Hoe schrijf ik een AI-beleid voor mijn cursus en communiceer ik dat naar studenten?

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

Drie weken voor het semester staat er in de sjabloon van de studiehandleiding een regel voor “AI-beleid”, en die luidt nu: zie de regels voor academische integriteit van de universiteit. Of de cursus van een collega kwam terug met een reeks inzendingen waarvan niemand denkt dat ze in het lokaal zijn geschreven, en de opleidingsvergadering van donderdag eindigt met het verzoek dat elke cursus zijn standpunt schriftelijk vastlegt. Of het beleid is al geschreven en de beoordelingsperiode laat u zien welke zinnen u werkelijk kunt toepassen.

De kern: benoem de taken die u beoordeelt, zeg wat AI bij elk daarvan mag doen, zet de verklaring op één plek, en handhaaf met bewijs dat u kunt zien. Vijf specifieke toestemmingen houden beter stand dan een pagina vol verboden. Een beleid dat zichzelf uitlegt doet ontwerpwerk voor toetsing en communicatiewerk tegelijk, en daarom kost het een middag en bespaart het een semester aan discussies.

Alles hieronder is het document op cursusniveau voor één module, cursus of leerlijn. De aanname is dat u hebt besloten wat u beoordeelt; het werk hier is dat zeggen en het laten beklijven.

De korte versie

1. Inventariseer de beoordeelde taken en vraag bij elk daarvan wat u specifiek beoordeelt. De grens volgt dat antwoord.

2. Schrijf de regel op het niveau van de stap: brainstormen toegestaan, leerdoelen formuleren niet. Beeldselectie toegestaan, de boodschap op dia-niveau ontwerpen niet.

3. Zet de samenvatting in de studiehandleiding, de geldende formulering op het opdrachtblad, en zeg de regel één keer hardop op het moment dat die voor het eerst geldt.

4. Benoem één vaste plek en vorm voor de melding, en houd de kosten van melden lager dan de kosten van verbergen.

5. Handhaaf met werk dat u kunt observeren: een promptlogboek, een oefening in de klas, een mondelinge toelichting. Detectorscores blijven buiten het handhavingspad.

Begin bij de taken die u beoordeelt

De duidelijkste uitgewerkte methode is McCorkle (2025), die een algeheel verbod verving dat studenten niet van toepassing vonden op zichzelf. Lees dat falen goed: het was een mismatch en geen verzet, en de studenten zagen zichzelf niet als oneerlijk bezig. Een regel waarvan ze al hebben besloten dat die niet over hen gaat, kunt u niet beargumenteren, alleen negeren.

De methode van McCorkle werkt in vier rondes. Inventariseer elke taak in het semesterproject, vraag bij elk daarvan “wat beoordeel ik hier specifiek?”, koppel elke taak aan een plausibel beroepsmatig gebruik van generatieve AI, en beslis dan taak voor taak. Elke beslissing weegt de noodzaak om een vaardigheid te beoordelen af tegen de waarde van het opbouwen van een competentie die de student later op het werk gebruikt.

De uitkomst is bewust ongelijkmatig. Brainstormen is toegestaan; specifieke en meetbare leerdoelen formuleren niet. Beeldselectie is toegestaan; de boodschap op dia-niveau ontwerpen niet. Scripts en voice-over zijn toegestaan, met verplichte evaluatie van de AI-output. Opgeschreven lijkt die lijst willekeurig tot u de reden naast elke regel leest, en daarom reizen de redenen mee met de regels.

Bepaal hoe streng u bent, wetend wat iedereen doet

Twee gegevenspunten laten zien hoe een normaal beleid er dit jaar uitziet, en beide zijn het waard om mee te nemen naar de vergadering waarin iemand een verbod voorstelt.

Een inhoudsanalyse van 116 GenAI-beleidsdocumenten van instellingen van 131 Amerikaanse R1-universiteiten en 98 studiehandleidingen informatica van 54 daarvan vond dat instellingen overwegend voor gebruik zijn: 63% moedigt GenAI-gebruik aan, 41% biedt gedetailleerde richtlijnen voor het klaslokaal, 27% ontmoedigt het. De helft van de studiehandleidingen (50%) verbiedt het ronduit, 41% staat gedeeltelijk gebruik toe voor bepaalde activiteiten, en 7% communiceert aanmoediging. Ganguly et al. (2026) noemen dit de kloof tussen top-down en bottom-up. 92% van de studiehandleidingen geeft expliciete richtlijnen, toch wijken lokale regels af van de richtlijnen van de instelling, en slechts bij 47 instellingen waren beide niveaus vindbaar. Bronvermelding is de enige eis waarop beide niveaus het eens zijn, in 83% van de studiehandleidingen.

Chirikov (2026) volgde meer dan 31.000 studiehandleidingen bij een grote openbare onderzoeksuniversiteit in Texas van 2021 tot 2025. Regulering steeg van bijna nul vóór ChatGPT naar 55% van de cursussen in het najaar van 2025, terwijl volledig beperkende beleidslijnen met ongeveer 5 procentpunt per jaar daalden. In het najaar van 2025 beperkten docenten het vaakst het schrijven en herzien van teksten (79%) en redeneren en probleemoplossen (65%). Ze stonden het vaakst redigeren en proeflezen toe (83%), studieondersteuning en synthese (80%) en programmeren (75%). Ideevorming was het meest betwiste gebruik, met 46% toestaan en 54% beperken.

De formulering bewoog mee met de cijfers. Vermeldingen van academische integriteit daalden van 63% naar 49%, verwijzingen naar het effect van AI op leren stegen van 1% naar 29%, en eisen voor bronvermelding stegen van 16% naar 43%. Het veld verschuift van “niet frauderen” naar “dit is waarom deze grens uw leren beschermt”, en de tweede versie is de versie waar een student iets mee kan.

Twee gevolgen voor uw document. Strenger zijn dan uw instelling is normaal, en het is een verbintenis die u alleen aangaat, want de handhavingskosten komen bij u terecht. Een eis voor bronvermelding kost bijna niets, want vier vijfde van het veld vraagt er al om en geen student hoeft te raden wat u bedoelt.

Zet elke regel waar de student die tegenkomt

Drie documenten, drie taken.

De studiehandleiding draagt de korte samenvatting: de taken, het toegestane gebruik bij elk daarvan, hoe de melding werkt, en het gevolg van een overschreden grens. Eén scherm, geen filosofie.

Het opdrachtblad draagt de toelichting. Eén samenvatting is te grof voor een complex project, en dit is waar de formulering van McCorkle zijn werk deed, in een onderbouwing gericht aan studenten in de tweede persoon, die de toetsing achter elke beperking bij naam noemde.

Het lokaal draagt de eerste mondelinge uitspraak. Zeg de regel één keer, op het moment dat die voor het eerst geldt, gekoppeld aan het werk dat voor hen ligt. Een regel die een student alleen tegenkomt, is een regel die die student alleen interpreteert.

De mechanica van de melding verdient een eigen alinea, en het moet de meest concrete alinea op de pagina zijn. Studenten die via begeleid onderzoek meeschreven aan een cursusbeleid, gaven prioriteit aan training voor studenten en docenten, gestandaardiseerde procedures voor melding, sterkere steun van de instelling en meer inspraak in beslissingen over AI (Hingle en Johri (2026)). Zeg hoe, waar en in welke vorm een student gebruik meldt, en zeg het één keer.

Pisan (2026) vond een sterkere versie van dezelfde beweging: maak het promptlogboek het beoordeelde artefact. Wanneer een model de productie doet, zijn de prompt en het interactierecord het ding dat het waard is versiebeheer te krijgen, zodat de verklaring geen papierwerk meer is maar bewijs dat de student opbouwt.

Schrijf alleen regels die u in één beoordelingsronde kunt toepassen

Een regel die toezicht per taak vraagt, of een oordeel over wanneer een toetsing “begint”, wordt inconsistent toegepast in een klas en tussen twee beoordelaars. Inconsistentie is een rechtvaardigheidsprobleem voordat het een administratief probleem is. Een regime dat op detectoren is gebouwd, voegt een toezichtkost toe die ongelijkmatig neerkomt, samen met vragen over proctoring en het bewaren van gegevens die u op cursusniveau misschien niet kunt beantwoorden.

Nash en Burriss (2026) analyseerden 27 AI-beleidsregels voor het klaslokaal, geschreven door aanstaande leraren Engels. 26 van de 27 stonden enig AI-gebruik toe, bijna altijd op door de leraar bepaalde voorwaarden, tijden en plaatsen; één verbood het volledig. Ideevorming was het breedst toegestane gebruik (22 van de 27) en het meest dubbelzinnige. 22 stonden het door AI laten samenstellen van zinnen, alinea's of werkstukken niet toe of lieten dat onduidelijk. 16 stonden grammaticale controle en proeflezen toe, terwijl 16 het produceren van grote door AI gegenereerde tekst verboden. En 22 van de 27 gingen helemaal niet in op lezen.

Het terugkerende falen was operationalisering. Eén beleid stond AI toe “om uw denken op gang te brengen” en verklaarde “hier moet de grens liggen” zonder te zeggen waar de grens lag. Die dubbelzinnigheid maakt dat studenten niet kunnen voldoen en u geen consistente maatstaf kunt toepassen. Het is een defect, geen compromis.

De bevinding van Chirikov over substantiële variatie tussen disciplines en taken pleit voor kaders die docenten autonomie geven binnen hun eigen domein in plaats van één voorschrift voor iedereen, wat ook de eerlijke beschrijving is van wat een cursusbeleid is: een lokale afweging binnen een bredere regel.

Er zit hier een rechtvaardigheidsdimensie. Ondoorzichtige beleidsregels veronderstellen gedeelde achtergrondkennis over auteurschap, bronvermelding en de normen van academisch werk, en komen dus het hardst neer op studenten die die kennis niet hebben meegekregen. McCorkles casus is dat transparantie een deel van dat verborgen curriculum afbreekt en de kans verkleint dat een beleidsfout een tuchtzaak wordt.

De goedkoopste versie van dit alles is kort en specifiek: de taken die u beoordeelt, het toegestane gebruik bij elk daarvan, de mechanica van de melding, en het gevolg van een overschreden grens, elk met de reden erbij.

Zeg het hardop, en let op wat u zelf voordoet

Meldingsregels werken op zichzelf niet als nalevingsmechanisme, en ze behandelen alsof ze dat wel doen is de meest voorkomende ontwerpfout. In een mixed-methods-onderzoek onder 409 bachelorstudenten vonden Qu en Wang (2026) dat niet-melden strategische aanpassing was aan waargenomen groepsnormen en een laag vertrouwen in de interpretatie door docenten, en geen morele nalatigheid. Waargenomen melding door medestudenten en het comfort met de docent waren de sterkste voorspellers van het eigen melden van studenten; morele ontkoppeling had zwakkere effecten.

Dat laat u twee hefbomen die u werkelijk beheerst: wat studenten denken dat hun medestudenten doen, en of ze erop vertrouwen dat u een verklaring eerlijk leest. Beide reageren op hoe u in de eerste week over de regel praat. Geen van beide reageert op de strengheid van de formulering.

Kim et al. (2026) vonden vijf verschillende plekken waar het werkelijke beleid van een cursus leeft: de bedoeling van de docent, het formele beleid, de interpretatie van de student, het eigen beleid van de student en de praktijk van de student. De kloven daartussen zijn systemisch. Ze catalogiseerden ook 23 rationaliseringen in zes klassen die studenten gebruikten om AI-gebruik in academisch schrijven te rechtvaardigen, van “geen menselijk slachtoffer” tot “onverschilligheid van de docent”. Die rationaliseringen waren ad hoc en achteraf: studenten verklaarden gedrag dat al had plaatsgevonden in plaats van vooraf te redeneren, en daarom dichten duidelijkere formuleringen en strengere detectie de kloof niet uit zichzelf.

Eén deelnemer die een strikte regel zonder AI wilde gehoorzamen, bleef AI gebruiken en zei dat het verbod “conflict voor mij creëert, omdat ik de regels breek”. Het verbod versterkte het morele conflict zonder het gebruik te voorkomen. Een regel die schuldgevoel oplevert zonder naleving, ondermijnt de relatie die u nodig hebt voor meldingen.

Let ook op wat u zelf voordoet. De meeste opdrachten in de cursus van Pisan vermeldden de prompt waarmee ze waren gegenereerd, en één student las die transparantie als toestemming: “de afhankelijkheid van ai bij de docent voor het beoordelen en maken van opdrachten maakte het ook moeilijk om ai niet op dezelfde manier voor opdrachten te gebruiken.” Een norm voordoen is deel van het beleid zoals studenten het ervaren, wat de studiehandleiding ook zegt.

Een verklaring die u kunt overnemen:

AI-gebruik in deze cursus. Ik wil dat u deze cursus verlaat met de vaardigheid om X zelf te doen, dus beoordeel ik X rechtstreeks. U mag AI gebruiken voor [toegestane toepassingen] bij [takenlijst]; u mag het niet gebruiken voor [beperkte toepassingen], want dat is wat ik beoordeel. Als u ergens in uw werk AI gebruikt, vertel mij dan in [één vaste plek, bijvoorbeeld een verklaringsregel bij elke inzending] waarvoor u het gebruikte en plak de prompts erbij. Het melden zal uw cijfer nooit verlagen. Het niet melden van gebruik is wat een gevolg heeft. Als u twijfelt of een gebruik is toegestaan, vraag het mij dan voordat u inlevert, niet erna.

Die laatste zin verschuift het beslismoment naar vóór het werk, en dat is het enige moment waarop de vraag goedkoop te beantwoorden is.

Regel de vier gesprekken voordat ze gebeuren

De student die AI gebruikte en het niet zei. Behandel dit als een procesvraag, niet als een karaktervraag. Mohamed en Temimi (2026) modelleren toetsing als een probleem van onvolmaakte informatie: de student weet hoe het werk tot stand kwam, en de instelling ziet het artefact plus gedeeltelijke sporen. Hun responsregiomodel vergelijkt drie reacties, geen AI-gebruik, gemeld gebruik en verborgen gebruik, en vraagt welke reactie elk mechanisme het aantrekkelijkst maakt. Een verbod legt de formele grens vast en laat verborgen gebruik aantrekkelijk wanneer studenten detectie als zwak ervaren. Toezicht verhoogt de verwachte kosten van verborgen gebruik zonder de melding te verhogen, zodat studenten voorzichtig worden zonder transparant te worden. Toestemming met melding maakt eerlijk rapporteren alleen leefbaar zolang de kosten van eerlijkheid laag blijven.

In het lokaal betekent dat vragen wat het werk moest beoordelen, de student vragen rekenschap te geven van het proces, en een late verklaring lezen als informatie in plaats van als bekentenis.

De student die AI overal voor citeert. Dit is meestal een vaardigheidstekort in een nalevingskostuum. Eisen voor bronvermelding stegen van 16% naar 43% van de studiehandleidingen, terwijl vermeldingen van academische integriteit daalden van 63% naar 49%, dus het veld vraagt om citatie in plaats van bekentenis. Specificeer het formaat één keer, op het opdrachtblad in plaats van in een voetnoot van de studiehandleiding. Zeg hoe adequate bronvermelding in uw discipline eruitziet en geef één uitgewerkt voorbeeld. Waar het echte probleem is dat de student het onderliggende werk nog niet zonder het model kan doen, is de taak het antwoord.

Groepswerk. Vijf studenten kunnen vijf interpretaties van één zin hebben, en één inzending wordt beoordeeld. Bepaal en publiceer voor elk groepsproduct of AI-gebruik is toegestaan, wie het meldt, en wat er gebeurt als één lid buiten de regel gaat. Doe dat voordat het project begint, terwijl het nog een planningsvraag is. Als u niet kunt aangeven voor welke individuele bijdrage een lid verantwoordelijk is, beoordeel de taak dan als puur groepswerk in plaats van achteraf auteurschap te beslechten.

Een melding die u niet kunt verifiëren. Sommige verklaringen zullen onvolledig zijn en sommige weglatingen onweerlegbaar. Bassett et al. (2026) betogen dat AI-detectie helemaal niet in het onderwijs gebruikt zou moeten worden, op drie gronden die de formulering raken. Detectoroutput is een probabilistische schatting die niet onafhankelijk te verifiëren is, omdat de werkelijke herkomst van tekst onbekend is, waardoor validatie op cirkelredenering berust. Detectorscores halen de maatstaf van de weging van waarschijnlijkheden niet die een integriteitsonderzoek vereist. En de tegenstelling mens tegenover AI is betekenisloos voor werk dat met AI is gemaakt in plaats van door AI. Hun conclusie is dat detectie “de academische integriteit niet beschermt, maar ondermijnt”.

Ze wijzen op een formuleringsprobleem dat het waard is over te nemen in uw revisieronde. Regels die AI-gebruik “bij toetsing” beperken, specificeren niet wanneer een toetsing begint, zodat AI-ondersteund onderzoek, plannen of redigeren al dan niet een overtreding kan zijn, afhankelijk van wie het leest. Benoem in plaats daarvan procesbewijs dat u kunt observeren: een ingeleverd prompt- en interactielogboek, een oefening die in het lokaal is gemaakt, een mondelinge uitleg. Waar uw instelling toch een detector inzet, gelden hun waarschuwingen over gegevensopslag, bewaring en commercieel gebruik van studentenwerk, en het Privacy-bezwaar dat twee aanstaande leraren aanvoerden, is het bezwaar dat uw studenten zullen aanvoeren.

Wat docenten hier verkeerd doen

Een strenger beleid is een veiliger beleid. Strenger zijn dan uw instelling is gebruikelijk en verdedigbaar, maar de handhavingskosten zijn van u, en een regel die u niet consistent kunt toepassen in één beoordelingsronde is een rechtvaardigheidsprobleem. Schrap de regels die u niet kunt uitvoeren.

Een verbod is de kortste boodschap die er is. In de 27 beleidsregels van aanstaande leraren zat de dubbelzinnigheid vooral in de toestemmende regels, en 22 van de 27 gingen nooit in op lezen, zodat studenten het zelf moesten invullen. De deelnemer van Kim et al. gehoorzaamde een verbod door het te breken en zich er slecht over te voelen.

Melding is een nalevingsmechanisme. Het is een signaal, en signalen hangen van vertrouwen af. Qu en Wang vonden dat groepsnormen en comfort met de docent de melding beter voorspelden dan moreel redeneren.

Een detectorscore beslecht een betwiste zaak. Die haalt de maatstaf niet waaraan een integriteitsonderzoek moet voldoen, en kan werk dat met AI is gemaakt niet onderscheiden van werk dat door AI is gemaakt. Bouw de zaak op werk dat u hebt geobserveerd.

Het beleid schrijven is de communicatie. Kim et al. vonden vijf plekken waar het werkelijke beleid leeft, en uw document is er één van. De versie waarop studenten handelen, wordt samengesteld uit wat u in de klas zegt en wat u met uw eigen materiaal doet.

Wat er op u afkomt

“Studenten verbergen het gewoon.” Sommigen doen dat, en de ontwerpvraag is welke studenten uw regel in verleiding brengt. Afschrikking loopt via het onderscheidend vermogen van een detector tussen verborgen gebruik en legitiem werk, niet via de ruwe trefkans. Wanneer extra gevoeligheid meer nieuwe valse positieven dan nieuwe terechte positieven oplevert, kan sterker toezicht verheimelijking relatief aantrekkelijker maken, omdat eerlijke studenten sneller worden gestraft dan verborgen gebruikers worden geïdentificeerd. Toestemming en melding zijn aparte hefbomen: toestemming verschuift de grens van aanvaardbaar gebruik, melding verandert de zichtbaarheid. Diagnosticeer waar uw taak de student het meest tot verheimelijking verleidt, en ontwerp voor die student.

“Ik wil geen tools verbieden die ik niet kan detecteren.” Dat hoeft niet. Een verbod is één van vier ontwerpantwoorden, naast toezicht, toegestaan gebruik met melding, en herontwerp. Herontwerp verandert wat de taak beloont, en blijft cosmetisch als de rubriek nog steeds vooral het eindproduct beoordeelt. Pisan (2026) laat de niveaus expliciet zien: AI is uitgesloten in de inleidende programmeercursus, omdat het uitbesteden van de eerste loops weghaalt wat er onderwezen wordt; aangemoedigd bij projecten in datastructuren (Copilot toegestaan) en uitgesloten bij tentamens op papier; een hulpmiddel bij studie en herhaling in het gevorderde systeemvak; en verplicht in de AI-cursus zelf, waar één grens het meeste gewicht droeg. Het model mag code schrijven, en reflecties moeten in de eigen stem van de student staan. Tentamens werden volledig geschrapt, en de toetsing verschoof naar werk dat een model niet stilletjes kan schrijven.

“Het beleid van mijn instelling dekt dit al.” Minder dan u denkt. De kloof loopt beide kanten op: 92% van de studiehandleidingen geeft expliciete richtlijnen, lokale regels wijken af van de richtlijnen van de instelling, en slechts bij 47 instellingen waren beide niveaus vindbaar. Inkoop, gegevens en herzieningscycli horen bij Hoe schrijven en implementeren we een instellingsbreed AI-beleid?, maar de vertaling naar het klaslokaal is van u. Nash en Burriss concluderen dat instellingen leraren moeten toerusten om zich ook te verzetten, niet alleen om over te nemen, met de begeleiding en professionalisering waarmee een docent een specifiek AI-gebruik kan afwijzen zonder als ouderwets te worden neergezet. Het technodeterminisme van hun deelnemers sprak hun eigen pedagogische overtuigingen tegen. Een instellingsbeleid is geen dekking voor uw eigen afweging.

“Ik heb deze maand geen tijd om de studiehandleiding te herschrijven.” Doe de inventarisatie één keer, bij de opdracht die u zorgen baart, en neem de uitkomst direct mee naar het opdrachtblad. De zin in de studiehandleiding kan wachten op de volgende revisiecyclus. Studenten handelen toch naar het opdrachtblad.

Wat u deze week kunt doen

1. Inventariseer de beoordeelde taken en schrijf “wat beoordeel ik hier specifiek?” naast elk daarvan, voordat u iets over AI besluit.

2. Beslis taak voor taak, en controleer welke reactie elke beslissing het aantrekkelijkst maakt voor de student die het meest geneigd is tot verheimelijking.

3. Schrijf de meldingszin: één plek, één formaat, één uitgewerkt voorbeeld van adequate bronvermelding.

4. Benoem het bewijs dat u bij een geschil accepteert (promptlogboek, werk in de klas, een mondelinge toelichting), en schrap elke regel die u daar niet aan kunt toetsen.

5. Zeg de regel hardop in de volgende les, op het moment dat die voor het eerst geldt, met een onderbouwing naast elke beperking.

Waar u verder kunt gaan

Bestuur, gegevensbeleid, inkoop en herzieningscycli horen bij Hoe schrijven en implementeren we een instellingsbreed AI-beleid?; verplichte regels van instellingen en schoolbesturen liggen bij onderwijsbeleid en AI en governance. De taak opnieuw opbouwen zodat een cijfer nog een verdedigbare gevolgtrekking ondersteunt, hoort bij toetsing opnieuw ontwerpen, het handhavingsargument staat in AI-fraude verminderen, de detectiebeslissing in AI-detectoren, en het labelschema in de AI Assessment Scale.