Bar-Ilan zet cursusgebonden AI-agent in voor studenten die colleges missen

Microsoft beschrijft een concrete pilot aan Bar-Ilan University in Israël: een AI-agent in de Moodle-omgeving helpt studenten zoeken in cursusmateriaal, samenvattingen maken en zichzelf overhoren. De casus laat zien hoe een onderwijsinstelling AI kan inzetten als extra studielaag voor studenten die een college missen of willen terughalen, zonder de docent als bron en begeleider uit beeld te laten verdwijnen.

Voor Nederlandse en Belgische instellingen is dit geen bewijs dat iedere opleiding nu een agent nodig heeft. Het is wel een bruikbaar praktijkvoorbeeld van een belangrijk ontwerpprincipe: laat een systeem antwoorden opbouwen uit afgebakend, door docenten beheerd cursusmateriaal en maak de kwaliteit van die bronbasis onderdeel van het onderwijsontwerp.

Wat er nieuw is

Microsoft publiceerde de casus op 15 oktober 2026. Bar-Ilan testte de agent vanaf februari in 71 cursussen met ongeveer 2.400 studenten. De universiteit wil de toepassing uitbreiden naar nog eens honderd cursussen in het eerste semester van het academisch jaar 2026/27.

De agent is gebouwd met Azure AI Services en Microsoft Copilot Studio door KPMG en OpenApp. Hij gebruikt volgens de bron uitsluitend materiaal dat docenten voor de cursus hebben aangeleverd: opgenomen colleges, transcripties, presentaties en artikelen. Studenten kunnen in natuurlijke taal naar een onderwerp zoeken, een samenvatting laten maken en quizvragen krijgen. De toepassing werkt in het Hebreeuws, Arabisch en Engels en draait binnen de beveiligde Azure-omgeving van de universiteit.

De bron beschrijft vooral een implementatie en ervaringen van betrokkenen, geen onafhankelijk effectonderzoek. Een docent meldt dat studenten in zijn groep gemiddeld drie procentpunt hoger scoorden dan in eerdere jaren, maar noemt zelf dat ook de samenstelling van de groep dat verschil kan verklaren. Dat cijfer is dus geen bewijs dat de agent het leren heeft veroorzaakt.

De kansen

Een cursusgebonden zoek- en samenvattingslaag kan de drempel verlagen voor studenten die een college hebben gemist, aantekeningen willen aanvullen of een lastig begrip opnieuw moeten benaderen. Dat kan vooral helpen wanneer studenten veel materiaal moeten combineren of wanneer taal, tempo, ziekte, werk of zorgtaken het bijwonen van ieder college moeilijk maken.

De quizfunctie kan bovendien actieve verwerking ondersteunen. Een student krijgt niet alleen een korter document, maar kan zichzelf vragen stellen, antwoorden formuleren en uitleg vragen bij een fout. Voor docenten kan een goed ingerichte agent routinevragen opvangen, zodat contacttijd beschikbaar blijft voor verdieping, begeleiding en gesprekken over toepassing.

De casus maakt ook zichtbaar dat de voorbereiding zelf onderwijskundig werk is. De docent in het artikel breidde slides uit, voegde transcripties en literatuur toe en testte antwoorden voordat studenten toegang kregen. De kwaliteit van de agent begint dus bij de kwaliteit, actualiteit en structuur van het cursusmateriaal.

Grenzen en risico’s

Een antwoord dat uitsluitend uit cursusbestanden wordt opgebouwd, is niet automatisch juist. Verouderde slides, onvolledige transcripties of een fout in een bron kunnen zich door de hele studiehulp verspreiden. Laat studenten daarom belangrijke antwoorden vergelijken met de oorspronkelijke tekst, opname en voorgeschreven literatuur. Een melding dat de agent iets “uit de cursus” haalt, vervangt geen broncontrole.

De agent kan ook te veel van het leerwerk overnemen. Een kant-en-klare samenvatting of een nieuwe oefentoets is nuttig als startpunt, maar kan actieve aantekeningen, zelf uitleggen en zelfstandig zoeken verdringen. Spreek per opleiding af wanneer studenten AI mogen gebruiken, welke verwerking zij zelf moeten laten zien en hoe zij het gebruik verantwoorden.

Ook een beveiligde cloudomgeving lost alle privacyvragen niet op. Instellingen moeten vooraf vastleggen welke opnames, studentvragen, leerresultaten en documenten mogen worden verwerkt, wie toegang heeft en hoe lang gegevens worden bewaard. Controleer daarnaast of de taalondersteuning, spraakherkenning en antwoorden gelijkwaardig werken voor verschillende studentgroepen. Een leverancier, model of integratie mag geen onzichtbaar single point of failure worden voor toegang tot cursuskennis.

Wat teams nu kunnen afspreken

• Begin met één duidelijk onderwijsprobleem, bijvoorbeeld gemiste colleges of herhaling van kernbegrippen, en meet niet alleen gebruik maar ook zelfstandig begrip.
• Maak een beheerde bronset per cursus met versies, auteurs, datum en verwijderde of verouderde documenten.
• Test de agent met echte vakvragen, misverstanden, meertalige formuleringen en vragen waarop het systeem juist moet aangeven dat de bron geen antwoord geeft.
• Gebruik quizzen als oefening en formatieve feedback, niet als automatische beoordeling van beheersing.
• Laat studenten belangrijke antwoorden controleren in de oorspronkelijke bronnen en bespreek voorbeelden van overtuigende maar foutieve output.
• Leg vast welke persoonsgegevens, opnames en toetsmaterialen buiten de agent blijven en hoe studenten bezwaar of correctie kunnen vragen.

De kern

Bar-Ilan laat een praktische vorm van AI-ondersteuning zien: geen algemene chatbot die alles over de opleiding beweert te weten, maar een cursusagent die met geselecteerd materiaal werkt en studenten helpt zoeken, samenvatten en oefenen. De onderwijswaarde zit daarom niet alleen in de technologie. Ze hangt af van goede bronnen, actieve verwerking, menselijke controle en duidelijke afspraken over privacy, toetsing en verantwoordelijkheid.

_Beeld: Microsoft Source EMEA; foto bij de beschrijving van de Bar-Ilan-pilot._