Wat zijn best practices voor schrijfonderwijs in de context van AI

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

U herschrijft een opdrachtblad en de zin die voor u staat zegt dat AI is toegestaan met vermelding, wat een student niets vertelt over de vraag of het hulpmiddel het argument mag leveren. Een collega heeft een verbod voor de hele opleiding voorgesteld en u vermoedt dat het vooral de meertalige schrijvers in de zaal treft. Of een stapel essays kwam vlotter terug dan het seminaargesprek erachter, en u hebt een regel nodig die u op de volgende curriculumvergadering kunt verdedigen.

De kern: benoem het intellectuele werk dat de opdracht moet opleveren, houd die stap bij de student, en geef het hulpmiddel taken die iets teruggeven wat de student moet beoordelen. Een regel die zo is geschreven, vertelt een student welke stap die beschermt.

De korte versie

1. Schrijf één zin die het denken benoemt dat de opdracht beoordeelt, en zet die waar studenten hem lezen.

2. Laat de student een claim, een interpretatie of een ruwe versie vastleggen voordat het hulpmiddel de taak ziet.

3. Stel de grens per stap. Sta AI toe waar de stap niet is wat u beoordeelt, en beperk AI waar dat wel zo is.

4. Zet AI in de stoel van de criticus en beoordeel vervolgens wat de student met de reactie doet.

5. Houd één stuk tekst achter dat het hulpmiddel nooit aanraakt en lees het ondersteunde werk daartegen.

6. Zeg vooraf wat openbaarmaking met het cijfer doet.

Benoem het denken waarvoor de opdracht dient

De AI-grens is de tweede vraag, en de meeste opdrachtbladen beantwoorden hem als eerste. Voordat u besluit wat is toegestaan, maakt u deze zin af: deze opdracht bestaat om te laten zien dat de student X kan. Als X argumentatie is, moet de student de claim formuleren en verdedigen. Is X disciplinaire interpretatie, dan moet de student het interpretatieve oordeel vellen. Is X wetenschappelijk redeneren, dan moet de student bewijs aan een conclusie verbinden. AI die dat werk uitvoert, breekt de gevolgtrekking die u uit het essay wilt maken, en voortreffelijk proza herstelt dat niet. Beoordelingsvaliditeit behandelt dit als een validiteitsprobleem en niet als een gedragsprobleem, en daarom pleiten schrijfonderwijs en academische integriteit beide voor regels op taakniveau in plaats van verboden voor een hele opleiding.

Nash en Burriss laten zien hoe gemakkelijk die zin misgaat. Over 27 documenten met aanstaande leraren Engels en hun AI-beleid in de klas stonden 22 AI toe voor ideeontwikkeling en brainstormen, stelden 22 het gebruik van AI om zinnen, alinea's of papers te componeren niet toe of lieten dat onduidelijk, en zeiden 22 helemaal niets over lezen. Dezelfde leraren beschreven ideeontwikkeling en revisie als ‘denken’ terwijl ze het echte denken in de definitieve geschreven tekst plaatsten. Als denken door plannen, schrijven, herzien en evalueren loopt, beschermt een beleid dat alleen het laatste product bewaakt de verkeerde stap, en lezen heeft een even expliciete regel nodig als schrijven.

Schrijf de regel als een zin over een stap, dus: ‘U mag AI gebruiken om bezwaren te toetsen tegen een claim die u al hebt gedaan. U mag het niet gebruiken om de claim of het bewijs ervoor te genereren.’ Een student kan daarmee iets doen. ‘AI toegestaan met vermelding’ geeft niets om mee te werken.

Laat de student zich vastleggen voordat het hulpmiddel reageert

De volgorde van handelingen is de nuttigste ontwerpkeuze in deze literatuur. Chens laagsensitieve studie onder 168 bachelorstudenten in zes intacte klassen onderscheidde vier soorten delegeren: oppervlakkige, structurele, idee- en redeneer-offloading. Open AI-samenwerking leverde het sterkste AI-ondersteunde schrijfwerk en de zwakste latere zelfstandige prestatie. Redeneren delegeren was de laag die het meest negatief samenhing met zelfstandig hoger-orde denken. Een begrensde conditie, die beperkte wat studenten mochten delegeren en van hen eiste dat ze uitlegden hoe ze elke AI-suggestie hadden aanvaard, gewijzigd of verworpen, deed het beter op zelfstandig schrijven, argumentatiediepte en revisie.

Behandel de causale claim met zorg. De studie is quasi-experimenteel, met zes intacte klassen en geen aselecte toewijzing van studenten, dus klasverschillen blijven verweven met de behandeling. De richting past bij de bredere literatuur over cognitieve offloading, en daarom is het de moeite waard ernaar te handelen, maar de grootte van het effect is niets om in een commissie te citeren.

Op het blad kost het één regel: de student brengt een interpretatie, een hypothese, een argument of een analyse mee, en AI wordt gevraagd die aan te vallen. ‘Hier zijn drie bezwaren tegen mijn argument’ houdt het denken bij de schrijver. ‘Schrijf mijn argument’ doet dat niet, wat de student daarna ook met de output doet.

Behandel de eerste versie als de dure stap

Hulp in verschillende fasen richt verschillende schade aan. In een studie onder 253 schrijvers verminderde elke vorm van AI-hulp het ervaren eigenaarschap van het werk, verminderde hulp bij het schrijven het meest en hulp bij het plannen het minst. Meer door AI bijgedragen tekst en ideeën gingen samen met betere essaykwaliteit en lager eigenaarschap in dezelfde inzending (de eigenaarschapstudie van planning naar revisie). Die combinatie is waar u omheen moet plannen: een sterker essay en een zwakker gevoel van auteurschap komen samen, en het tweede is waar handelingsvermogen in schrijven op rust.

Als auteurschap in uw vak telt, splitst u de toestemmingen. AI die het plannen uitlokt, vraagt welk bewijs de student al heeft, of een tegenargument noemt dat de student heeft gemist, is bijna overal verdedigbaar. AI die alinea's genereert is moeilijk te verdedigen waar componeren de doelveaardigheid is. Waar componeren dat niet is, verandert de berekening.

Stel de regel per stap

Een reeks die het overnemen waard is, houdt AI in een adviserende rol en legt het redeneren bij de student:

Fase	De student doet	AI mag	Artefact dat u kunt verzamelen
1. Bewijs tegenkomen	Lezen, observeren, annoteren, berekenen, het experiment uitvoeren	Niets, of alleen verduidelijking	Notities, annotaties, observaties
2. Een positie innemen	Interpretatie, vraag, hypothese of claim genereren	Vragen stellen, aannames uitdagen	Memo met claim of hypothese
3. Plannen	Bewijs, volgorde, publiek en genre bepalen	Een schets bekritiseren, alternatieven aandragen	Schets met onderbouwing
4. Schrijven	Inhoudelijk proza en redenering produceren	Beperkt, afhankelijk van het leerdoel	Concept en versiegeschiedenis
5. Menselijke reactie	Peer- of docentfeedback geven en ontvangen	Niets nodig	Commentaar van peers
6. AI-feedback	Vragen om criteriumgericht commentaar	Criticus, lezer, generator van tegenargumenten, duidelijkheidscontrole	Transcript van AI-feedback
7. Feedback evalueren	Suggesties van peers, docent en AI vergelijken, met redenen aanvaarden of verwerpen	De output is nu het voorwerp van evaluatie	Memo met feedbackbeslissingen
8. Herzien	Inhoudelijke wijzigingen aanbrengen en verantwoorden	Helderheid toetsen, alternatieven bieden	Revisie
9. Verifiëren	Elke feitelijke of bronafhankelijke claim controleren	Kan de eigen output niet verifiëren	Bronnen en bewijs
10. Reflecteren en openbaar maken	Uitleggen welke rol AI had en wat er in het eigen denken veranderde	Niets	Korte procesreflectie
11. Zelfstandige controle	De redenering zonder AI uitleggen of toepassen	Niets	Mondelinge verdediging, kort schrijfwerk, nieuwe casus

Dit is een uitgebreide PAIRR: concept, menselijke feedback, AI-feedback, vergelijking, revisie, reflectie, met een zelfstandige nulmeting en een strakkere grens rond redeneren. Gebruik de middelste kolom als de opdracht en de rechterkolom als dat waarop een cijfer kan rusten.

Elf rijen is meer dan de meeste opdrachten nodig hebben. Vouw de tabel terug tot de stappen die u in de klas echt kunt onderscheiden: het bewijs tegenkomen, een positie innemen, schrijven en herzien. In die kortere versie zijn het tegenkomen en de positie de plaatsen waar het construct leeft, is schrijven de betwiste stap, en kunnen opmaak of broncontrole zonder meer worden toegestaan. De tabel schrijven is hoe u de twee of drie plekken vindt waar uw regel iets moet zeggen, dus een regel met drie clausules die een student kan volgen verslaat een matrix die niemand leest.

Houd menselijke feedback in de lus

De grootste klaslokaalstudie hier is PAIRR: 654 studenten in tien schrijfcursussen en drie schrijfintensieve bèta-opleidingen. Ze schreven een concept, deden peerbeoordeling, verkregen rubriekgebaseerde AI-feedback, vergeleken en evalueerden beide bronnen, schreven revisieplannen, herzagen en reflecteerden. 58% gaf de voorkeur aan gecombineerde peer- en AI-feedback. 6% gaf de voorkeur aan alleen AI-feedback. Studenten vonden AI nuttig voor breed, op de rubriek gericht revisieadvies, en peers leverden contextuele kennis en een authentieke reactie van het publiek.

Wees precies over de claim. PAIRR mat de ervaring en evaluatie van feedback door studenten, niet leerwinst op lange termijn, dus het is sterk bewijs voor een feedbackontwerp en zwakker bewijs dat het schrijven maanden later beter is. Houd de peer-stap ook als de AI-stap sneller is. Veel van het feedbackwerk gebeurt in de vergelijking tussen de twee bronnen, en die weglaten haalt weg wat studenten zeiden te waarderen.

Beoordeel wat de student met de feedback deed

Feedbackgeletterdheid is het vermogen om feedback te zoeken, de kwaliteit ervan te beoordelen, uw eigen reactie erop te hanteren en haar in revisie om te zetten. Studenten met meer daarvan hebben veel meer profijt van AI-feedback. Studenten die de output als gezaghebbend behandelen, winnen minder (Kwaliteit van AI-feedback).

Een korte beslistabel maakt dat vermogen zichtbaar, één rij per suggestie: de AI-suggestie, aanvaarden / verwerpen / wijzigen, waarom, en het rubriekcriterium of bewijsstuk achter de beslissing. Vier kolommen, geen essay nodig. Het verandert modeloutput in materiaal voor evaluatief oordeel, en het geeft u iets beoordeelbaars dat niet het proza is.

Beschrijf een sterke rij net zo zorgvuldig als een stelling: die noemt het rubriekcriterium, wijst een passage of een bewijsstuk aan, en legt een wijziging uit die de student echt heeft gemaakt. Een rij die zegt ‘goed punt, eens’ levert niets op. Studenten schrijven naar het voorbeeld dat voor hen ligt, dus het voorbeeld is de instructie.

Maak openbaarmaking goedkoop en specifiek

Studenten verbergen AI-gebruik wanneer beleid vaag, bestraffend of stigmatiserend is, en eerlijkheid kan argwaan wekken (Verklaringen over AI-gebruik en openbaarmaking; onderzoek naar rationalisering door studenten). Wat openbaarmaking pedagogisch nuttig maakt, is dat ze beslissingen vastlegt: waarvoor het hulpmiddel is gebruikt, wat de student het gaf, welke suggesties ertoe deden, en wat de student aanvaardde of verwierp.

Mohamed en Temimi leveren het mechanisme. Openbaarmaking wordt pas de aantrekkelijke optie als de kosten van eerlijkheid laag blijven. Detectoren produceren ook valse positieven tegen eerlijke studenten, dus zwaarder toezicht kan verbergen relatief aantrekkelijker maken. Hun advies is om te ontwerpen voor de student die het meest in de verleiding komt te verbergen, en een opgegeven gebruik als context te lezen, niet als bekentenis.

Twee details doen het meeste werk op het formulier. Vraag naar specifieke toepassingen in plaats van naar een categorie, en zeg hoe een verklaring het cijfer zal beïnvloeden. Een student die dat niet weet, gaat van het ergste uit.

Vier prompts zijn genoeg voor de meeste opdrachten: bij welke stap van het werk het hulpmiddel is gebruikt, wat de student het aanleverde, welke suggesties de tekst hebben veranderd, en welke zijn verworpen en waarom. Die laatste prompt is het meest informatief, want een verwerping met een reden is bewijs van oordeel en een lijst met aanvaarde suggesties niet.

Pas de regel aan op wat uw vak schrijven noemt

Compositie- en schrijfcursussen

Docenten compositie hebben de sterkste reden om het proces te beschermen, want schrijven, retorische beslissingen, revisie, publieksbewustzijn en stem zijn de leerdoelen en niet de vertoning ervan. Verzamel vroeg in het semester verschillende zelfstandige werkstukken, zodat u en de student beiden weten wat de schrijver nu kan. Introduceer AI als publiek, criticus en revisiepartner: vraag waar een lezer de draad verliest, genereer bezwaren tegen een stelling, vergelijk een concept met de rubriek, markeer ongefundeerde claims, leg uit waarom een alinea onsamenhangend aanvoelt. De student beoordeelt elke suggestie.

Houd peerreview naast AI-feedback, omdat peers contextuele kennis en publiekskennis leveren die het model mist, en het verschil tussen beide evalueren is op zichzelf schrijverschapstraining. Wees terughoudend met AI die lange stukken van een eerste versie genereert wanneer leren componeren het doel is, om de redenen van eigenaarschap en offloading hierboven. Vermijd algemene verboden op grammatica-, formulering- of taalbijstand, die onnodige drempels opwerpen voor meertalige schrijvers. Scheid taalondersteuning van intellectueel auteurschap: hulp bij uitdrukking is prima, en de student blijft verantwoordelijk voor ideeën, bewijs, retorische beslissingen en betekenis. Controleer de feedback zelf, want Tan et al. vonden dat identiek schrijfwerk meer lof en minder inhoudelijke kritiek kreeg wanneer demografische of onderwijsgerelateerde kenmerken van de student in de prompt stonden, wat biasbeperking binnen het feedbackontwerp plaatst.

Geesteswetenschappen en sociale wetenschappen

Interpretatie is meestal de doelveaardigheid, dus laat de bronontmoeting vóór de AI-ontmoeting komen. Studenten annoteren de primaire tekst, historische bron, kunstwerk, archiefstuk, interview of theoretische passage en vormen een eerste lezing voordat ze iets raadplegen. Daarna werkt het model als contrast: bied een alternatieve lezing, zeg welk bewijs deze interpretatie zou weerleggen, benoem de aannames die het argument maakt, genereer een lezing vanuit een tegengesteld theoretisch perspectief. De student beslist welke lezing de tekst werkelijk ondersteunt.

Geef de kritiek op het model opdracht als disciplinair werk. Geef studenten een AI-interpretatie van een gedicht, gebeurtenis, argument of sociaal verschijnsel en vraag wat die opmerkt, wat die mist, welk bewijs de claims ondersteunt, wiens perspectief ontbreekt, en waar die ambiguïteit tot een glad antwoord plat slaat. Dat houdt het interpretatieve oordeel waar een geesteswetenschappelijke cursus voor bestaat. Beoordeel de interpretatieve beslissingen en hun bewijsmatige rechtvaardiging, en gebruik een korte gespreksvraag zoals ‘Waarom hebt u deze passage zo gelezen en niet de alternatieve lezing die u verwierp?’ Raden of een zin machinaal geschreven lijkt is een zwakkere maat, zoals AI-detectie uitlegt.

Bètavakken en laboratoriumverslagen

Eerst een voorbehoud: deze kennisbank bevat veel sterker bewijs over AI-ondersteund academisch schrijven in het algemeen dan over het schrijven van laboratoriumverslagen in het bijzonder. Praktijk- en laboratoriumpedagogiek blijft onderbelicht, ook in de literatuur over ingenieursonderwijs, dus wat volgt past bevindingen over schrijven, offloading, validiteit en techniek toe op een setting die die studies niet hebben getest.

Trek de grens rond wetenschappelijk redeneren in plaats van rond proza als geheel. Studenten blijven verantwoordelijk voor waarnemingen, ruwe data, berekeningen, onzekerheid, figuren, analysekeuzes, resultaten en de redenering van claim naar bewijs. Zodra die bestaan, kan AI redelijkerwijs helpen met structuur, leesbaarheid, overgangen en disciplinaire conventies, wat dezelfde splitsing tussen oppervlak en redeneren is als in Chens studie.

Een verslagpakket voor een labvak in het AI-tijdperk bevat het verslag plus geselecteerde ruwe data, berekeningen of notebookoutput, een figuur met een door de student geschreven interpretatie, en een korte verklaring van hoe de centrale conclusie uit het bewijs volgt. Voor verslagen met grote gevolgen stelt u een of twee geïndividualiseerde vervolgvragen over een grafiek, een afwijkend resultaat, een methodologische keuze of een beperking. Laat schrijfvaardigheid niet in de plaats komen van conceptueel begrip: geautomatiseerde natuurkundescoring kan conceptueel begrip onderschatten wanneer de taalvaardigheid zwakker is, en dat treft meertalige studenten het hardst (Geautomatiseerde essayscoring). Als redeneren en schrijven beide doelen zijn, beoordeel ze dan apart.

Ingenieursvakken

Professionele verantwoordingsplicht verandert de formulering. Een overzicht van 99 empirische studies naar ingenieursonderwijs identificeerde transparantie, menselijk toezicht, zelfstandigheid van studenten, privacy, auteurschap, eerlijkheid en weldoen als terugkerende ethische kwesties, en bepleitte dat AI-ethiek deel is van de professionele vorming en niet alleen van regelgeving. Vraag studenten in een lab- of ontwerpverslag om bijstand te vermelden en te verklaren dat ze de berekeningen, bronnen, aannames en veiligheidsrelevante claims hebben gecontroleerd.

Houd één werkstuk achter dat het hulpmiddel nooit aanraakt

Ondersteunde prestatie is geen zelfstandige bekwaamheid, en u hebt minstens één meting van het tweede nodig. Af en toe een conditie zonder AI is genoeg: kort schrijven zonder AI, interpretatie in de klas, een mondelinge uitleg, een gesprek, spontane revisie, of een vervolgprobleem dat dezelfde redenering naar een nieuwe casus overbrengt. Dit telt het zwaarst wanneer het sluitstuk een substantieel deel van het cijfer draagt. Het betekent niet dat u elke opdracht surveilleert. Een paar geplaatste werkstukken geven u en de student een nulmeting om het ondersteunde werk te interpreteren, wat de schrijfspecifieke versie is van het argument in Hoe herontwerp ik toetsing zodat een cijfer nog iets verdedigbaars zegt over wat de student weet of kan?.

Lees de twee stukken naast elkaar en vraag of de redenering in het ondersteunde stuk ook zichtbaar is in het onondersteunde. Waar dat zo is, doet het essay zijn werk als bewijs. Waar dat niet zo is, meet het ondersteunde cijfer wat het hulpmiddel leverde. Die vergelijking is ook wat u moet laten zien aan een student die een cijfer betwist, want ze wijst een specifiek stuk denken aan en niet een indruk over het proza.

Beslis wat AI mag beoordelen

Twee resultaten die tegenstrijdig lijken, zijn verenigbaar. Zorgvuldig gekalibreerde systemen met gedetailleerde rubrieken en voorbeelden kunnen bepaalde taken goed scoren, en LLM-beoordeling uit de doos wijkt substantieel af van menselijk oordeel. Mathew et al. vonden zwakke overeenstemming tussen mens en LLM die systematisch met essaykwaliteit varieert: modellen belonen korte, oppervlakkig leesbare essays te veel, belonen langere en sterkere essays met kleine oppervlakkige fouten te weinig, en clusteren rond het midden van de schaal. Dat patroon ondersteunt AI voor formatieve feedback met lage inzet, het opstellen van commentaar en triage veel meer dan voor autonome summatieve beoordeling (Geautomatiseerde essayscoring).

Studenten trekken zelf een vergelijkbare grens. In een bachelorcursus technische communicatie waar ChatGPT handgeschreven werk scoorde en studenten dat te horen kregen, vonden alle 13 deelnemers de feedback duidelijk en bruikbaar voor oppervlakkige revisie. De meesten scheidden het nut van feedback van evaluatief gezag: ze aanvaardden de kritiek en stonden erop dat de docent het cijfer bepaalde (Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education). Ontwerp menselijk toezicht als het punt waarop AI-output een cijfer wordt, niet als een hoffelijkheid die u bij gelegenheid aanbiedt.

Beoordeel het bewijs voordat u het curriculum herschrijft

De zaak voor deze ontwerpen is veelbelovend en nog niet sterk genoeg om één universeel beleid voor AI en schrijven te rechtvaardigen. Een deel van het beste bewijs komt uit substantiële klaslokaalstudies zoals PAIRR met zijn 654 studenten. Veel van de rest rust op quasi-experimenten, kleine experimentele steekproeven, conceptuele analyses en werk uit 2025-2026 dat nog nieuw is: Chens studie naar begrensd schrijven had 168 studenten maar slechts zes intacte klassen, de eigenaarschapstudie gebruikte een korte experimentele schrijftaak, en een studie die onmiddellijke kwaliteitswinst na ChatGPT-oefening rapporteerde, betrof slechts 21 eerstejaars internationale studenten en stelde transfer op lange termijn niet vast (Leveraging ChatGPT in academic writing: ChatGPT enhances students' writing quality, writing experience, and ownership). Wat de kennisbank AI in het onderwijs ondersteunt is een reeks ontwerpprincipes, en de meest betrouwbare bevinding over studies heen is dat u het handelingsvermogen van studenten, hun evaluatief oordeel, zelfstandige bekwaamheid, disciplinair redeneren en menselijke feedback behoudt terwijl u AI gebruikt om de toegang tot kritiek, oefening, revisiehulp en taalbijstand te verbreden.

Die mix heeft een praktische consequentie. Verander één opdracht, houd het artefact, en vergelijk het volgende cohort met dit cohort op dezelfde maat. Een regel die u na één semester kunt herzien is meer waard dan een beleid dat u niet kunt testen, en de kleine studies hierboven vertellen u niet wat er in uw cursus gebeurt.

Wat docenten hier verkeerd doen

Een detector beslist of het schrijven van de student is. Dat doet die niet. In een heimelijke veldstudie bleef 94% van de door AI gegenereerde tentameninzendingen onopgemerkt en scoorde die hoger dan echte studenten, en een gecontroleerde studie vond dat detectoren conforme lichte AI-bewerking in 38-80% van de gevallen markeerden terwijl ze meer dan 96% van gehumaniseerde herschrijvingen misten (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI; Why AI Detection Fails for Academic Integrity). Detectie beantwoordt een detectievraag, en validiteit is een andere vraag.

Een beleid voor de hele opleiding is duidelijker dan een regel per opdracht. De beleidsdocumenten van Nash en Burriss waren documenten op opleidingsniveau, en 22 van de 27 stonden brainstormen toe, 22 beperkten of vertroebelden het componeren, en 22 zwegen over lezen. Eén document dat alles dekt, is meestal specifiek over de stap waar de docent zich zorgen over maakt en vaag over de rest.

Beter proza betekent dat het schrijfonderwijs werkte. De eigenaarschapstudie vond betere essaykwaliteit en lager eigenaarschap in dezelfde inzending, en Chens open samenwerkingsconditie leverde het sterkste ondersteunde schrijfwerk met de zwakste latere zelfstandige prestatie. Prozakwaliteit is een productmaat. Waar de cursus voor is, is een bekwaamheidsmaat.

Onbeperkte toegang plus een goede prompt is genoeg. Studenten die AI-feedback als gezaghebbend behandelen, hebben er minder profijt van dan studenten met een ontwikkelde feedbackgeletterdheid. Toegang tot kritiek en het vermogen kritiek te gebruiken zijn afzonderlijke bezittingen.

Een verbod op AI beschermt het schrijfproces. Een verbod beantwoordt een vraag die per stap verschilt, en het werpt drempels op voor meertalige schrijvers die taalbijstand nodig hebben die niets met auteurschap te maken heeft. Een werkbare splitsing loopt tussen uitdrukking en intellectuele verantwoordelijkheid.

Wat er op u afkomt

‘Ik heb geen tijd om nog een artefact te lezen.’ Maak het artefact dan klein: vier kolommen beslistabel, of vijf minuten schrijven in de klas als zelfstandig werkstuk. De kennisbank rapporteert geen beoordelingstijden voor deze ontwerpen, dus de werklastclaim moet op één opdracht worden getest en niet uit deze pagina worden aangenomen.

‘Mijn studenten gebruiken AI toch, wat de regel ook zegt.’ Dat doen ze, en de ontwerpvraag is welke reactie uw opdracht het gemakkelijkst maakt. Een verklaring die niets kost en een rubriek die proces beloont, maken openbaarmaking de goedkoopste weg. Dat mechanisme komt uit modellering en niet uit een proef met een openbaarmakingsbeleid, dus behandel de voorspelling als redelijk en onbevestigd.

‘Een verbod is eenvoudiger, en het beschermt het proces.’ Eenvoudiger, ja. De beleidsdocumenten hierboven laten zien hoe één regel voor de hele opleiding verzeilt in stilte over de stappen die ertoe doen, en algemene taalbeperkingen treffen juist de studenten die ze het meest nodig hebben.

‘Peerreview is overbodig nu AI binnen seconden reageert.’ 58% van de PAIRR-studenten gaf de voorkeur aan de combinatie en 6% aan alleen AI, en de reden die ze gaven was de contextuele kennis en publiekskennis die peers leverden. Dat meet ervaring, dus het reikt minder ver dan een resultaat over leerwinst zou doen.

‘Het model beoordeelt deze taak net zo goed als ik.’ Gekalibreerde systemen met gedetailleerde rubrieken en uitgewerkte voorbeelden kunnen bepaalde taken goed scoren. Generieke beoordeling doet dat niet, en Mathew et al. laten zien dat de onenigheid essaykwaliteit volgt in plaats van willekeurig te spreiden, wat de moeilijkere soort fout is om op te merken. Test het hulpmiddel op uw eigen beoordeelde set voordat het een cijfer raakt.

‘Dit benadeelt studenten wier academisch Engels zwakker is.’ Dat kan, als de regel uitdrukking en auteurschap als één ding behandelt. Scheid ze, en controleer de AI-feedback op het patroon dat Tan et al. vonden, waarbij identiek schrijfwerk meer lof en minder inhoudelijke kritiek kreeg zodra demografische of onderwijsgerelateerde kenmerken in de prompt stonden. De kennisbank documenteert die bias. Ze rapporteert geen geteste oplossing, dus uw eigen vergelijking is de controle.

Wat u deze week kunt doen

1. Schrijf de bekwaamheidszin voor uw volgende grote opdracht en zet die op het blad.

2. Voeg één regel toe die de claim, interpretatie of ruwe versie van de student vóór elk AI-gebruik eist, en zeg wat u zult verzamelen.

3. Markeer elke stap van die opdracht als constructdragend of niet, en herschrijf de AI-regel zodat het hulpmiddel is toegestaan waar de stap niet wordt beoordeeld.

4. Voeg een beslistabel over feedback met vier kolommen toe aan de rubriek, met punten eraan verbonden.

5. Plan één kort stuk schrijfwerk dat geen enkel hulpmiddel aanraakt, en beslis nu bij welke opdracht het hoort.

Waar u verder kunt gaan

De beoordelingskant van dit argument, inclusief het ontwerp van geauthentiseerde stappen, staat in Hoe herontwerp ik toetsing zodat een cijfer nog iets verdedigbaars zegt over wat de student weet of kan?. Voor het beleidsdocument dat studenten echt lezen, zie Hoe schrijf ik een AI-beleid voor mijn cursus en communiceer ik dat naar studenten?, en voor de feedbackhulpmiddelen zelf AI Feedback Quality. Hoe leer ik studenten AI-output verifiëren behandelt wat studenten zouden moeten controleren wanneer het model een claim of een bron levert, en de conceptpagina Coach not crutch: Evidence that AI can improve writing skill despite reducing effort formuleert de grens waar deze pagina steeds op terugkomt.