Zeven lessen voor AI-robuust toetsontwerp in het hoger onderwijs

Er is een fundamentele spanning tussen het betrouwbaar kunnen beoordelen van wat studenten zelf kunnen versus het stimuleren van verantwoord gebruik van AI. De zeven lessen in dit stuk bieden houvast voor hoe opleidingen zich verantwoord tot die twee doelstellingen kunnen verhouden.
Deze spanning is niet nieuw. Vergelijkbare debatten vergezelden de introductie van rekenmachines, spellingcontroles en het internet. Maar de snelheid en breedte van AI-gebruik, gecombineerd met de onmogelijkheid van het detecteren van het gebruik ervan, maakt AI fundamenteel anders (Perkins, 2023; Newton, 2025).
De zeven lessen suggereren dat instellingen deze spanning niet kunnen oplossen door AI-gebruik volledig te verbieden, noch door het gebruik ervan toe te staan zonder structurele maatregelen en begeleiding (Dawson et al., 2024). Wat in plaats daarvan naar voren komt is een beeld van toetsontwerp als een voortdurende en collectieve praktijk in plaats van een technisch probleem met een stabiele oplossing. Dit sluit aan bij bredere oproepen in de toetsliteratuur voor een verschuiving weg van toetsing als meting naar toetsing als een leer- en ontwikkelingsproces (Corbin & Walton, 2025). AI versterkt deze verschuiving: wanneer het produceren van geschreven output grotendeels kan worden geautomatiseerd, moet de educatieve waarde van toetsing steeds meer worden gezocht in het leerproces. Tegelijkertijd neemt domeinkennis in belang toe vanwege de instrumentele rol die het speelt bij de beoordeling van door AI gegenereerde inhoud.