Bronnen
Integrating Generative AI in Psychology Courses
Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.
Een gratis geredigeerd boekdeel van de Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7) dat generatieve AI vak voor vak organiseert in plaats van tool voor tool. De psychologie levert de respondenten voor veel enquêtes over AI-gebruik zonder zelf het onderwerp ervan te zijn; dit boek is het tegenvoorbeeld, met 21 vakhoofdstukken plus een inleiding en een conclusie verspreid over 255 pagina's.
Het betoog van het boek
De premisse van de redacteuren is dat psychologiedocenten uitzonderlijk goed gepositioneerd zijn om AI-gebruik te onderwijzen, omdat het vakgebied al oordeelsvorming over meting, bewijs en menselijk gedrag onderwijst. Hun claim is smaller dan "AI-geletterdheid is belangrijk". Die luidt dat AI-geletterdheid een ontwikkelingsproces is: studenten hebben haar niet of missen haar niet, ze verwerven haar via gefaseerde toegang, reflectie en feedback.
Daaruit volgen drie ontwerpuitgangspunten, en de meeste hoofdstukken brengen er minstens één in praktijk. Faseer wat studenten met een tool mogen doen, en beweeg van begeleid gebruik naar zelfstandig gebruik naarmate het oordeel zich ontwikkelt. Koppel gebruik aan verificatie, zodat een claim die met een model wordt gedaan, tegen een bron moet worden gecontroleerd en aangetoond. Definieer succes als oordeelsvorming over wanneer en of de tool te gebruiken, niet als vloeiendheid ermee.
De structuur is het betoog. Hoofdstukken zijn gegroepeerd op het vak dat een docent op het punt staat te geven — fundamentele en vakoverstijgende vakken, klinische en counselingvakken, onderzoeksmethoden en statistiek — en niet op tool, capaciteit of institutioneel beleid.
Sectie I: fundamentele en vakoverstijgende vakken
- Toegang is het eerste probleem, niet de tool (Slade en Hyk). Studenten die binnenkomen zonder eerdere AI-ervaring zijn dubbel benadeeld: ze missen de promptingvaardigheid en ze missen het oordeel over wanneer een vloeiend antwoord fout is. Het hoofdstuk onderwijst prompt engineering naast open repositories van herbruikbare prompts, en beschouwt die instructie als een maatregel voor gelijke kansen. De auteur meldt een financieel belang in een bedrijf dat educatieve AI commercialiseert.
- AI als contentgenerator voor onderwijs (Corcoran). De usecase van het hoofdstuk is de eigen voorbereiding van de docent: visuals, voorbeelden, opgaven en andere onderwijsprikkels die worden gegenereerd tegen een gesteld leerdoel. Het betoog is dat aanpassing aan dat doel, niet nieuwigheid, de output nuttig maakt. Het hoofdstuk benadrukt ook dat studenten over AI moeten leren — de beperkingen en ethiek ervan — en niet alleen de tool in handen gedrukt krijgen.
- Studeervaardigheden als brug naar theorie (Costa). In een gevorderd vak leren en geheugen gebruiken studenten AI-studytools en brengen ze vervolgens wat de tools doen in verband met gespreid oefenen en retrieval. Het ontwerp maakt de psychologie tot het onderwerp en de tool tot het specimen, wat de schoonste manier is om een vak te onderwijzen waarvan de inhoud de leerwetenschap is die de tools beweren te implementeren.
- Een toegepast gedragsveranderingsproject (Emanuel). Studenten voeren een project uit om gezondheidsgedrag te veranderen, met een AI-systeem als coach. Hun reflecties scheiden wat werkte — directe, op maat gemaakte, niet-veroordelende suggesties — van wat niet werkte: geen empathie, en plausibele misinformatie over gezondheid. Het hoofdstuk is een van de weinige die een model in een rol plaatsen waarin het fout zijn een prijs heeft.
- AI als debatcoach (Jackson). Een gevorderd vak sociale psychologie gebruikt een model om argumenten in kaart te brengen, tegenargumenten naar boven te halen en weerleggingen te oefenen vóór een openbaar debat, waarbij elke claim wordt geverifieerd tegen peer-reviewed bronnen. Van de schriftelijke reflecties vond 75% het model minstens matig nuttig bij de voorbereiding en was 35% sterk positief; ongeveer 10% zag er weinig nut van, vooral omdat het model generieke argumenten of zelfverzekerde fouten produceerde. De latere iteratie voegt een voorbereidingsplan van één pagina en een bewijslogboek toe dat elke claim aan een bron koppelt.
- Een vakchatbot met feedbacktaken (Lee, Nam en Wages). Een chatbot gebouwd voor Inleiding in de psychologie, Onderzoeksmethoden en Psychology Apprenticeship ondersteunde brainstormen over onderwerpen, het aanscherpen van onderzoeksvragen en de structuur van papers. De auteurs rapporteren 124 studenten in de voormeting-enquête en een responspercentage van 25% op de nameting, dus het bewijs voor de uitkomsten is dunner dan de implementatiedetails.
- Beoordeling in drie lagen (Granito). Diagnostische, formatieve en summatieve taken krijgen elk een AI-versterkte versie, en de summatieve kant beweegt naar authentieke projecten waarin de tool een ondersteunende partner is in plaats van het eindproduct. Dit is het hoofdstuk om te lezen als de vraag is wat u niet meer moet beoordelen.
Sectie II: klinische en counselingvakken
- Psychotherapie als introductieactiviteit (Castro). Studenten kiezen een DSM-5-TR-stoornis en een psychotherapietechniek, ervaren vervolgens een gesimuleerde sessie en bespreken wat AI-gebaseerde telehealth wint en verliest. Het ontwerp onderwijst de techniek door contrast: de simulatie laat zien wat het relationele deel van therapie is door het weg te laten.
- Samen casestudies bouwen (Pulido). Studenten gebruiken ChatGPT om DSM-5-TR-casestudies op te stellen en beoordelen ze vervolgens, wat de beoordelingsvaardigheid bij de student legt in plaats van bij het model. Het hoofdstuk beschrijft aanpassingen voor graduate en undergraduate onderwijs en beschouwt iteratieve promptverfijning als onderdeel van het klinisch redeneren, niet als een technische klus.
- Casusconceptualisering in een seminar (Draheim). Casusconceptualisering is waar studenten cliëntinformatie en onderzoek naar behandeluitkomsten synthetiseren, en het is moeilijk te onderwijzen op undergraduate-niveau. Het seminar gebruikt AI om conceptualiseringen te genereren en te bekritiseren, waarbij de werklast van de docent op het gebied van feedback wordt genoemd als de beperking die de tool überhaupt aantrekkelijk maakt.
- Culturele bescheidenheid (Draheim). Een huiswerkopdracht gebruikt een model om een artikel over culturele bescheidenheid door te werken, gevolgd door een oefening in de klas om de biases in generatieve output te vinden. Die combinatie is belangrijk: de tool wordt gebruikt om een onderwerp te openen en wordt vervolgens in dezelfde week het object van kritiek.
- Trauma-responsief onderwijs (Rubio). Graduate traumavakken gebruiken tekst- en beeldmodellen om samen therapeutische verhalen en visualisaties van een veilige plek te creëren, geworteld in het driefasenmodel van Herman en het neurosequentiële model van Perry. Het kader doet hier het werk; de tools leveren materiaal dat het kader vervolgens begrenst.
- Bots als therapeuten (Niederjohn). Studenten praten met verschillende chatbots en vergelijken de ervaring met face-to-facewerk aan de therapeutische alliantie. Het hoofdstuk levert de cijfers die de oefening urgent maken: 65% van de professionals in de geestelijke gezondheidszorg zag in eerdere enquêtes voordelen in chatbotondersteuning, terwijl 86% het gebruik ervan in de zorg niet steunde. De praktische suggestie is een ladder — eerst AI-rollenspel, dan peers, dan menselijke gesimuleerde patiënten.
- Rollenspel voor studenten in opleiding (Labriola en VanHara). AI-rollenspellen vervangen gescript peer-rollenspel door ongescripte klinische presentaties, wat volgens de auteurs het realisme en de bereidheid om risico's te nemen vergroot. Ze verankeren de behoefte in enquêtegegevens onder studenten: 86% van de bijna 4,000 studenten in 16 landen rapporteerde AI te gebruiken, 58% zei er onvoldoende kennis van te hebben, en 72% wilde cursussen over AI-geletterdheid.
Sectie III: onderzoeksmethoden, statistiek en wetenschappelijke geletterdheid
- AI als onderzoekscopiloot (Sumutka en collega's). Activiteiten leiden beginners door het afbakenen van een onderwerp, het vinden van bronnen, het genereren en operationaliseren van variabelen en het toepassen van ethiek. Het uitgesproken doel is informatiegeletterdheid eerst en snelheid tweede, en het hoofdstuk is expliciet dat de tool net zo goed wordt voorgedaan als gebruikt.
- Vraaggeneratie als kritische evaluatie (Burkett). Een aanpak in drie fasen in een undergraduate-vak onderzoeksmethoden maakt van ChatGPT een generator van evaluatieve vragen over onderzoeksontwerpen, met een custom GPT die voor dat doel is gebouwd. De vragen dienen vervolgens als maat voor begrip — een beoordelingszet die andere hoofdstukken bespreken maar zelden operationaliseren.
- Gebruik en misbruik, als modules (Urdan, Firtch en White). Kant-en-klare modules behandelen het genereren van onderzoeksontwerpen, oefentoetsen en de bekende faalmodi, vanuit de redenering dat adoptiewrijving de echte barrière is voor docenten die AI-nieuwsgierig zijn maar weinig tijd hebben.
- De chatbot die tekortschoot (Hilley en Edwards). "Zig", gebouwd op het Juji-platform voor een verplicht statistiekvak, was bedoeld om op verzoek hulp te geven bij oefenopgaven. Het voldeed niet aan de verwachtingen. De tekortkomingen zijn specifiek en leerzaam: een student die naar Levene's test vroeg typte "levee" en kreeg een weigering, een vraag over beoordeling leverde een niet-ter-zake antwoord over z-scores op, en verzoeken om voorbeelden kregen definities terug. Veel hiervan is terug te voeren op een platform dat met Q&A is geladen in plaats van een redeneermodel, maar het hoofdstuk is het eerlijke negatieve resultaat van het boekdeel en het hoofdstuk om te lezen voordat u een vakbot bouwt.
- Gefaseerde integratie in R-onderwijs (Garrison, Tyson en Lyu). Het vierfasenmodel begint met AI-vrij leren en voegt pas tools toe wanneer studenten kunnen beoordelen wat de tools produceren. Het gereedheidssignaal dat de auteurs noemen is frustratie over de grenzen van AI, en de faalmodus die ze documenteren is het eerder introduceren van AI, wat afhankelijkheid opleverde voordat de basis er was.
- ChatGPT plus Elicit in een afstudeerseminar (Katzarska-Miller). Vier voorbereidende workshops gaan vooraf aan een onderzoekspaper die een heel semester beslaat, met een generatief model voor het opstellen van concepten en een research-assistant-tool voor literatuur. Het hoofdstuk verankert het ontwerp in sociaal-constructionistische leertheorie en gebruikt zelfbeoordeling vóór en na het vak om te controleren of AI-geletterdheid is verschoven.
Wat terugkeert in de eenentwintig hoofdstukken
- Faseer de toegang. Bijna elk hoofdstuk houdt de tool achter totdat studenten iets hebben om die aan af te wegen, of dat nu een statistiek, een kader, een debatstandpunt of een programmeerbasis is.
- Eis verificatie en maak die zichtbaar. Bewijslogboeken, broncontroles, promptlogs en notities over "wat er veranderde na factchecking" verschijnen in alle secties. Die eis is wat toolgebruik in leren omzet.
- Gebruik studentreflectie als het instrument. Reflecties zijn de bewijsbasis voor de meeste hoofdstukken, wat ook de centrale methodologische zwakte van het boekdeel is.
- Ontwerp op vakniveau, niet op toolniveau. De eigen organiserende keuze van het boek — één hoofdstuk per vak — is de aanbeveling.
- Houd het oordeel van de docent als het object. De terugkerende claim is dat studenten moeten vertrekken met het vermogen te beslissen wanneer ze de tool niet moeten gebruiken.
Waar het boek dun is
De hoofdstukken zijn praktijkverslagen. Bijna geen enkel hoofdstuk rapporteert een ontwerp, een steekproef of een effectgrootte, en waar cijfers verschijnen beschrijven ze de implementatie in plaats van het leren. De uitzonderingen zijn gedeeltelijk: Lee en collega's hebben voor- en nametingenquêtes met een responspercentage van 25% op de nameting, en de reflectieanalyse van Jackson is een thematische codering van één klas.
Het enthousiasme wordt ook ongelijkmatig gecontroleerd. Corcoran en Costa schrijven als voorstanders; Hilley en Edwards rapporteren een mislukking; alleen Slade en Hyk melden een commercieel belang. Hoofdstukken die specifieke producten noemen, verouderen snel, omdat de meeste tools beschrijven zoals die zich gedroegen tijdens 2025.
Dekkinghiaten die het weten waard zijn: kosten en premiumtiers worden nauwelijks besproken, toegankelijkheid en beperking worden niet als sectie behandeld, en K-12 verschijnt alleen in het hoofdstuk over secundair onderwijs van Castro. Het boekdeel gaat over undergraduate- en graduate-psychologieonderwijs in de Verenigde Staten, met weinig over grote hoorcolleges buiten die van Costa en Granito.
Wat u ermee kunt doen
Lees het hoofdstuk voor het vak dat u op het punt staat te geven. De drie secties — fundamentele en vakoverstijgende vakken, klinische en counselingvakken, onderzoeksmethoden en statistiek — houden verwante hoofdstukken bij elkaar. Voorbeelden: een AI-tutorchatbot in psychologische statistiek, ChatGPT gekoppeld aan Elicit in een afstudeerseminar, AI als debatcoach, casusconceptualisering en culturele bescheidenheid in klinische training, en een hoofdstuk over onderzoeksmethoden waarin studenten vragen genereren met ChatGPT en die vervolgens bekritiseren.
Voor wie het is
Psychologiedocenten in elke carrièrefase, en docenten in aangrenzende sociaalwetenschappelijke disciplines wier beoordelingsproblemen dezelfde vorm hebben: essayrijk werk, casusbespreking, statistiekangst, kleine vakken waarin één herontwerp haalbaar is.
Opmerkingen en kanttekeningen
Gratis pdf, geen account. Het copyright is van STP, niet een Creative Commons-licentie: persoonlijke en klaslokaalkopieën zijn toegestaan met naamsvermelding, terwijl herdistributie of commercieel gebruik de toestemming van de auteur vereist. Hoofdstukken zijn praktijkverslagen, geen studies — geen ontwerpen, steekproeven of effectgroottes — dus beschouw claims als ervaringsverslagen en citeer hoofdstukken afzonderlijk.