Dalende belangstelling voor computerwetenschappen vraagt om breder AI-onderwijs

Een opvallende ontwikkeling in het hoger onderwijs krijgt aandacht op Digg: het aantal studenten dat computerwetenschappen studeert, daalt in de Verenigde Staten en het Verenigd Koninkrijk na jaren van groei. De timing valt samen met de snelle opkomst van AI-tools die programmeerwerk deels automatiseren, maar uit het signaal volgt niet dat AI de enige oorzaak is.

Voor onderwijsprofessionals in Nederland en België is dit relevant omdat het raakt aan de vraag wat leerlingen en studenten moeten leren voor een arbeidsmarkt waarin AI steeds meer code kan maken. Het antwoord is niet minder digitale vorming, maar een curriculum waarin technische basiskennis, probleemoplossing, kritisch controleren en werken met AI samenkomen.

Wat er nieuw is

De aangeleverde Digg-pagina stond op 3 september 2026 in het teken van de scherpe omkering in de studiekeuze voor computerwetenschappen in de VS en het VK. Digg bundelt berichten en reacties rond een bericht van Financial Times-datajournalist John Burn-Murdoch. De pagina verwijst naar een Financial Times-artikel over de invloed van AI op studiekeuzes.

De bronpagina geeft geen volledige dataset, methode of uitsplitsing per instelling. Daarom is de juiste conclusie bescheiden: er is een actueel signaal dat de eerdere groei van computerwetenschappen afzwakt of omkeert. De cijfers bewijzen op zichzelf niet dat AI deze daling veroorzaakt. Ook arbeidsmarktperspectief, veranderende studentendemografie, voorbereiding in wiskunde en de opkomst van andere opleidingen kunnen meespelen.

Waarom dit voor onderwijs telt

De ontwikkeling maakt een oude aanname minder houdbaar: dat digitale geletterdheid vooral betekent dat een kleine groep leert programmeren en de rest gebruiker blijft. AI maakt het voor meer studenten mogelijk om software te bouwen, maar vergroot tegelijk de behoefte aan mensen die problemen kunnen afbakenen, oplossingen kunnen beoordelen en fouten in gegenereerde code herkennen.

Voor PO en VO betekent dit dat computational thinking en AI-geletterdheid niet tegenover elkaar hoeven te staan. Leerlingen kunnen leren programmeren én leren uitleggen wat een AI-systeem doet, welke aannames in een oplossing zitten en hoe je een resultaat test. In het MBO, HBO en WO ligt daarnaast een kans om techniek te verbinden met zorg, recht, economie, taal of ontwerp. Studenten hoeven niet allemaal softwareontwikkelaar te worden om technisch begrip nodig te hebben.

Een bredere instroom kan bovendien helpen om AI niet alleen vanuit één discipline te benaderen. Professionals die hun vakgebied goed kennen, brengen andere vragen over eerlijkheid, toegankelijkheid en maatschappelijke gevolgen mee. Dat is waardevol wanneer AI toepassingen krijgt in bijvoorbeeld onderwijs, zorg of publieke dienstverlening.

Het risico van te snelle conclusies

Een daling in inschrijvingen kan ook betekenen dat studenten onzeker zijn over de waarde van een opleiding. Als instellingen daar alleen op reageren met een nieuwe opleiding met AI in de titel, ontstaat het risico van marketing zonder stevige basis. Studenten hebben behoefte aan onderwijs dat uitlegt welke kennis duurzaam blijft, welke taken veranderen en hoe zij zich een leven lang kunnen blijven ontwikkelen.

Ook in de lespraktijk verandert de toetsvraag. Een AI-tool kan code produceren die er overtuigend uitziet maar niet veilig, efficiënt of correct is. Laat studenten daarom niet alleen een werkend eindproduct inleveren. Vraag ook om probleemdefinitie, testgevallen, ontwerpkeuzes, fouten die zij vonden en een mondelinge uitleg van de werking.

Toegang en privacy horen daarbij. Niet iedere leerling of student heeft dezelfde apparatuur, betaalde AI-tools of rustige oefenomgeving. Een opleiding die AI-gebruik verwacht, moet een gelijkwaardig alternatief bieden. Persoonsgegevens, vertrouwelijke casussen en toetsinformatie horen bovendien niet zomaar in publieke code-assistenten of chatbots terecht te komen.

Wat teams nu kunnen afspreken

• Beschrijf per opleiding welke technische basiskennis studenten nodig hebben om AI-uitvoer te kunnen controleren.
• Verbind programmeren en AI-geletterdheid aan echte vakproblemen, zodat studenten leren wanneer technologie wel en niet passend is.
• Beoordeel naast het eindproduct ook het denk- en testproces, met ruimte voor fouten, revisie en mondelinge toelichting.
• Controleer lokale en internationale cijfers voordat teams conclusies trekken over studiekeuze of arbeidsmarkt.
• Bied veilige, beheerde oefenmogelijkheden en een volwaardig alternatief voor studenten zonder toegang tot dezelfde tools.
• Spreek af welke data nooit in een externe AI-tool mag worden ingevoerd en wie verantwoordelijk is voor controle van gegenereerde code.

De kern

De aangeleverde Digg-pagina laat een actueel maar nog onvolledig onderbouwd signaal zien: de groei van opleidingen computerwetenschappen keert in de VS en het VK mogelijk om terwijl AI-tools snel sterker worden. Voor Nederlandse en Belgische onderwijsinstellingen is dat vooral een curriculumvraag. Leer studenten niet alleen code maken met AI, maar ook problemen begrijpen, resultaten testen, risico's herkennen en uitleggen welke keuzes zij zelf hebben gemaakt.

_Beeld: Digg, artikelafbeelding bij de aangeleverde bron._