzoekers voor wat soms metacognitive laziness wordt genoemd. Wanneer AI snel en overtuigend antwoorden geeft, worden leerlingen en studenten mogelijk minder gestimuleerd om hun eigen begrip kritisch te controleren, hun denkproces te monitoren of bewust leerstrategieën toe te passen. De zorg is dan niet alleen dat AI denkwerk overneemt, maar ook dat het de ontwikkeling van zelfregulerend leren en metacognitieve vaardigheden kan afremmen.
Dat roept belangrijke vragen op voor zowel secundair als hoger onderwijs. Leren leerlingen en studenten nog wel voldoende zelfstandig nadenken? Wordt AI vooral gebruikt als een snelle weg naar antwoorden? Of kan AI net een hulpmiddel zijn dat diepere vormen van denken ondersteunt?
Een recent onderzoek van Chang en Li (2026) biedt een interessant perspectief. In plaats van uitsluitend te kijken naar wat AI produceert, onderzochten zij wat gesprekken tussen studenten en AI ons kunnen vertellen over het leerproces zelf. Hun centrale stelling is dat AI-gesprekken zichtbare sporen van cognitieve activiteit bevatten en daardoor inzicht kunnen geven in hoe mensen denken terwijl ze leren.
AI als venster op het denken
De onderzoekers analyseerden meer dan 60.000 berichten van studenten die gebruikmaakten van AI-assistenten in uiteenlopende onderwijscontexten. Hun uitgangspunt was opvallend eenvoudig: wanneer een leerling of student een vraag stelt aan AI, maakt die een stukje van zijn of haar denkproces zichtbaar.
Een vraag zoals:
“Kun je uitleggen waarom deze redenering fout is?”
laat een ander niveau van denken zien dan:
“Geef mij het antwoord.”
Volgens de onderzoekers kunnen AI-prompts daarom gezien worden als zichtbare sporen van cognitieve activiteit. Ze noemen dit perspectief Chat as Learning.
Dat betekent niet dat een leerling of student automatisch leert omdat hij of zij een vraag stelt aan AI. Wel biedt het een nieuw perspectief op wat er tijdens het leerproces gebeurt.
Meer denkwerk dan vaak wordt aangenomen
In publieke discussies wordt AI soms voorgesteld als een snelle weg naar kant-en-klare antwoorden. Het onderzoek toont echter een genuanceerder beeld.
Ongeveer 62% van de onderzochte prompts werd geclassificeerd als hogere-orde denken. Het ging daarbij om activiteiten zoals toepassen, analyseren, evalueren en creëren.
Dat wil niet zeggen dat AI altijd leidt tot diep leren. De onderzoekers benadrukken zelf dat zij geen leerwinst meten. Ze analyseren enkel de cognitieve activiteit die zichtbaar wordt in de vragen die gesteld worden.
Toch is de conclusie relevant: veel leerlingen en studenten gebruiken AI niet uitsluitend om antwoorden op te zoeken, maar ook om na te denken, verbanden te leggen, argumenten uit te werken en nieuwe ideeën te ontwikkelen.
Niet de leerling, maar de leeromgeving maakt het verschil
Misschien wel de meest interessante bevinding is dat verschillen tussen leercontexten groter blijken dan verschillen tussen individuele studenten. Dezelfde student stelde namelijk heel andere soorten vragen afhankelijk van de context waarin AI werd gebruikt.
Dat suggereert dat AI-gebruik sterk beïnvloed wordt door:
- de opdracht die gegeven wordt;
- de manier van evalueren;
- de instructies van de leraar of docent;
- de leerdoelen die centraal staan;
- de ondersteuning die wordt aangeboden.
Voor onderwijsprofessionals is dat een belangrijke boodschap.
Wanneer leerlingen of studenten AI op een weinig betekenisvolle manier gebruiken, ligt de verklaring niet noodzakelijk bij hun motivatie of attitude. Vaak speelt ook het ontwerp van de leeractiviteit een belangrijke rol.
Met andere woorden: hoe we opdrachten ontwerpen, beïnvloedt mee hoe AI wordt ingezet.
Verschillende leerdoelen vragen verschillende AI-gebruiken
Het onderzoek laat bovendien zien dat AI-gebruik verschilt naargelang de cognitieve eisen van een leeractiviteit.
Sommige opdrachten leiden vooral tot vragen waarbij kennis wordt toegepast. Andere zetten leerlingen en studenten aan om te analyseren, evalueren of nieuwe ideeën te ontwikkelen.
Dat lijkt vanzelfsprekend, maar het heeft belangrijke gevolgen voor AI-beleid.
Wanneer verschillende leeractiviteiten verschillende soorten denken vereisen, heeft een uniforme aanpak voor AI weinig zin. Wat wenselijk is in een creatieve opdracht, is niet noodzakelijk wenselijk in een oefening die gericht is op kennisverwerving of vaardigheidstraining.
De centrale vraag wordt dan niet langer:
“Mag AI gebruikt worden?”
maar eerder:
“Welke vorm van denken willen we stimuleren en hoe kan AI daarbij ondersteunen?”
Een kans om het leerproces zichtbaarder te maken
Traditioneel zien we vooral het eindresultaat van leren: een toets, een paper, een presentatie, een ontwerp of een project.
AI biedt mogelijk kansen om ook meer zicht te krijgen op het proces dat eraan voorafgaat.
Dat kan bijvoorbeeld door leerlingen of studenten te laten:
- reflecteren over hun AI-gebruik;
- hun keuzes en denkstappen toe te lichten;
- verschillende oplossingen te vergelijken;
- feedback van AI kritisch te analyseren;
- mondeling verantwoording af te leggen over hun werkproces.
Zo verschuift de focus van controle naar begeleiding.
Niet:
“Heeft AI dit gemaakt?”
Maar wel:
“Hoe heeft AI het leerproces ondersteund en wat heeft de leerling of student daaruit geleerd?”
Een belangrijke nuance
Tegelijk waarschuwen de onderzoekers voor te vergaande conclusies.
Een complexe of creatieve prompt betekent niet automatisch dat iemand effectief geleerd heeft. Het onderzoek meet geen kennisgroei, geen competentieontwikkeling en geen leerwinst. Het meet enkel de cognitieve activiteit die zichtbaar wordt in AI-gesprekken.
Dat onderscheid is belangrijk.
AI-interacties kunnen interessante signalen geven over leren, maar vervangen nooit evaluaties die nagaan wat leerlingen en studenten daadwerkelijk kennen, begrijpen en kunnen toepassen.
De uitdaging voor onderwijs
Misschien ligt de grootste waarde van dit onderzoek niet in de cijfers, maar in de verschuiving van perspectief.
De AI-discussie hoeft niet uitsluitend te gaan over fraude, detectie of verboden. Ze kan ook gaan over het stimuleren van kwaliteitsvol denkwerk.
Voor leraren en docenten zijn daarom drie vragen relevant:
- Welk denkwerk wil ik uitlokken?
- Hoe kan AI dat denkwerk ondersteunen in plaats van vervangen?
- Hoe maak ik het leerproces zichtbaarder naast het eindproduct?
Wanneer we die vragen centraal zetten, verschuift de aandacht van technologie naar leren. En precies daar zou de discussie over AI in onderwijs in de eerste plaats over moeten gaan.
Referentie
Chang, C.-K., & Li, K.-H. (2026). Chat as learning: Student–AI conversations as discipline-associated cognitive engagement patterns. Computers and Education: Artificial Intelligence, 11, 100644. https://doi.org/10.1016/j.caeai.2026.100644