Wat het onderzoek
met mij deed
Een traject dat niet liep zoals verwacht, een mening over AI die continu verschoof, en een conclusie die pas overbleef nadat ik alles wat niet klopte had weggehaald.
Een traject dat niet liep
zoals verwacht
Als ik terugkijk op dit onderzoekstraject, is het eerste dat opvalt hoeveel er is verschoven. Niet als teken van onzekerheid, maar als teken dat ik bereid was te luisteren naar wat het onderzoek mij vertelde in plaats van het naar mijn eigen beginpunt toe te trekken.
Ik begon met een aanname die op het eerste gezicht logisch was: AI kan de rol van coach overnemen in het leerproces. Die aanname heb ik, stap voor stap, zelf afgebroken. Niet omdat iemand me dat opdroeg, maar omdat de fricties die ik tegenkwam: in gesprekken, in experimenten, in mijn eigen ervaringen als docent, mij lieten zien dat die aanname ergens klopte maar ergens fundamenteel misging.
Dat loslaten was niet makkelijk. Maar het was ook het meest waardevolle wat dit traject mij heeft gebracht.
Drie momenten die
de richting bepaalden
Vroeg in het traject merkte ik dat AI-als-coach inhoudelijk én ethisch begon te wringen. De vraag of AI menselijke begeleiding kan vervangen is een andere vraag dan waar AI daadwerkelijk iets toevoegt. Door die twee te scheiden, opende zich een rijkere en eerlijker richting.
Niets ging zoals gepland: de techniek haakte af, de setting was niet wat ik wilde, en de resultaten lieten zien dat mijn prototype iets heel anders deed dan ik beweerde. Dat had ik kunnen wegstoppen. In plaats daarvan noteerde ik het als data; en die data bepaalde de volgende stap.
In één middag kantelden twee gesprekken mijn onderzoeksvraag en mijn prototype tegelijk, en ik liet het toe. Niet omdat ik geen ruggengraat had, maar omdat ik herkende dat hun framings scherper waren dan de mijne. Dat is een andere vorm van kracht dan vasthouden aan wat je zelf had bedacht.
Onderzoek dat alleen bevestigt wat je al dacht, is geen onderzoek; het is redactie. Mijn sterkste bevinding is een ontkenning van mijn vertrekpunt.
Mijn mening over AI
veranderde continu
Parallel aan het onderzoek doorliep ik een eigen leerreis met AI, niet als abstracte technologie, maar als iets wat ik dagelijks gebruik, van afhankelijk raak, en waar ik regelmatig van baal.
Met ChatGPT had ik dat sterk: inconsistente kwaliteit, onverwachte beperkingen, frustraties die me soms deden denken: waar ben ik eigenlijk mee bezig? Pas redelijk laat in het traject maakte ik de overstap naar Claude, en dat voelde als AI opnieuw ontdekken. Niet omdat het perfect is, maar omdat het consistenter aanvoelde en beter paste bij hoe ik wil werken.
Die persoonlijke frictie met de tools heeft mijn onderzoek beïnvloed. Het maakte mij scherper op het verschil tussen wat AI belooft en wat het levert, en daarmee ook kritischer op wat ik zelf aan het bouwen was.
Mensen die het diepst in de materie zitten en juist daardoor niet optimistisch zijn. Wat hun verhalen losmaakten: niet angst, maar een scherpere vraag over verantwoordelijkheid.
De belofte van AI wordt door degenen die er economisch van profiteren structureel mooier voorgesteld dan ze is. Dat voelde ik in mijn eigen onderzoek: de verleiding om te geloven dat technologie het onderwijs simpel beter maakt.
Leren vraagt om weerstand. Wanneer informatie te soepel binnenkomt, landt ze niet als kennis maar als ruis. Het brein vormt zich door te worstelen, niet door te consumeren.
Wat ik lang niet
hardop had gezegd
Er is een eerlijk verhaal dat ik lange tijd niet expliciet had gemaakt, maar dat dit onderzoek van begin af aan heeft aangedreven.
Tijdens mijn eigen studie aan de master had ik zelf behoefte aan precies wat ik nu aan het bouwen was. De theorielessen waren inhoudelijk enorm interessant, maar de dynamiek van de klas was niet altijd even fijn. Een aantal medestudenten claimde geregeld veel aandacht met verhalen die voor mij niet relevant waren. Het gevolg was voorspelbaar: ik haakte af, de les was voor mij voorbij, en de inhoud die ik eigenlijk wel wilde meepakken verdween met de sfeer mee.
Wat ik me dan dacht: hoe fijn zou het zijn als ik die les daarna thuis nog een keer kon volgen, op mijn eigen tempo, en mijn specifieke vragen kon stellen, zonder dat mijn medestudenten daar last van hebben, en zonder dat ik de les voor hen ophoud?
Dat is exact het prototype dat ik heb gebouwd. En op het moment dat ik dat besefte, tijdens het bouwen ergens halverwege, voelde het alsof ik stiekem een beetje verliefd was geworden op het idee. Niet op de technologie, maar op de mogelijkheid.
Wat het bouwen mij
over lesgeven leerde
Een onverwachte opbrengst van dit traject was wat er met mijn kijk op mijn eigen docentschap is gebeurd.
Didactische theorie, Bloom, Kolb, Vygotsky, Zimmerman, zit eerlijk gezegd een beetje in mijn allergie. Ik vind het droog, ik vind het abstract, en ik had er tot voor kort weinig mee.
Totdat ik die modellen daadwerkelijk moest operationaliseren in code. Op het moment dat je Blooms taxonomie moet vertalen naar een prompt die een AI instrueert hoe hij een vraag van een student moet inschatten, begrijp je de theorie op een manier die een college of een boek nooit had gegeven. Je kunt er niet omheen.
Mijn BDB heeft mij een bevoegdheid gegeven. Dit onderzoek heeft mij een besef gegeven. Dat zijn twee verschillende dingen.
Waarom de co-docent
het juiste antwoord is
De co-docent is niet de conclusie die ik aan het begin had. Het is de conclusie die aan het einde overbleef nadat ik alles wat niet klopte had weggehaald.
De relatie tussen student en docent is onvervangbaar, niet sentimenteel, maar functioneel. Eaglemans inzichten sluiten hier naadloos op aan: leren is sociaal, contextueel en belichaamd. Een scherm vervangt dat niet.
Mijn eerste meetmoment liet zien dat studenten menselijk contact misten, niet voor de inhoud, maar voor de sfeer, de motivatie en de alternatieve uitleg die alleen in interactie ontstaat.
Wél: AI naast de docent. Als een instrument dat de docent zelf inroept wanneer het meerwaarde heeft. Een extra voorbeeld, een specifieke verdieping, een logboek dat laat zien waar studenten vastliepen. De docent blijft de centrale figuur; de AI ondersteunt zonder te vervangen.
Van docent naar
DDI-professional
Ik begon dit onderzoek als docent met een ongemakkelijke vraag en sluit het af als iemand die geleerd heeft zijn eigen framing los te laten zodra een betere zich aandient. Dat is misschien wel de meest duurzame uitkomst van het hele traject.
Zit niet in hoe scherp hij is geformuleerd aan het begin, maar in hoeveel ruimte hij laat om zichzelf te herzien onderweg.
Het quotaprobleem, de lege post-its, de studenten die de AI geen docent noemden, dat waren geen mislukkingen. Dat was de data die de volgende stap mogelijk maakte.
Niet simpel goed, niet simpel slecht, niet simpel neutraal. Het is een ontwerpkeuze met ethische implicaties, en die keuze vraagt om ontwerpers die bereid zijn hem serieus te nemen.