Zelf een chatbot bouwen als les in scheikunde en AI
Een nieuw artikel over scheikundeonderwijs beschrijft hoe leerlingen zelf een chatbot bouwen om vakinhoud én kritisch omgaan met AI te oefenen. De chatbot volgt vooraf vastgelegde regels. Leerlingen moeten dus zelf bepalen welke vragen het systeem herkent, welke uitleg volgt en waar het moet stoppen.
Voor het voortgezet en secundair onderwijs in Nederland en Vlaanderen biedt dat een concrete ontwerpvraag: begrijpen leerlingen de grenzen van een chatbot beter wanneer zij die grenzen zelf programmeren? De beschreven aanpak is interessant voor een kleine lesproef, maar onderbouwt nog geen brede invoering.
Wat er nieuw is
Het artikel van Maka Makaridze verscheen volgens de uitgeversmetadata op 14 november 2026 in Journal of Chemical Education. De bij Crossref aangeleverde samenvatting beschrijft een project met 62 leerlingen uit leerjaren 8–12 in Georgië. Zij verzamelden samen scheikunde-inhoud en programmeerden vaste gespreksregels, onder meer rond het molbegrip en rekenen met stofhoeveelheden.
Dit systeem genereert geen vrije antwoorden zoals een taalmodel. De auteur rapporteert hogere scores bij een vergelijking van voor- en nametingen en minder onkritisch vertrouwen in chatbotantwoorden. Daarbij werd ook informatie uit de eigen klas in het gesprek verwerkt om leerlingen aan het denken te zetten over wat een chatbot weet.
Voor deze nieuwscontrole waren de uitgeverpagina en volledige tekst niet toegankelijk. We baseren ons op de door de uitgever aangeleverde metadata en samenvatting bij Crossref. Daarin staat onvoldoende detail om controlegroepen, meetinstrumenten en blijvende effecten te beoordelen. De resultaten bewijzen daarom niet dat deze aanpak elders dezelfde leerwinst oplevert.
De kansen voor de les
Een mogelijke eigen lesopzet begint met één afgebakend begrip. Laat tweetallen eerst op papier drie veelgestelde vragen, hun uitleg en de gebruikte vakbron uitwerken. Vervolgens zetten zij dat om in een eenvoudig beslisschema of een regelgebaseerde chatbot in een goedgekeurde oefenomgeving. Dit is een redactionele lessuggestie, geen reconstructie van het onderzoeksprogramma.
Laat een ander tweetal vragen bedenken die buiten het schema vallen. Wat doet de bot bij een spelfout, een ontbrekende eenheid of een vraag waarvoor twee regels lijken te gelden? Het antwoord ‘dat weet ik niet’ kan daarbij een bewuste ontwerpkeuze zijn. De docent kan feedback geven op de vakinhoud en op de manier waarop leerlingen grenzen aangeven.
Voor differentiatie kun je sommige leerlingen een gedeeltelijk ingevuld schema geven. Anderen ontwerpen zelf uitzonderingen en testvragen. Houd de bouwtaak klein: het leerdoel is de uitleg kunnen verantwoorden, niet een zo indrukwekkend mogelijke interface maken.
Een werkende bot is nog geen begrip
Een fout in een vaste antwoordregel blijft een fout, ook wanneer de chatbot die consequent herhaalt. Laat leerlingen iedere inhoudelijke regel controleren aan hun lesmateriaal. Een vloeiend gesprek of een mooi scherm is geen beoordelingscriterium voor vakkennis.
Vraag bij een beoordeelde opdracht ook om een korte uitleg zonder hulpmiddelen. Laat de leerling bijvoorbeeld één regel toelichten, een mislukte test bespreken en de verbetering verdedigen. Spreek vooraf af of generatieve AI bij het schrijven van code of uitleg is toegestaan en hoe leerlingen die hulp vermelden.
Privacy, toegang en zelfstandigheid
Gebruik fictieve voorbeelden voor informatie over een klas. Neem geen namen, persoonlijke grappen, leerlingdossiers of echte gespreksgegevens over. De beschrijving van klasinformatie in een onderzoek is geen reden om zulke gegevens in een online tool in te voeren.
Kies een omgeving die de school heeft beoordeeld op gegevensverwerking, leeftijdsvoorwaarden, kosten en beheer. Bied dezelfde opdracht ook als papieren beslisschema aan. Controleer bij een digitale versie toetsenbordbediening, contrast en leesbare foutmeldingen. Bewaar de regels en testvragen buiten het platform, zodat de les bruikbaar blijft bij een leverancierswijziging.
Wat teams nu kunnen afspreken
- Kies één vakbegrip en leg vooraf vast waaraan een goede uitleg voldoet.
- Beoordeel de redenering, broncontrole en verbeteringen naast het eindproduct.
- Verzamel ook fouten en verwarring; meet begrip afzonderlijk van enthousiasme.
- Begin met een kleine proef voordat je tijd, accounts of licenties uitbreidt.
De kern
Zelf een chatbot ontwerpen maakt de herkomst en begrenzing van antwoorden bespreekbaar. Deze publicatie biedt daarvoor een onderwijsvoorbeeld. Gebruik het als aanleiding om leerlingen regels te laten uitleggen en testen, met bescheiden verwachtingen over wat één project aan leerwinst kan aantonen.
Beeld: eigen redactionele illustratie van leraar.ai over scheikunderegels en een chatbot met een expliciete antwoordgrens. Geen screenshot van de onderzochte chatbot en geen weergave van onderzoeksresultaten.