Turnitin wil studentwerk gebruiken voor eigen AI

Nationale Onderwijsgids meldt op 15 oktober 2026 dat Turnitin ingediende scripties van Nederlandse studenten wil gaan gebruiken om eigen AI-modellen te trainen. Dat raakt niet alleen de vraag hoe onderwijsinstellingen fraude signaleren, maar ook de vraag welke zeggenschap studenten en instellingen houden over werk dat voor een controletool wordt ingeleverd.

De ontwikkeling is inhoudelijk anders dan het recente nieuws over studenten die AI gebruiken bij het schrijven van scripties. Hier gaat het om de voorwaarden en het hergebruik van studentwerk door de leverancier van de controle-infrastructuur.

Wat er nieuw is

Volgens de aangeleverde berichtgeving paste Turnitin de gebruikersvoorwaarden aan om training met ingediend werk mogelijk te maken. Na kritiek is de wijziging uitgesteld tot 1 september 2027. De Universiteit van Cambridge tekende de nieuwe voorwaarden niet en de Universiteit van Southampton wil het contract na dit collegejaar niet verlengen.

Voor Nederland zegt SURF de situatie te volgen. Turnitin Originality en Turnitin Similarity zijn daarbij niet hetzelfde: volgens het bericht gebruikt een deel van de instellingen Originality, terwijl Similarity op Europese servers draait en buiten deze wijziging zou vallen. Instellingen die Originality blijven gebruiken, zouden het gebruik van hun data voor training in het dashboard kunnen uitschakelen. Vanaf mei 2027 zouden zij bovendien gemakkelijker naar een andere aanbieder kunnen overstappen.

De bron is een journalistiek bericht dat verwijst naar Trouw en uitspraken van SURF. Controleer daarom vóór een contractbesluit de actuele licentie, verwerkersafspraken, serverlocatie en opt-out zelf bij SURF en Turnitin. Uitstel van voorwaarden is geen definitieve garantie dat de wijziging niet terugkomt.

Waarom dit onderwijs raakt

Een scriptie is studentwerk, toetsmateriaal en vaak ook onderzoeks- of persoonsgegevens bevattend materiaal. Een instelling kan een plagiaatchecker nodig hebben om overeenkomsten met bestaand werk te onderzoeken, maar dat doel is niet automatisch hetzelfde als het trainen van een AI-model. Studenten moeten vooraf kunnen begrijpen wat er met hun inzending gebeurt en welke rechten de instelling namens hen heeft geregeld.

De kwestie is relevant voor hogescholen en universiteiten, maar de onderliggende les geldt breder. Ook bij essays, portfolio's, examens en schrijfproducten moet een team weten of een leverancier werk alleen tijdelijk verwerkt, opslaat voor vergelijking, of opnieuw gebruikt voor productontwikkeling. Een Europese server zegt bovendien niet vanzelf alles over bewaartermijnen, toegangsrechten, subverwerkers of modeltraining.

Kansen en risico's

Plagiaatcontrole kan docenten helpen om mogelijke overeenkomsten sneller te vinden en het gesprek over brongebruik te voeren. Dat kan academische integriteit ondersteunen, zeker wanneer een rapport als startpunt voor menselijke beoordeling wordt gebruikt.

Daar staat een principieel risico tegenover. Studentwerk kan zonder duidelijke uitleg onderdeel worden van een commerciële ontwikkelcyclus. Dat roept vragen op over auteursrecht, vertrouwelijkheid, persoonsgegevens, onderzoeksdata en de machtsverhouding tussen instelling en student. Ook kan een instelling afhankelijk raken van één leverancier voor zowel controle als de interpretatie van de uitkomst.

Een plagiaat- of AI-score is daarnaast geen zelfstandig bewijs van fraude. Een score kan aanleiding zijn voor broncontrole en een gesprek, maar de docent of examencommissie moet de opdracht, tussenversies, gebruikte bronnen en reactie van de student meewegen. Een wijziging in de voorwaarden maakt die menselijke verantwoordelijkheid niet kleiner.

Wat teams nu kunnen afspreken

• Maak per controletool inzichtelijk welke versie wordt gebruikt: bijvoorbeeld Originality of Similarity.
• Leg vast of ingediend werk wordt bewaard, voor vergelijking wordt gebruikt en voor training of productverbetering mag worden ingezet.
• Controleer verwerkersovereenkomst, serverlocatie, subverwerkers, bewaartermijn, verwijdering en opt-out voordat studenten werk moeten uploaden.
• Informeer studenten vooraf in begrijpelijke taal en bied een passende route wanneer een inzending niet voor modeltraining mag worden gebruikt.
• Gebruik een rapport alleen als signaal. Laat een menselijke beoordelaar altijd bronnen, proces en context onderzoeken voordat een maatregel volgt.
• Neem in aanbestedingen een overstapmogelijkheid en een controleerbaar export- en verwijderingsproces op.

De kern

Een plagiaatchecker is niet alleen een meetinstrument, maar ook een verwerker van studentwerk. De aangekondigde Turnitin-wijziging maakt daarom duidelijk dat onderwijsinstellingen niet alleen moeten vragen of een detector goed werkt, maar ook wat de leverancier met de ingeleverde teksten mag doen.