Hoe ga ik om met AI bij groepsopdrachten en samenwerkingsopdrachten?

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

De groepspresentatie komt gepolijst en samenhangend terug, en geen enkel lid kan het argument erin uitleggen. Of de cijfers komen gelijk uit, en u hoort achteraf dat één student het hele werk door generatieve AI heeft gehaald terwijl drie anderen meeliftten op het gedeelde cijfer. Niets in het bestand vertelt u welke van die twee is gebeurd, en uw rubric heeft een samenwerkingsregel die iedereen heeft gehaald.

Het antwoord dat u een collega geeft: bepaal de plaats van AI per taak in plaats van per cursus, maak de onderhandeling van de groep over AI iets wat ze inleveren en u beoordeelt, structureer het werk zodat het niet kan worden opgesplitst in parallelle chatbotsessies, en houd minstens één onderdeel dat elk lid alleen beantwoordt. Het is allemaal taakontwerp, en niets ervan is getest tegen een controleconditie zonder AI, dus u maakt een ontwerpargument in plaats van een bewezen oplossing toe te passen.

De korte versie

1. Schrijf de toestemming op het niveau van de taakfase. Zeg welke fasen AI-open zijn, welke niet, en waarom.

2. Vraag om een korte, gezamenlijk geschreven verklaring over AI-gebruik die vastlegt wat de groep besloot niet te doen, en beoordeel de redenering.

3. Bescherm de fasen waarin de groep gedeeld begrip opbouwt: de kaderering, het meningsverschil, de verzoening.

4. Kies de toegangsconfiguratie met opzet. Eén gedeelde interface levert onderhandeld, zichtbaar gebruik op; privéprompten leveren stromen op die u niet kunt zien.

5. Houd één onderdeel dat elk lid alleen beantwoordt, en maak het begrip in plaats van auteurschap.

6. Lees de terughoudendheid van een groep voordat u haar corrigeert. AI afwijzen kan bewuste zelfregulatie zijn of gewone onbekendheid.

Schrijf de toestemming per fase, niet per cursus

Chen en Zou (2026) bestudeerden groepen van drie tot vijf die een presentatie gaven die 30% van het cijfer waard was, onder een institutioneel beleid van ‘alleen gebruiken met expliciete erkenning’. GenAI was toegestaan voor ideeëngeneratie, taalpolijsting, visuele opmaak en script. Binnen dat ene permissieve beleid bereikten groepen tegengestelde conclusies met aan beide kanten verdedigbare redeneringen, en het ontwerp van de taak bepaalde welke conclusie een groep bereikte. De studie betreft 52 aanstaande leraren in één cursus, en de auteurs vragen hun patronen te lezen als mogelijke reacties op het ontwerp in plaats van als een verdeling die u moet verwachten. Een regel op cursusniveau bepaalt niet wat een groep doet.

Schrijf de toestemming dus op het niveau van het artefact. Benoem de fasen die AI-open zijn en de fasen die zonder AI moeten worden uitgewerkt, en vertel studenten waarom de lijn daar ligt. De ontwerplogica van de scoping review wijst dezelfde kant op: als AI-bemiddelde communicatie onderhandeling en collectieve betekenisgeving samendrukt, dan zijn de segmenten waarin een groep gedeeld begrip opbouwt juist degene die het waard zijn te beschermen (Wei en Perkins, 2026).

Wees eerlijk over de grondslag in de stafvergadering. Geen van beide reviews beweert dat het onthouden van AI de leeruitkomsten verbetert. Dat pleidooi rust op de structuur van de afweging hieronder, niet op een gemeten vergelijking.

Laat de groep haar AI-onderhandeling inleveren

Het centrale ontwerpargument van Chen en Zou is dat de onderhandeling over aanvaardbaar GenAI-gebruik zelf een expliciete, beoordeelbare uitkomst moet worden. Teams moeten collectief rechtvaardigen en documenteren hoe GenAI wel en niet zal worden gebruikt, in plaats van de norm over te laten aan groepsdruk of waargenomen risico. Dat artefact bestaat alleen als de groep werkelijk heeft gesproken, wat het de punten waard maakt: het verandert een niet-handhaafbare regel in beoordeelbaar studentenoordeel.

Twee redenen verklaren waarom groepen het gebruik intensiveren, en beide reageren verstandig op een gedeeld cijfer. Prestatie: studenten lazen de criteria en de benchmarks van medestudenten en gebruikten AI om hun deel van het cijfer te beschermen. Waargenomen veiligheid door normen: een permissief collectief klimaat verlaagde het gevoelde risico op misbruik, zodat groepen de tool opener en, in het op samenwerking gerichte geval, afhankelijker gebruikten. Wilt u transparantie, dan is een uitgesproken klassennorm effectiever dan een waarschuwing.

Vraag om het negatieve én het positieve. Een verklaring die vastlegt wat de groep besloot niet te doen, en waarom, vertelt u meer dan een lijst met tools. Ze geeft een groep die het oneens is ook een plek om het meningsverschil neer te leggen, wat meestal het moeilijke deel is dat al gedaan is.

Ga er niet van uit dat het document een gedeeld begrip weerspiegelt. Korchak, Costley en Fanguy (2026) interviewden 10 postdoctorale studenten van 23 tot 39 jaar (gemiddelde 27,7) in een cursus wetenschappelijk schrijven, waar groepen GenAI gebruikten via vooraf geplande strategieën of via open, individueel gestuurde interacties die in gedeelde documenten werden gecoördineerd. Een kenmerkend gebruik was GenAI als redactionele integrator, die parallelle secties samenvoegde tot samenhangende tekst. Hun meest puntige observatie: de verslagen van studenten spraken soms hun eigen schriftelijke reflecties tegen, en één student ontkende een groepsstrategie te hebben terwijl hij er een beschreef in tekst. Een strategie die niet voor elk lid even zichtbaar is, is ook voor u niet betrouwbaar zichtbaar.

Structureer het werk zodat het niet kan worden opgedeeld

Wei en Perkins (2026) voerden een door PRISMA geleide scoping review uit van 18 Engelstalige studies gepubliceerd tussen januari 2023 en maart 2025, geanalyseerd met reflexieve thematische analyse en in kaart gebracht over acht thema's. De voordelen die ze rapporteren zijn kennisontwikkeling in de groep, ideeëngeneratie, ondersteuning van reflectief denken, communicatie-efficiëntie, taakcoördinatie en feedback. De risico's zijn verminderde interactie tussen medestudenten en betrokkenheid onder overmatige afhankelijkheid, plus zorgen over privacy, transparantie en nauwkeurigheid. Hun beoordeling is ronduit: de voordelen zijn empirisch ondersteund, terwijl de risico's rond privacy, transparantie, bias en nauwkeurigheid grotendeels conceptueel worden besproken, en veel van het onderzoek is kortlopend of conceptueel met weinig longitudinaal werk naar groepsdynamiek of cognitieve ontwikkeling.

De afweging bepaalt het ontwerp. Groepswerk werd efficiënter, met minder vraag naar communicatie, onderhandeling en collectieve betekenisgeving, een bevinding die de review overneemt van Lin et al. Efficiëntiewinst en interactieverlies kunnen hetzelfde mechanisme zijn, wat betekent dat u de snelheid niet kunt nemen zonder het verlies, tenzij u de onderhandeling weer als verplicht werk inbouwt. De review concludeert dat groepsgebaseerde beoordeling haar focus van product naar proces zou moeten verschuiven.

Chen en Zou laten zien hoe moeilijk dat is om per ongeluk te regelen. Drie patronen van Learner Agency liepen tegelijk in verschillende richtingen. Op samenwerking gerichte agency (vijf groepen) intensiveerde het gebruik om het werk bijeen te houden, vaak door bijdragen van medestudenten in een chatbot te voeren om ze te ontcijferen en hun eigen deel af te stemmen; één groep bouwde haar workflow om tot discussie, externalisering naar GenAI, collectieve beoordeling en hernieuwde discussie. Normatieve agency (zeven groepen) beperkte het gebruik bewust, hetzij door de taak te beoordelen als vragend om situationele kennis die AI niet kon bereiken (‘AI weet alleen dat moment wanneer je typt’), hetzij door door AI gegenereerde secties als oneerlijk te beschouwen tegenover de groepsgenoten die ze zouden dragen. Niet-uitgeoefende agency (drie groepen) veranderde niets, en verdeelde het werk in afzonderlijke subtaken op individuele platforms terwijl individuele studenten GenAI gebruikten op manieren die ze nooit aan het team bijdroegen.

Hun rubric vereiste al integratie en samenhang binnen een multicultureel thema, de reflectieve inbreng van elk lid gekoppeld aan hun eigen klasbijdrage, en aangetoonde groepssamenwerking. Drie groepen verdeelden het werk toch en zetten het daarna weer in elkaar. Een samenhangscriterium levert niet vanzelf samenwerking op, dus verander de volgorde in plaats van de formulering: zet minstens één fase waarin het hele team in hetzelfde gesprek moet zitten, en maak de output van die fase een verplicht op te leveren stuk.

Zet één interface in het midden, en kies die bewust

Xu et al. (2026) observeerden 18 studenten in zes groepen van drie die ongeveer 45 minuten aan één gedeelde ChatGPT-4-interface werkten, en interviewden negen andere studenten over asynchroon teamwork. Met een gedeelde, zichtbare interface construeerden teams samen collectieve prompts, doorliepen ze een terugkerende cyclus van opwerpen, evalueren en inbedden, behandelden ze de chat als gedeeld extern geheugen, en onderhandelden ze openlijk over de rol van AI. Bij asynchroon werk leidden privéprompten en het weglaten van labels bij output tot ondoorzichtige, geprivatiseerde informatiestromen die de kosten van het onderhouden van een gedeeld cognitief model verhoogden. De rol van GenAI verschoof ook, van ondergeschikte assistent naar betwist teamlid, en het systeem is cognitief betrokken terwijl het contextueel niet op de hoogte blijft van de verschuivende focus van het team.

Het praktische verschil is of de prompt een groepsartefact is. Een gedeeld document met de prompts en outputs erin geeft u iets om te lezen en geeft de groep iets om mee in discussie te gaan. Privéprompten geven elk lid een andere assistent en geen gemeenschappelijk verslag.

Houd één onderdeel dat elk lid alleen beantwoordt

Koppel aan het groepscijfer een individuele component: een mondelinge verdediging van hun eigen begrip, of een schriftelijke uitleg van een sectie die ze niet zelf hebben geschreven. Dat is ook het eerlijke antwoord op het meeliftprobleem, omdat het begrip beoordeelt in plaats van auteurschap, en begrip is waar een groepscijfer altijd een benadering voor was.

Martínez-Peláez et al. (2025) screenden 203 studies uit 2023 en 2024 in de Web of Science Core Collection en includeerden er 22 onder een PRISMA 2020-protocol dat in PROSPERO was geregistreerd. Ze beschrijven LLM's als katalysatoren voor samenwerking: ideeëngeneratie, organisatie, peerfeedback, gesimuleerde rubricgebaseerde evaluaties en expertreviews, en lagere drempels voor deelname. Voor probleemoplossing rapporteren ze hulp bij alternatieve oplossingen, interdisciplinaire perspectieven en authentieke scenario's. Ze wijzen ook op een nuttige omkering: LLM's produceren vaak onvolledige of onjuiste antwoorden, wat studenten ertoe aanzet het materiaal te bevragen, te verifiëren en te verbeteren. Die uitwisseling is waar u bij het individuele controlepunt naar moet luisteren.

Hun beperkingen reizen mee met de verwijzing: één databank, alleen tijdschriftartikelen, geen aandacht voor ethiek of privacy, de eerste twee jaar van de technologie, en geen instrument voor risico op bias toegepast. Lees ‘katalysatoren’ als een beschrijving van waargenomen praktijk, niet als een gemeten uitkomst.

Detectie is het verkeerde instrument om individuele bijdragen te sorteren: geen van deze zes studies test detectoren in groepssituaties, en de problemen met detectie op individueel niveau zijn elders in deze kennisbank gedocumenteerd. Terughoudendheid moet worden geïnterpreteerd voordat ze moet worden gecorrigeerd. Chen en Zou waarschuwen dat een groep die AI afwijst iets onbekends kan vermijden in plaats van bewuste zelfregulatie uit te oefenen, en de twee vragen om verschillende reacties: het ene is een onderwijsprobleem, het andere een weloverwogen standpunt dat u kunt beoordelen.

Gesimuleerde teamgenoten beslechten de vraag ook niet. Fang (2026) fine-tunede LLM-agenten op echte dialoog van deelnemers (LoRA/QLoRA-adapters op LLaMA 3.2-3B) om 48 deelnemers te modelleren over 3.824 beurten en zes thematische codes, en vergeleek daarna echt en gesimuleerd discours met Epistemic Network Analysis. Het gesimuleerde netwerk bereikte een afstand van 0,17 tot het empirische netwerk, onder de drempel van 0,30, met een permutatie-p-waarde van 0,65, statistisch niet te onderscheiden, hoewel het Technical Constraints- en Design-verbanden iets overbenadrukte en Data- en Performance Parameters ondervertegenwoordigde. Het is een kadergericht artikel met gemiddelde zekerheid, en het ondersteunt één bewering: deelnemerspecifieke agenten kunnen realistisch collaboratief discours reproduceren. Het laat niet zien dat studenten meer leren van gesimuleerde teamgenoten.

Wat docenten en bestuurders hier verkeerd doen

Een helder cursusbeleid beslist wat groepen doen. Chen en Zou zagen groepen tegengestelde conclusies bereiken binnen één permissief beleid. De taak, de rubric en de eigen lezing van het risico door de groep beslisten het.

Een samenwerkingscriterium levert samenwerking op. Hun rubric noemde integratie, samenhang en aangetoonde samenwerking, en drie groepen verdeelden het werk toch en zetten het weer in elkaar. Criteria beschrijven het product; sequencing levert de interactie op.

Het echte probleem van groepswerk is meeliften, en AI maakt het erger. Geen enkele studie hier laat zien dat AI meeliften heeft verergerd, of dat een interventie het vermindert. De klacht over eerlijkheid bestond al voor de tool: de terughoudende studenten van Chen en Zou beschouwden het genereren van hun eigen sectie via AI als oneerlijk tegenover de groepsgenoten die die sectie zouden dragen, en de prestatieredenering laat studenten hun deel van een gedeeld cijfer beschermen. Individuele verantwoording en zichtbaar proces zijn verdedigbaar op ontwerpgronden, en ze zijn geen bewezen oplossingen.

Meer AI in groepswerk betekent betere samenwerking. Martínez-Peláez et al. beschrijven echte ondersteuning, en Wei en Perkins vonden de voordelenkant empirisch ondersteund terwijl de risicokant grotendeels conceptueel blijft. De scherpste waarschuwing in de review is het gerandomiseerde bewijs dat AI meer innovatieve suggesties opleverde zonder de algehele innovativiteit van deelnemers significant te verhogen, terwijl het ideeën homogeniseerde en uitnodigde tot cognitieve offloading. Winst gemeten tijdens AI-ondersteund groepswerk is ook niet aangetoond overdraagbaar naar samenwerking zonder de tool.

Een gedeeld document betekent een gedeeld proces. Korchak, Costley en Fanguy vonden verslagen die de schriftelijke reflecties tegenspraken, en strategieën die niet elk lid kon zien. Zoek het beslissingslogboek, niet de map.

Detectie kan u vertellen wie wat heeft gedaan. Geen van deze studies test het in een groepssituatie, en een groepsartefact is daarvoor het slechtste geval: meerdere schrijvers, één bestand, en een revisiegeschiedenis die een gedeeld account afvlakt.

De tegenwerpingen die u zult horen

‘Groepswerk is al oneerlijk, en AI maakt het erger.’ AI verandert de vorm van het probleem, en de klacht over eerlijkheid zat al in de groep voordat iemand een chatbot opende. Wat nieuw is, is hoe goedkoop een lid alleen een plausibele sectie kan produceren. Een individueel controlepunt plus een zichtbaar proces heeft een ontwerprationale. Van geen van beide is aangetoond dat ze meeliften verminderen.

‘Ik heb 300 studenten. Ik kan geen mondelinge verdedigingen afnemen.’ Doe er dan geen 300. Laat de individuele uitleg voor iedereen schriftelijk zijn, en neem steekproefsgewijs mondelinge controles af waar het ingediende werk niet overeenkomt met eerder werk. Het punt is dat elk lid weet dat een gesprek mogelijk is.

‘Ik kan proces niet beoordelen.’ U beoordeelt nu al een benadering ervan en noemt het resultaat productkwaliteit. Beoordeel het artefact dat alleen bestaat als het proces heeft plaatsgevonden: de onderhandelde verklaring over AI-gebruik, het beslissingslogboek, de korte individuele uitleg. Alle drie zijn afgebakend en controleerbaar, en de rubricregels zijn niet vager dan degene die u al schrijft voor samenhang.

‘Studenten prompten toch privé, wat ik ook voorschrijf.’ Sommigen zullen dat doen, wat de reden is dat de gedeelde interface en de ingeleverde verklaring meer gewicht dragen dan de regel. Xu et al. vonden dat een zichtbare gedeelde interface veranderde wat teams met de tool deden, en Chen en Zou vonden dat een permissief klimaat open gebruik verhoogde. Wat u niet kunt, is het privégeval afleiden uit het groepsbestand, dus ontwerp voor het zichtbare geval.

‘Is dit geen beleidsvraag voor de opleiding?’ De opleiding kan de standaard instellen. Ze kan uw opdracht niet sequentiëren. De bevinding van Chen en Zou is dat hetzelfde institutionele beleid verschillend groepsgedrag opleverde afhankelijk van de taak, wat de beslissing in uw handen legt, of u dat nu wilde of niet.

Wat u deze week kunt doen

1. Voeg een verklaring over AI-gebruik van een halve pagina, gezamenlijk geschreven, toe aan de volgende groepsopdracht, en geef punten voor de redenering. Neem een regel op voor waar de groep besloot AI niet voor te gebruiken.

2. Zoek de fase van de taak die in onafhankelijke stukken kan worden geknipt en weer samengevoegd. Herschik de volgorde zodat één fase het hele team tegelijk vereist, en zorg dat die fase iets oplevert wat u inneemt.

3. Voeg één individueel controlepunt toe aan de rubric: een korte schriftelijke uitleg van een sectie die de student niet zelf schreef, of een mondelinge verdediging van twee minuten.

4. Benoem de AI-vrije segmenten in de opdrachtbrief en zeg waarom ze AI-vrij zijn, in één zin per segment.

5. Beslis waar de prompts komen te staan. Is het antwoord ‘waar elke student ze bewaart’, dan heeft u voor privéprompten gekozen zonder dat te zeggen.

Waar u verder kunt gaan

Group Work en Collaborative Learning bevatten het onderliggende bewijs over groepsbeoordeling en over wat samenwerking productief maakt. Hoe schrijf ik een AI-beleid voor mijn cursus en communiceer ik dat naar studenten? behandelt de formulering op cursusniveau die studenten werkelijk lezen, Hoe herontwerp ik toetsing zodat een cijfer nog iets verdedigbaars zegt over wat de student weet of kan? behandelt het herontwerp van toetsing waar dit binnen valt, en Academische integriteit is waar de kant van wangedrag wordt behandeld.