AI in het onderwijs

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

AI in het onderwijs (AIED) — het brede, interdisciplinaire vakgebied dat kunstmatige intelligentie toepast op onderwijs en leren, en dat het ontwerp, het gebruik, de evaluatie en de gevolgen ervan bestudeert. Als overkoepelend concept van de kennisbank omvat AI in het onderwijs AI voor onderwijs (het gebruiken van AI om instructie en beoordeling te verbeteren) en onderwijs over AI (het ontwikkelen van AI-geletterdheid en kritisch begrip). Het bevindt zich op het snijvlak van onderwijstechnologie, de leerwetenschappen — het empirische onderzoeksveld dat zich afvraagt of een leerder is veranderd en niet alleen of een tool presteerde — informatica, onderwijsbeleid, ethiek en gelijkheid. Deze pagina is een introductie in het vakgebied en een kaart van elk concept dat de kennisbank behandelt.

Vragen om over na te denken

• 'AI in het onderwijs' omvat twee richtingen: AI voor onderwijs (AI gebruiken om lesgeven te verbeteren) en onderwijs over AI (geletterdheid en kritisch begrip opbouwen). Welke is u het meest vertrouwd, en welke ziet u de neiging over het hoofd te zien?
• De geschiedenis van het vakgebied wordt geframed als een terugkerende spanning tussen controle en agency van de leerling. Terwijl u toekijkt hoe AI-tools worden aangenomen, waar merkt u diezelfde spanning zich vandaag af?
• AI in het onderwijs bevindt zich op het snijvlak van technologie, leerwetenschap, beleid, ethiek en gelijkwaardigheid. Welke van die lenzen past u van nature toe bij het evalueren van een AI-tool — en welke vergeet u waarschijnlijk?
• Deze kennisbank organiseert het vakgebied in stromen: pedagogie, leertheorieën, technologieën, disciplines, beoordeling, feedback, belanghebbenden en governance. Als u uw eigen gebruik van AI in kaart zou brengen, in welke stroom zou u zich dan bevinden?
• AIED omvat ook het onderwijzen aan leerlingen om kritisch met AI om te gaan als doel op zich. Wordt AI in uw context meer behandeld als een vak dat onderwezen moet worden of als een tool die gebruikt moet worden — en weerspiegelt die balans wat leerlingen werkelijk nodig hebben?
• Leerlingen kunnen AI-geletterdheid leren door AI kritisch te gebruiken, niet alleen door over AI te leren. Hoe zou hands-on, kritisch gebruik begrip kunnen opbouwen dat passieve instructie niet kan?

Introductie

AI in het onderwijs is de overkoepeling die alle andere conceptpagina's samen definiëren. De kennisbank organiseert het vakgebied in de belangrijkste stromen hieronder, die elk naar de relevante conceptpagina's verwijzen.

Een baanbrekend historisch perspectief, Mishra et al., traceert AIED vanaf cybernetica en de Dartmouth-conferentie van 1956 via cognitieve tutors en Papert's constructionisme, met de stelling dat het huidige GenAI-debat de fundamentele controle-versus-agency-spanning van het vakgebied opnieuw opvoert.

Hoe de kennisbank is georganiseerd: de overkoepelende pagina's

De conceptdekking van de kennisbank wordt verankerd door verschillende overkoepelende pagina's die verwante concepten groeperen in navigeerbare stromen. Dit zijn goede instappunten om het vakgebied te verkennen:

• AI in het onderwijs — deze pagina, het overzicht van het vakgebied en de kaart van alle dekking.
• AI-geletterdheid — de overkoepeling voor het begrijpen, gebruiken en kritisch evalueren van AI, variërend van prompt engineering via kritisch denken en AI-ethiek tot verantwoord gebruik. Daarnaast kaderen mens–AI-samenwerking en agentieke AI hoe mensen en AI samenwerken.
• Pedagogieën en lesstrategieën — de overkoepeling voor hoe lesgeven gebeurt: de onderwijsmethoden en -strategieën waarbinnen AI opereert (actief, collaboratief, projectgebaseerd, probleemgebaseerd, ervaringsgericht, spelgebaseerd, Socratisch, scaffolding en meer), inclusief de aparte context van online lesgeven en leren.
• Leertheorieën — de overkoepeling voor hoe leren gebeurt: de theoretische kaders (behaviorisme, cognitivisme, constructivisme, sociocultureel, cognitief, motivationeel) die het ontwerp en de evaluatie van AI vormgeven.
• Technologieën — de overkoepeling voor de technische laag: de AI-systemen (LLM's, generatieve AI, multimodaal, robotica) en technieken (RAG, prompt engineering, versterkend leren, modeltraining, agentieke orkestratie) die AIED aandrijven. De leerlingmodelleringsfamilie — knowledge tracing, cognitieve diagnose, leerlingen simuleren en de systemen die ze consumeren (intelligente tutoring, adaptief leren, gepersonaliseerd leren) — is gegroepeerd onder de Leerlingmodellering en adaptieve instructie-overkoepeling binnen dit technische stroomgebied.
• AI in de disciplines — de overkoepeling voor hoe AI wordt toegepast over vakgebieden (wiskunde, natuurkunde, taalverwerving, informatica, schrijven, STEM, engineering, business, lerarenopleiding, gezondheidsberoepen en meer) — en, voorbij de academische vakken, het professionele en toegepaste stroomgebied dat gedemonstreerde praktijk beoordeelt in plaats van correctheid (verpleegkunde, informatietechnologie, beroepsonderwijs en -training, ontwerponderwijs) — en onderwijsniveaus (K-12, hoger onderwijs, volwasseneneducatie).
• Beoordeling (met formatieve, summatieve, authentieke, mondelinge en geautomatiseerde stromen) — de overkoepeling voor hoe AI leerlingen beoordeelt én beoordelingsvaliditeit en -integriteit hervormt.
• Feedback — de overkoepeling voor hoe feedback wordt gegenereerd, afgeleverd en gebruikt: de feedbacklus, feedbackkwaliteit, feedbackgeletterdheid en haar beoordelingscontexten (formatief, peer, geautomatiseerd).
• Belanghebbenden in AI-onderwijs — de overkoepeling voor wie de actoren zijn: leerlingen, leraren, learning designers, beheerders en beleidsmakers.
• AI ed-evaluatie en onderzoeksmethoden — de overkoepelingen voor hoe we weten of AI werkt: effectiviteitsstudies, benchmarks, gerandomiseerde gecontroleerde trials, meta-analyse en leerwinst als de kernuitkomstmaat. Lezers moeten ook de allesomvattende beperkingen van dit bewijs wegen.
• AI-governance, onderwijs-AI-beleid en gelijkwaardigheid — de overkoepelingen voor de institutionele, regelgevende en eerlijkheidslaag (zie ook regulering en privacy).

Deze overkoepelende pagina's worden in de onderstaande secties doorverwezen; elke stroom hieronder noemt zowel zijn overkoepeling als zijn samenstellende concepten.

Twee dimensies van AI in het onderwijs

Onderzoek naar AI in het onderwijs beslaat twee onderling verbonden richtingen:

• AI voor onderwijs — AI-systemen gebruiken om lesgeven, leren, beoordeling en administratie te verbeteren. Dit omvat AI-tutoring, adaptief leren, gepersonaliseerd leren, geautomatiseerde essayscore, geautomatiseerde vraagengeneratie, geautomatiseerde beoordeling, formatieve beoordeling, learning analytics en feedbacklussen.
• Onderwijs over AI — leerlingen en docenten leren AI te begrijpen, te gebruiken en kritisch te evalueren. De kern is AI-geletterdheid, ondersteund door prompt engineering, kritisch denken, AI-ethiek, governance-onderwijs, digitale geletterdheid en verantwoord gebruik.

Deze twee dimensies zijn niet gescheiden: AI goed gebruiken vereist het begrijpen ervan, en lesgeven over AI wordt verrijkt door het te gebruiken. Deze mens-AI-samenwerking is een centraal thema.

Fundamenten van AI in het onderwijs

De allesomvattende en fundamentele concepten van het vakgebied verankeren de dekking van de kennisbank en verschijnen als eerste in de zijbalk. Ze openen met een Essentials-groep — de concepten waarmee elke lezer zou moeten beginnen: de overkoepeling zelf, misverstanden over AI, AI-geletterdheid, agentieke AI, cognitieve offloading, hoe AI-gebruik voor leerlingen wordt gekaderd, AI-misbruik verminderen, academische integriteit, lesgeven, learning design en educatieve ontwikkeling. De vakgebied-stroom behandelt dan de geschiedenis van het vakgebied, de allesomvattende beperkingen van de kennisbasis, zijn filosofie, de theorieën en kaders-kaart en theorieontwikkeling. De allesomvattende thema's — mens–AI-samenwerking, agency van de leerling, identiteit van de leerling, design thinking, curriculumontwerp, kritisch denken en computationeel denken — doorkruisen elke stroom, omdat de onjuiste mentale modellen die mensen over AI hebben stroomopwaarts liggen van misbruik en ondergekalibreerd vertrouwen.

Leren en instructie

Hoe AI lesgeven en leren ondersteunt is het hart van het vakgebied. Belangrijke concepten zijn:

• Kernpedagogieën: pedagogieën en lesstrategieën — de overkoepeling voor de onderwijsmethodendekking van de kennisbank — samen met pedagogische patronen (de geteste sequenties waarin die methoden uitmonden), actief leren, collaboratief leren, groepswerk, projectgebaseerd leren, probleemgebaseerd leren, productief falen, inquisitief leren, ervaringsgericht leren, spelgebaseerd leren, leren door lesgeven, Scaffolding, de Socratische methode, kritische pedagogie, pedagogische partnerschappen, storytelling, learning design, online lesgeven en leren en video in het onderwijs.
• Leertheorieën en -processen: de leertheorieën-overkoepeling (behaviorisme, cognitivisme, constructivisme, sociocultureel, gedistribueerde cognitie, gesitueerd leren, belichaamd leren, community of inquiry) staat naast leerlinggerichte processen zoals zelfgestuurd leren, zelfdeterminatietheorie, motivatie, zelfeffectiviteit, zelfgericht leren, metacognitie, wenselijke moeilijkheden, leeroverdracht, voorkennis, ICAP cognitieve betrokkenheid, refutatietekst, retrieval, spacing en interleaving en activiteitstheorie.
• Betrokkenheid en ervaring van leerlingen: leerlingbetrokkenheid, hulpzoeken, sociaal-emotioneel leren, welzijn, creativiteit, probleemoplossen, mastery learning en leerling–AI-interactie bepalen hoe leerlingen AI in de praktijk tegenkomen en erdoor worden beïnvloed, terwijl de sociale normen die zich rond AI-gebruik vestigen bepalen hoe openlijk daarover gesproken kan worden. Buiten de cursus dekt leerlingondersteuning en -succes het institutionele werk — advisering, outreach, doorverwijzing en de toewijzing van schaarse steun — waar AI betrouwbaar taakvoltooiing verplaatst maar niet volharding of afstuderen.

Technologieën en technieken

De Technologieën-pagina is de overkoepeling voor de technische laag:

• Modellen en technieken: generatieve AI, grote taalmodellen, retrieval-augmented generation, multimodale modellen, educatieve NLP, versterkend leren, kennisgrafen, robots in het onderwijs, conversationele AI, simulatie en LLM-training en fine-tuning. De onderliggende methoden doen er ook toe: machine learning is waar deze systemen worden gebouwd, spraak- en voicetechnologieën dragen gesproken tutoring en taal oefening, visualisatie dekt dashboards en visuele analytics voor leerlingen en docenten, en virtuele en augmented reality biedt immersieve oefening waarvan de visuele laag het model nu kan genereren. Nieuwere interactiestijlen horen hier ook — vooral prominent vibe coding, de natuurlijke-taal-gestuurde workflow waarin de gebruiker een programma specificeert door een LLM te prompten en het resulterende gedrag beoordeelt in plaats van broncode te lezen of te bewerken. Dat herkadert programmeren als een daad van expressie en verificatie en verlaagt de drempel voor eindgebruikers om hun eigen tools te bouwen. Integratiedieptekaders zoals SAMR en adoptietheorieën zoals TAM classificeren hoe diep AI wordt opgenomen en hoeveel het de taak transformeert.
• Leerlingmodellering en adaptieve systemen: de technische systemen die de leerling vertegenwoordigen en zich erop aanpassen zijn gegroepeerd onder de Leerlingmodellering en adaptieve instructie-overkoepeling — knowledge tracing, cognitieve diagnose, leerlingen simuleren, intelligente tutoring, adaptief leren, gepersonaliseerd leren, aanbevelingssystemen en leerpaden, pedagogische agenten, affectieve tutoring, affective computing, human-in-the-loop AI en learning analytics. Deze bevinden zich op de technische laag omdat ze de AI-systemen zelf zijn, onderscheiden van de pedagogieën die ze uitvoeren.

AI in de disciplines

AI wordt toegepast over disciplines en onderwijsniveaus. Het overzicht van AIEd in de disciplines van de kennisbank brengt de dekking per vakgebied in kaart — samen met de leerwetenschappen, die geen onderwezen vak zijn maar het allesomvattende onderzoeksveld dat leren zelf bestudeert en het vakonderwerp als één variabele onder andere behandelt:

• Vakgebieden: wiskunde, natuurkunde, scheikunde, biologie, informatica, engineering, STEM, schrijven, taalverwerving, Engels onderwijs (EAP/EFL/ESL), natuurwetenschapsonderwijs, business, economie en management, geesteswetenschappen en sociale wetenschappen, kunst, design en mediaonderwijs, medische en gezondheidsberoepen, rechtenonderwijs en de professionele en toegepaste stromen — verpleegkunde, informatietechnologie, beroepsonderwijs en -training en ontwerponderwijs.

Niveaus en contexten

Dezelfde AI-tool ontmoet heel verschillende settings, en de kennisbank scheidt het onderwijsniveau van de pedagogie zodat bevindingen niet stilzwijgend overdragen: K-12-scholen, vroegkinderlijke en basisonderwijs, hoger onderwijs, volwasseneneducatie, beroepsonderwijs en -training, speciaal onderwijs en lerarenopleiding. Domein-adjacente concepten die niveaus doorkruisen omvatten universeel ontwerp voor leren, neurodiversiteit, meertalig leren en sociaal-emotioneel leren.

Beoordeling en meting

AI transformeert zowel hoe we leerlingen beoordelen als hoe we AI-systemen zelf evalueren:

• Beoordeling en feedback: beoordeling, formatieve beoordeling, summatieve beoordeling, authentieke beoordeling, e-portfolio, feedback en feedbackgeletterdheid, AI-feedbackkwaliteit, peerevaluatie, mondelinge beoordeling, geautomatiseerde beoordeling, geautomatiseerde essayscore en geautomatiseerde vraagengeneratie. Omdat een model nu op verzoek plausibel afgewerkt werk kan produceren, brengt de kennisbank het vermogen naar voren dat het eigendom van de leerling blijft: evaluerend oordeel, het vermogen om de kwaliteit van het eigen werk, het werk van peers en AI-output te beoordelen tegen beredeneerde criteria. Het is het construct waar verschillende feedback- en authentic-assessment-studies op convergeren — de hybride feedbackconditie die directe AI-feedback overtreft in een multisite-experiment, het duurzaamheidsgat in formatieve AI-feedback, en de praktische stap van het beoordelen van de beslissingen die leerlingen nemen in plaats van alleen het artefact — en het is een kernreden waarom herontwerp in het AI-tijdperk verschuift van detectie naar taken waarvan de integriteit inspectie doorstaat. Groepswerk wordt eveneens langs zowel proces als product beoordeeld, waarbij teams moeten onderhandelen over wiens en welk soort AI-gebruik acceptabel wordt geacht.
• Meting en validiteit: beoordelingsvaliditeit, psychometrisch bewuste AI, educatieve meting, item response theory, zelfrapportagematen (het instrument achter een groot aandeel van dit bewijs, en een terugkerende beperking), AI-detectie, remote proctoring en academische integriteit.

Onderzoeksmethoden en evaluatie

Hoe we weten of AI werkt is een eigen stroom, en de kennisbank behandelt het als zodanig:

• Onderzoeksmethoden: onderzoeksmethoden in AIED als de overkoepeling, met kwalitatieve, kwantitatieve, mixed-methods, design-based en usability-benaderingen, plus gerandomiseerde gecontroleerde trials, meta-analyse en systematisch review en netwerkanalyse.

Het eigen onderzoek van het vakgebied is nu zelf een onderwerp. AI-Assisted Educational Research dekt AI gebruikt als instrument voor literatuuronderzoek, screening, kwalitatieve codering, analyse en schrijven, inclusief practitioner-onderzoek zoals de scholarship of teaching and learning. Het blijft onderscheiden van de ontwerpen die worden gebruikt om te bestuderen wat AI doet met leerlingen.

• Evaluatie van AI-systemen: AI ed-evaluatie en benchmarks voor het beoordelen van het vermogen van een systeem, met leerwinst als de uitkomst die ertoe doet, en de allesomvattende beperkingen van dit bewijs en hoe één studie te lezen als het waarschuwende tegenwicht.

Personen

AI in het onderwijs verandert de rollen van elke belanghebbende. De Belanghebbenden in AI-onderwijs-pagina van de kennisbank is de overkoepeling die ze allemaal dekt:

• Leerlingen: leerlingervaring, loopbaanontwikkeling en paraatheid en AI-angst en -stress bepalen hoe studenten AI tegenkomen.
• Gezinnen en gemeenschappen: ouders en gezinnen zijn het publiek dat scholen het meest aanspreken over AI en het publiek met de minste onderzoek achter de begeleiding, dus hun zorgen horen in het beeld van de belanghebbenden in plaats van erbuiten.
• Docenten en onderwijskaders: AI-competentie van docenten, technologisch pedagogisch inhoudelijk kennis (TPACK), SAMR en educatieve ontwikkeling richten zich op voorbereiding en ondersteuning van docenten.
• Bouwers: Educational Technology Developers — de productontwerpers, softwareontwikkelaars, learning engineers en analytics-ontwerpers die een modelvermogen omzetten in iets dat een instelling kan aanschaffen. Ze zijn een apart publiek van de practitioners en beheerders hierboven, en ze staan buiten de instellingen die hun tools adopteren, wat de reden is waarom standaardwaarden, co-design en onderhoud na financiering in deze kennisbank als pedagogische vragen verschijnen in plaats van commerciële.

Instellingen en beleid

De institutionele laag is waar AI-beslissingen werkelijk worden genomen en verdedigd: beheerders en institutionele leiders, onderwijs-AI-beleid, AI-governance, veranderingsmanagement als het werk om een adoptie te laten kleven, AI-regulering, en de aanbestedings- en platformvragen die volgen uit technologieadoptie, open source en edtech-platformen, naast professioneel en levenslang leren en beroepsopleiding.

Gelijkwaardigheid, ethiek en verantwoord gebruik

Eerlijkheid, toegang en verantwoordelijkheid staan centraal in AI in het onderwijs:

• Gelijkwaardigheid en toegang: gelijkwaardigheid, verschillende effecten over leerlinggroepen (de vraag voor wie een bevinding geldt), digitale kloof, biasvermindering, cultureel relevante pedagogie, meertalig leren, inclusief leren, toegankelijkheid, assisterende technologie, neurodiversiteit, universeel ontwerp voor leren en Global South-studies.
• Ethiek en verantwoordelijkheid: AI-ethiek, AI-misbruik en leerschade, juridische kwesties en risico's, openbaarmaking van AI-gebruik, guardrails, privacy, hallucinatierisico, AI-sycophancy, vertrouwen, vertrouwingskalibratie, AI-misbruik verminderen, hoe AI-gebruik voor leerlingen wordt gekaderd, pedagogische veiligheid, duurzaamheid en cognitieve offloading.

Een systematisch review van de ethiekliteratuur van het vakgebied (Agarwal et al. 2026, 25 artikelen) consolideert AIED-ethiek tot zes hoofdethische waarden — non-discriminatie, data stewardship, menselijk toezicht, goodwill, verklaarbaarheid en educatieve geschiktheid — en brengt de ethische normen in kaart op een matrix van belanghebbenden per waarde. Het constateert dat eindgebruikers grotendeels passief zijn in de ethische literatuur (stemmen van leerlingen vrijwel afwezig) en roept op tot het integreren van ethiek in AIED-ontwerp en meer aandacht voor de educatieve (pedagogische) dimensie van AIED-ethiek.

Opkomende en allesomvattende thema's

Verscheidene thema's doorkruisen het vakgebied:

• Vertrouwen en kritisch gebruik: vertrouwen, vertrouwingskalibratie, AI-sycophancy, kritisch denken, cognitieve offloading, kritische pedagogie en AI-misbruik verminderen (zie ook hoe AI-gebruik voor leerlingen wordt gekaderd). Hoe leerlingen en leraren besluiten AI te adopteren en erop te vertrouwen wordt gemodelleerd door onderzoek naar technologieacceptatie, terwijl Global South-studies gelijkwaardigheid en culturele context naar voren brengen bij adoptie. Empirisch vormt hoe AI zichzelf verklaart dit vertrouwen: Feldman-Maggor et al. (2025) toonden aan dat verklaarbare AI het vertrouwen van leraren in AI-aanbevelingen opbouwt door begrijpelijkheid, met domeingedreven (curriculumtaal) verklaringen die meer worden vertrouwd en geaccepteerd dan datagestuurde feature-importance-output.
• De evolutie van het vakgebied: de kennisbank traceert AI in het onderwijs van vroege intelligente tutoring-systemen en knowledge tracing naar LLM-gedreven tutoring, agenten en agentieke AI — een snelle verschuiving van toolcentrische studies naar sociotechnische kaders (design thinking, curriculumontwerp, institutionele verandering), en van handgeschreven systemen naar gebruikergedreven workflows waarin een leerling of niet-programmeur gedrag specificeert in natuurlijke taal (vibe coding). Rismanchian & Doroudi formaliseren dit traject met hun AI×Ed-framework, waarbij papers over vier decennia aan proceedings worden getraceerd om te tonen dat het vakgebied verschoven is van een gevarieerde mix — waaronder aanzienlijk onderzoek dat AI als een analogie van menselijke intelligentie en leren behandelde — naar een bijna exclusieve focus op toegepast, datagestuurd, onderzoekergericht gebruik, een wending die de opkomst van LLM's nu deels lijkt terug te draaien (drie van de vier "AI-als-analogie"-papers op AIED 2024 waren LLM-gebaseerd).
• Emotie, angst en loopbaanperspectieven: AI wekt emotionele reacties op en vormt ze — AI-angst en -stress variërend van proctoringsurveillance, integriteitsangsten en loopbaanverplaatsing — terwijl loopbaanontwikkeling en paraatheid behandelt hoe onderwijs leerlingen voorbereidt op een door AI ontregelde arbeidsmarkt (zie ook welzijn).

Volwassenheid van het vakgebied

De kennisbank weerspiegelt een vakgebied in snelle evolutie — van vroege intelligente tutoring-systemen naar LLM-gedreven tutoring en agentieke AI; van detectiegerichte academische-integriteitstools naar herontwerp van beoordeling; van toolcentrische studies naar sociotechnische en gelijkwaardigheidsgerichte kaders. De kennisbasis legt toenemend de nadruk op rigoureuze onderzoeksmethoden, evaluatie, experimentele ontwerpen en langetermijnuitkomsten.

Verbanden

AI in het onderwijs verbindt met elk concept in de kennisbank — het is het vakgebied dat alle andere conceptpagina's samen definiëren. Gebruik deze pagina als startpunt om de volledige kennisbank te navigeren.

Verbonden concepten

• Pedagogical Patterns — De geteste sequenties die de pedagogieën van het vakgebied operationeel maken
• AI-geletterdheid — overkoepeling: AI begrijpen, gebruiken en evalueren
• Human AI Collaboration — overkoepeling: hoe mensen en AI samenwerken
• Pedagogies and Teaching Strategies — overkoepeling: onderwijsmethoden en strategieën
• Learning Theories — overkoepeling: hoe leren gebeurt
• Technologies — overkoepeling: modellen, technieken en systemen
• AIEd in the Disciplines — overkoepeling: AI over vakgebieden en niveaus
• Assessment — overkoepeling: hoe AI leerlingen beoordeelt en validiteit hervormt
• Feedback — overkoepeling: hoe feedback wordt gegenereerd, afgeleverd en gebruikt
• Stakeholders — overkoepeling: wie de actoren zijn
• Learners — overkoepeling: de leerlinggerichte concepten (ervaring, identiteit, agency, interactie, leerlingmodellen)
• AI Ed Evaluation — overkoepeling: hoe we weten of AI werkt
• Research Methods in AIED — overkoepeling: methoden van effectiviteitsonderzoek
• AI-Assisted Educational Research — AI-ondersteund educatief onderzoek
• AI Governance — overkoepeling: de institutionele en regelgevende laag
• Educational AI Policy — overkoepeling: beleid, begeleiding en implementatie
• Equity — overkoepeling: eerlijkheid, toegang en inclusie
• Learning Sciences — het empirische veld achter AIED
• Ethics — de ethische dimensies van AI in het onderwijs
• Misconceptions about AI — de mentale modellen die mensen naar AI meebrengen
• Interpreting and Applying AIEd Research — een studie lezen, en een bevinding in de praktijk brengen
• Limitations in AIEd Research — allesomvattende grenzen van de kennisbasis
• Meta-Analysis and Systematic Review — wat de reviews en meta-analyses vaststellen
• History of AI in Education — hoe het vakgebied evolueerde
• Philosophy of AI in Education — de filosofische grondslagen
• Theories and Frameworks — de kaart van theorie- en frameworkknopen
• Theory Development in AI in Education — theorie bouwen en herzien

Verbonden artikelen

Veldbrede reviews van AI in het onderwijs — de studies die het hele vakgebied of een heel onderwijsniveau onderzoeken in plaats van één onderwerp:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — De evolutie van AI-en-onderwijsonderzoek over vier decennia (AIxEd-framework)
• Control vs. Agency: Exploring the History of AI in Education — Controle versus agency: een geschiedenis van AI in het onderwijs
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Generatieve AI in het hoger onderwijs: systematisch review van 125 studies
• The Evidence Base on AI in K-12: A 2026 Review — De kennisbasis over AI in K-12: een review van 818 papers
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Generatieve AI en educatieve uitkomsten: uitgebreide meta-analyse