Let’s talk about education: schrijven met AI

Onderwijs verandert razendsnel;  van digitale klasomgevingen tot nieuwe inzichten over hoe we leren. In onze blogreeks “Let’s talk about education” onderzoekt Dr. John Collick, internationaal onderwijsexpert en auteur, de trends, ideeën en uitdagingen die het onderwijs van morgen bepalen.

In dit artikel kijken we naar hoe mensen leren en denken, en hoe dat verschilt van wat AI doet. Dr. Collick zoomt in op Large Language Models (LLM’s) en hun invloed op het schrijfonderwijs.

De AI-revolutie

Large Language Models verschenen in 2022 massaal in het nieuws. Tools zoals ChatGPT, Midjourney en OpenAI veroorzaakten een golf van verwachtingen: AI zou industrie, wetenschap, kunst en onderwijs volledig veranderen. Met een paar prompts zouden we in een handomdraai artikelen, kunstwerken, code of lesmateriaal kunnen maken.

Maar drie jaar later blijkt die belofte een stuk genuanceerder.

Een MIT-onderzoek toont aan dat 95% van de bedrijven die AI invoerden, geen rendement ziet^[1]. Daarnaast lopen er rechtszaken van auteurs en kunstenaars omdat hun werk zonder toestemming is gebruikt om AI te trainen. En online worden we overspoeld door “AI-slop”: grote hoeveelheden AI-gegenereerde tekst, beelden en video’s, inclusief misinformatie en andere schadelijke inhoud.

Ook in het onderwijs is de impact groot. Docenten besteden steeds meer tijd aan het detecteren van AI-gebruik, vaak met AI-tools die zelf weer feilbaar zijn. Oxford University meldt dat één op de vier leerlingen vindt dat AI “het te makkelijk maakt” om antwoorden te vinden^[2], en dat het hun creativiteit en studievaardigheden onder druk zet.

Op de arbeidsmarkt zien we iets vergelijkbaars: sollicitanten schrijven brieven met AI, die vervolgens worden beoordeeld door AI. Een systeem waarin machines met machines communiceren, terwijl de mens nauwelijks nog een rol speelt.

De mythe van intelligentie

Om te begrijpen hoe AI past in het onderwijs, moeten we eerst helder krijgen wat AI wel, en vooral niet doet. LLM’s werken compleet anders dan het menselijk brein.

Hoe mensen leren en denken

Mensen leren door enorme netwerken van hersenverbindingen op te bouwen (lees hier meer). Herhaling maakt die verbindingen sterker, waardoor kennis en vaardigheden beklijven. De menselijke hersenen zijn:

• flexibel
• uitstekend in patroonherkenning
• in staat tot abstract en creatief denken
• zelfbewust (metacognitie)

We herkennen gezichten, begrijpen verhalen, kunnen argumenteren en schakelen moeiteloos tussen overzicht en detail.

Dat maakt menselijk denken rijk, veelzijdig en betekenisvol.

Hoe machines ‘denken’

AI leert niet zoals wij. Een LLM werkt puur op basis van statistiek. Het model wordt gevoed met gigantische hoeveelheden tekst en voorspelt vervolgens het meest waarschijnlijke volgende woord.

Het is, simpel gezegd, een geavanceerde tekstaanvuller.

Er is:

• geen begrip
• geen structuur
• geen bewustzijn
• geen idee van wat het ‘schrijft’

Zoals Stephen Wolfram het beschrijft:
“ChatGPT probeert simpelweg een tekst voort te zetten zoals mensen dat doen op miljarden webpagina’s.” ^[3]

Wanneer een chatbot zegt “sorry, dat was fout”, komt dat niet door inzicht, maar omdat dat statistisch gezien de meest waarschijnlijke reactie is.

Met andere woorden: AI lijkt slim, maar er is geen denkproces. Geen oordeel. Geen bedoeling.

Hoe mensen essays schrijven en beoordelen

Traditioneel hielpen essays studenten om:

• kennis op te bouwen
• kritisch te denken
• argumenten te structureren
• hun eigen stem te ontwikkelen

Docenten beoordeelden die essays en gaven feedback. Dat proces was nooit perfect, maar wel bewust, menselijk en leerzaam voor beide partijen.

Hoe machines essays schrijven en beoordelen

Steeds meer bedrijven bieden AI-systemen aan die essays nakijken. Ze beloven tijdwinst en objectiviteit, maar uiteindelijk doen ze niet meer dan statistiek vergelijken.

Een AI:

• breekt een essay in losse data-elementen
• vergelijkt die met een enorme database
• bepaalt op basis van patronen of iets lijkt op een A-, B- of C-essay

Maar het begrijpt niet wat het leest.

Zo ontstaat een bizarre realiteit: studenten gebruiken AI om essays te schrijven die vervolgens door AI worden beoordeeld. Een gesloten systeem zonder echt denken.

Heeft AI een plek in het onderwijs?

In veel instellingen is essay­schrijven veranderd in een technologiewedloop: AI schrijft, AI detecteert, AI beoordeelt. En niemand wordt daar beter van, behalve de bedrijven die de tools verkopen.

LLM’s begrijpen geen redenatie, geen opbouw, geen doel. Ze weten niet dat ze een essay schrijven. Ze genereren simpelweg het meest waarschijnlijke volgende woord.

Door schrijven en beoordeling aan machines over te laten, halen we het menselijk denken volledig uit het leerproces.

Sommige mensen stellen dat het schrijven van slimme prompts een vaardigheid is. Maar hoeveel inzicht vraagt het echt om iets te typen als “Schrijf een essay van 2000 woorden over…”?

En hoeveel leerwinst gaat daarmee verloren?

Hoe kan het anders?

Hoe zorgen we ervoor dat leerlingen blijven denken, ook in een wereld waarin AI steeds beter wordt?

Een paar opties:

• korte, handgeschreven opdrachten
• meer debat en mondelinge argumentatie
• bewust werken aan metacognitie
• minder nadruk op cijfers en meer op leerproces

Wanneer studenten begrijpen hoe hún brein werkt, en hoe anders dat is dan AI, wordt de verleiding kleiner om het denkwerk uit te besteden.

AI heeft zeker een rol, maar niet als schrijver of beoordelaar van essays.
Als AI ergens zou moeten helpen, laat het dan uitdagende opdrachten creëren. Niet om het makkelijk te maken, maar om leerlingen te prikkelen en hun denkvermogen te versterken.

De hersenen floreren bij uitdaging en falen.
AI kan dat aanwakkeren.
Maar het mag nooit de plek innemen van het denken zelf.

____________

[1] "MIT report: 95% of generative AI pilots at companies are failing", Fortune, August 18 2025, Accessed 20/10/25

[2] "Pupils fear AI is eroding their ability to study, research finds", The Guardian , 15 October 2025, Accessed 20/10/25

[3] What Is ChatGPT Doing … and Why Does It Work?, Stephen Wolfram, February 14 2023, Accessed 20/10/25