AI-assistent voor docenten kan motivatie schaden

The Hechinger Report berichtte op 13 juli 2026 over een van de eerste gerandomiseerde praktijkproeven naar AI-gebruik door docenten. De uitkomst is een belangrijk waarschuwingssignaal: leerlingen van docenten met toegang tot een ChatGPT-gebaseerde onderwijsassistent vonden hun lessen gemiddeld iets minder leuk, interessant en belangrijk.

Dat betekent niet dat AI-lesvoorbereiding automatisch slechter onderwijs oplevert. De gemiddelde leerprestaties veranderden in de proef niet. Wel laat het onderzoek zien dat toegang tot een AI-tool op zichzelf geen didactische verbetering is. De manier waarop een docent de output selecteert, controleert en aanpast, blijft doorslaggevend.

Wat werd onderzocht?

De proef volgde in het voorjaar van 2025 193 docenten en ruim 2.800 leerlingen in het midden- en voortgezet onderwijs van een particuliere scholengroep in Turkije. Docenten werden willekeurig verdeeld over twee groepen. De ene groep kreeg tien weken toegang tot een onderwijsassistent die op ChatGPT was gebaseerd en was aangepast aan het Turkse nationale curriculum. De andere groep werkte zoals gewoonlijk verder.

Docenten met toegang tot de assistent gebruikten die vooral voor het maken van lesnotities, opdrachten en examens. Daarmee lijkt de toepassing sterk op wat ook in Nederland en België gebeurt wanneer docenten ChatGPT, Claude, Gemini, Copilot of een onderwijsspecifieke AI-tool inzetten voor voorbereiding.

Volgens het nieuwsartikel van The Hechinger Report beoordeelden leerlingen in de AI-groep hun lessen na afloop als iets minder motiverend. De daling was bescheiden, maar groter bij docenten die vóór de proef al relatief veel AI gebruikten.

Geen gemiddeld prestatieverlies, wel een kwetsbare subgroep

Over alle leerlingen samen vonden de onderzoekers geen verschil in gemiddelde leerprestaties. Dat is een belangrijke nuance: de studie laat geen algemene daling van cijfers door AI-gebruik van docenten zien.

In een nadere analyse ontstond wel een zorgelijk patroon. Bij docenten van wie leerlingen vóór de proef lager scoorden, gingen de prestaties en het zelfvertrouwen van leerlingen in de AI-groep achteruit. De onderzoekers gebruikten eerdere leerlingresultaten daarbij als benadering van docentprestatie. Dat is geen directe meting van de kwaliteit van een docent en vraagt dus om voorzichtigheid.

Een mogelijke verklaring is dat ervaren of didactisch sterkere gebruikers AI-output vaker als eerste versie behandelen, terwijl anderen materiaal sneller ongewijzigd inzetten. De studie heeft dat mechanisme echter niet gemeten. Er waren geen lesobservaties en de onderzoekers analyseerden de gegenereerde materialen niet. Het blijft dus een hypothese, geen bewezen oorzaak.

Waar de kans van AI wel zit

De proef ontkent de praktische waarde van AI niet. Een docent kan sneller een eerste opzet maken, extra oefenvragen bedenken, voorbeelden variëren of een activiteit ontwerpen die anders te veel tijd zou kosten. De hoofdonderzoeker noemt bijvoorbeeld interactieve spellen en peilingen als toepassingen die hij zelf in zijn universitaire onderwijs gebruikt.

De kans zit vooral in aanvullen en bewerken. AI kan een ruwe versie leveren, waarna de docent die verbindt met leerdoelen, voorkennis, taalniveau, klasdynamiek en een eigen manier van uitleggen. Juist die menselijke vertaling kan voorkomen dat materiaal correct oogt maar generiek, saai of didactisch ongeschikt blijft.

Voor schoolteams is tijdwinst daarom niet de enige relevante maatstaf. Een AI-tool is pas behulpzaam als ook de kwaliteit van het materiaal, de betrokkenheid van leerlingen en het uiteindelijke leren op niveau blijven of verbeteren.

De risico's voor de onderwijspraktijk

Het grootste risico is dat AI van assistent naar vervanger van het didactische denkwerk schuift. Lesnotities, opdrachten en toetsen kunnen er professioneel uitzien, terwijl voorbeelden niet bij de groep passen, vragen te oppervlakkig zijn of de persoonlijke stem van de docent verdwijnt.

Daar komen bekende risico's bij. AI-output kan feitelijke fouten, eenzijdige voorbeelden of ongewenste aannames bevatten. Bij publieke tools blijven privacy en gegevensbescherming belangrijk: leerlingwerk, toetsmateriaal en persoonsgegevens horen niet zonder passende afspraken in een extern systeem. Ook kan afhankelijkheid ontstaan wanneer docenten steeds minder zelf ontwerpen en daardoor minder goed herkennen waarom materiaal wel of niet werkt.

De subgroepuitkomst verdient extra aandacht. Als vooral teams die nog weinig didactische of AI-ervaring hebben kant-en-klaar materiaal overnemen, kan dezelfde tool verschillen tussen klassen juist vergroten. Professionalisering moet daarom niet alleen over prompts gaan, maar ook over kwaliteitscontrole, vakdidactiek en gezamenlijk bespreken van AI-gegenereerd materiaal.

Hoe sterk is dit bewijs?

De onderliggende studie verscheen in juni als concept en is nog niet peer-reviewed. De proef vond plaats binnen één particuliere scholengroep in Turkije. Bovendien mochten docenten in de controlegroep andere AI-tools blijven gebruiken. Het onderzoek vergelijkt dus toegang tot één aangepaste assistent met de gewone praktijk, niet zuiver onderwijs mét AI met onderwijs zónder AI.

De resultaten kunnen daarom niet één op één worden vertaald naar PO, MBO, HBO of WO in Nederland en België. Voor het VO is de context het meest vergelijkbaar. Voor de andere sectoren is vooral het implementatieprincipe relevant: meet niet alleen hoeveel tijd een tool bespaart, maar ook wat er met motivatie, begrip en zelfstandigheid gebeurt.

Wat scholen hiermee kunnen doen

Een verstandige invoering begint klein. Laat een vaksectie of opleiding AI-ondersteund materiaal eerst collegiaal beoordelen en spreek af welke onderdelen altijd door een docent worden aangepast. Volg in een pilot niet alleen werkdruk, maar ook leerlingreacties, kwaliteit van opdrachten en toetsresultaten.

Praktische afspraken kunnen zijn:

• gebruik AI-output als concept, niet als automatisch eindproduct;
• controleer voorbeelden, niveau, bronnen en aansluiting op het leerdoel;
• behoud ruimte voor de eigen uitleg en relatie met de klas;
• bespreek mislukt materiaal net zo expliciet als succesvolle prompts;
• verwerk privacy, auteursrecht en toetsveiligheid in de toolkeuze.

De kern

Deze praktijkproef laat zien dat een AI-assistent docenten wel materiaal kan laten produceren, maar niet vanzelf betere lessen maakt. De kleine daling in leerlingmotivatie en het nadeel in één kwetsbare subgroep zijn redenen om AI-lesvoorbereiding professioneel te begeleiden en zorgvuldig te evalueren. De kans blijft reëel, maar ontstaat pas wanneer AI het didactische oordeel van de docent versterkt in plaats van vervangt.