Expertise­Centrum Hoger Onderwijs

AI-proofing

Mei 2025

De nieuwe realiteit: studenten met een digitale assistent die altijd paraat staat. Helaas is die hulp niet altijd toegestaan. Hoe ga je om met onderwijs waarin die 'extra hulp' niet gewenst is? Welkom in de wereld van AI-proofing.

Wat is AI-proofing?

AI-proofing betekent dat je een onderwijssituatie creëert waarin studenten geen gebruik kunnen maken van AI, of waarin ze door de mand vallen als ze dat toch doen terwijl het niet is toegestaan.

Dit wordt belangrijk in contexten waarin studenten geen AI mogen inzetten, terwijl AI wel degelijk bepaalde competenties kan overnemen. Denk aan opdrachten waarbij studenten:

  • een gestructureerde en beargumenteerde tekst of een technisch rapport moeten opstellen,
  • een onderzoeksplan opmaken (bv. in het kader van een masterproef),
  • casussen of wiskundige oefeningen oplossen,
  • een presentatie met visuele ondersteuning maken,
  • programmeeropdrachten uitvoeren.

Voor al deze taken én een groot aantal andere kan AI (zoals ChatGPT, Grammarly, Canva,..) studenten ondersteunen of de competentie zelfs volledig overnemen.

Valkuil: Wanneer AI het werk overneemt, lopen studenten het risico de beoogde competentie niet zelf te verwerven. Bovendien wordt de toetsing minder valide: evalueer je nog of studenten de competentie beheersen, of slechts hoe goed ze AI inzetten om die te demonstreren?

Welke opties heb je?

1. AI integreren in je onderwijs. 

Je kiest ervoor om AI toch toe te laten en te integreren in je onderwijspraktijk. Daarbij neem je AI op in bestaande competenties of ontwikkel je nieuwe. Dit vereist ook aangepaste ondersteuning: hoe leren studenten AI kritisch en effectief gebruiken? De evaluatie moet daarnaast aansluiten bij de aangepaste competenties. Afhankelijk van hoe je AI in de competenties opneemt, zal je zowel inhoudelijke beheersing als verantwoord AI-gebruik gaan toetsen.


2. AI uitsluiten en je opdrachten AI-proof maken 

Je kiest ervoor AI te verbieden en je opdrachten hiertegen bestand te maken. Dat kan op drie manieren:

  • het product aanpassen,
  • het opdrachtproces aanpassen,
  • of een combinatie van beide.

In wat volgt, verkennen we deze opties verder.

AI proofing optie 1: Aanpassen van het product

Je gaat een andere opdracht geven of de opdrachtformat aanpassen. Hierbij werk je met mogelijke beperkingen van het AI-systeem. 

Die beperkingen evolueren echter voortdurend: AI-tools worden snel krachtiger, veelzijdiger en talrijker. Daardoor lijkt het aanpassen van een opdracht steeds minder effectief. Uiteraard is dit afhankelijk van jouw specifieke doelen en onderwijscontext. We reiken je daarom toch enkele mogelijke opties aan:

Voorkom dat studenten gebruik kunnen maken van openbare informatie of informatie die online staat.

o   Contextualiseer de opdracht: Koppel de opdracht aan een specifieke context die AI niet kan genereren:

  • Link de opdracht aan persoonlijke ervaringen. Bijvoorbeeld, reflecteer over een patiëntencasus uit jouw stage; schrijf een onderzoeksvoorstel over de impact van stadsverlichting op insecten in jouw eigen wijk.
  • Baseer opdrachten op de eigen lespraktijk of leeromgeving. Focus de opdracht op gevoerde discussies of conversaties tijdens een contactmoment of op materiaal dat tijdens het contactmoment is voorgesteld. Bijvoorbeeld, analyseer het debat dat plaatsvond tijdens het contactmoment van 15 maart.

o   Werk met afgeschermde of lokale bronnen. Laat studenten materiaal gebruiken dat niet publiek online beschikbaar is, zoals interne documenten. Bijvoorbeeld: analyseer het inclusiebeleid van de Universiteit Antwerpen aan de hand van het interne beleidsdocument.

o   Gebruik zelfverzamelde of contextgebonden data. Stimuleer studenten om eigen gegevens te verzamelen of te werken met data op maat. Bijvoorbeeld: interview drie studenten uit verschillende opleidingen over hun ervaringen met … ; verzamel meetgegevens in een practicum en analyseer deze met oog voor meetfouten en de invloed van de lokale context (bv. temperatuur in het lokaal).

o   Werk met niet-opzoekbare opdrachten. Geef opdrachten die AI moeilijk kan reproduceren, zoals fictieve casussen, toekomstscenario’s of zelfbedachte prototypes.

Werk met recente data in opdrachten

De meeste AI-systemen beschikken over beperkte of vertraagde toegang tot actuele gegevens. Vraag eventueel expliciet tot wanneer hun data reikt — dit verschilt per tool en evolueert voortdurend. Sommige AI-tools geven wel aan dat ze live zoekopdrachten kunnen uitvoeren om recente informatie op te halen (zoals ChatGPT op 30 april 2025: “Ik kan live zoekopdrachten uitvoeren om je een actueel antwoord te geven”).

Pas het opdrachtformat en de evaluatiemethode aan

o   Kies formats die minder toegankelijk zijn voor AI, zoals video’s, academische posters, maquettes of andere multimodale producten. Let op: AI-tools worden steeds beter in het verwerken van diverse formats.

o   Gebruik live en interactieve evaluatievormen zoals discussies, debatten, mondelinge redeneringen of performance-opdrachten. Deze vereisen aanwezigheid en directe interactie, waardoor AI-assistentie beperkt is.

o   Zorg voor variatie: combineer verschillende evaluatievormen binnen het opleidingsonderdeel (bv. quizzen, korte essays, presentaties). AI presteert goed bij specifieke taken, maar heeft moeite met uiteenlopende formats en verwachtingen.

Evalueer hogere orde denkvaardigheden

Denk hierbij aan probleemoplossend vermogen, creativiteit, kritisch denken, reflectie, analyse, interpretatie, synthese en evaluatie. Hoe eenvoudiger de taak (zoals samenvatten, beschrijven of uitleggen), hoe groter de kans dat AI een sterke output genereert.

Maak gebruik van portfolio’s

Deze hebben een contextueel, persoonlijk karakter en steunen op unieke, persoonlijke inzichten van de student. De lesgever treedt hierbij op als coach en feedbackgever, met een goed zicht op het leerproces van de student.  Door deze persoonlijke aanpak is het voor AI bijzonder moeilijk om inhoudelijke ondersteuning te bieden (zie deze good practice, enkel raadpleegbaar voor UAntwerpen personeel na inloggen).

Let op: AI kan nog steeds ondersteuning bieden bij opdrachten, bijvoorbeeld bij het structureren van antwoorden of het uitleggen van theorie. Denk aan opdrachten die sterk contextgebonden zijn, maar waarbij achtergrondinformatie en theorie online beschikbaar blijven.

Evalueer je opdrachten daarom kritisch in functie van jouw onderwijscontext. Test ze eventueel zelf met een AI-tool: kan AI (delen van) de opdracht zelfstandig en kwaliteitsvol uitvoeren? Dan is de kans groot dat studenten dat ook kunnen — of zullen proberen.

Wees voorzichtig met het invoeren van opdrachten in AI-tools. De input kan worden gebruikt als trainingsmateriaal. Vraag AI liever hoe je een opdracht AI-proof kunt maken, zonder de volledige opdracht letterlijk te delen.

AI proofing optie 2: Aanpassen opdrachtproces

In dit geval verander je de manier waarop opdrachten tot stand komen en uitgevoerd worden. Uiteindelijk doel is een duidelijker beeld krijgen van het ontwikkel - en denkproces van de studenten en daarmee van hun werkelijke competenties. Enkele mogelijkheden:

Bouw extra controlemomenten in

o    Vraag tussentijdse versies op of organiseer een tussentijdse bevraging. Regelmatige evaluatie maakt het leerproces beter opvolgbaar en verkleint de kans dat studenten louter op AI steunen. Ze moeten immers voortdurend aantonen dat ze de leerstof beheersen.

o    Voorzie een tussen- en eindpresentatie. Zo krijg je zicht op hun voortgang en eigen inbreng doorheen het traject.

o    Geef tussentijdse feedback en laat studenten:

    • reflecteren op hoe ze deze feedback verwerkt hebben;
    • motiveren waarom ze bepaalde suggesties wel of niet hebben opgevolgd.

Laat het denkproces documenteren

Vraag studenten om hun aanpak te beschrijven: welke stappen ze gezet hebben, welke keuzes ze maakten, welke obstakels ze tegenkwamen en hoe ze die overwonnen. Een logboek is hiervoor een geschikt instrument.

Procesevaluatie

Evalueer ook het proces, niet enkel het product. Focus dus niet alleen op het eindresultaat, maar ook op het (leer)proces.

Mondelinge toelichting

Gebruik een mondelinge toelichting om dieper in te gaan op de te toetsen competenties en noodzakelijke inzichten. Pols daarbij eventueel ook naar het proces: hoe zijn studenten tot hun resultaat gekomen? Wat waren hun overwegingen bij het ontwikkelen, uitschrijven of oplossen? Welke bronnen gebruikten ze, en waarom? Hoe onderbouwen ze hun keuzes, aanpak of oplossing?

Geen toegang tot AI

Laat studenten tijdens contactmomenten of in een gecontroleerde omgeving opdrachten maken zonder toegang tot AI. Denk bijvoorbeeld aan het schrijven van een essay of het programmeren van code in een lokaal zonder internet. Veranker dit eventueel binnen een leerlijn waarin studenten eerst de basisvaardigheden aanleren — zoals academisch schrijven of programmeren — in een afgeschermde context. In een latere fase van het leerproces kan vervolgens doelgericht het gebruik van AI worden geïntroduceerd.

Zoals eerder aangegeven volstaat het aanpassen van het product steeds minder. Het is daarom zinvol om ook het opdrachtproces aan te passen, of te kiezen voor een combinatie van beide. Houd er wel rekening mee dat dit je werkdruk kan verhogen.

Meer weten?

Literatuur

Bronnen voor UA-personeel

Good practices: