AI en kritisch denken in het onderwijs: kansen, risico’s en inzichten uit de wetenschap

---

TLDR In deze blog analyseer ik de impact van AI op drie kernprincipes voor het aanleren van kritisch denken (Willingham, 2019):

1. Voorkennis als basis: Meta-analyses tonen overwegend positieve effecten, maar er zijn risico’s wanneer studenten AI gebruiken om antwoorden te krijgen zonder zelf kennis te verwerven
2. Instructie en oefening: AI kan effectief ondersteunen met gepersonaliseerde feedback, maar kan ook een passieve leerhouding bevorderen als studenten AI taken laten overnemen
3. Patroonherkenning: AI kan helpen bij het herkennen van structuren in problemen, maar er is risico op een valse indruk van begrip wanneer AI het denkwerk overneemt

Voor elk van deze principes biedt de blog praktische, evidence-based aanbevelingen voor docenten om AI verantwoord in te zetten in het onderwijs. De conclusie is dat AI kritisch denken overwegend kan versterken, maar dat dit afhangt van verantwoorde implementatie met docenten in de hoofdrol bij het onderwijskundig ontwerp. Inzetten op AI-geletterdheid is cruciaal.

AI en kritisch denken: van polarisatie naar een genuanceerde blik

De opkomst van generatieve AI in het onderwijs roept een fundamentele vraag op: versterkt of verzwakt AI kritisch denken? Optimisten betogen dat AI ons kan bevrijden van feitenkennis en dat AI daarmee ruimte schept voor hogere-orde denkvaardigheden. Waarom zou je feiten onthouden die je binnen seconden kunt opzoeken? Pessimisten waarschuwen dat leerlingen en studenten door AI steeds minder kritisch denken. Waarom zou je nog diep nadenken als je de output van AI-systemen klakkeloos kunt overnemen?

Hoe AI kritisch denken beïnvloedt, houdt ook de gemoederen in de wetenschap bezig. Omdat er de afgelopen jaren talloze onderzoeken zijn verschenen over de invloed van AI op kritisch denken, focus ik in dit stuk op meta-analyses, omdat deze een breed beeld geven. Deze vul ik aan met specifieke onderzoeken voor concrete voorbeelden en praktische toepassingen. Spoiler: de literatuur is complex en genuanceerd. AI is geen vanzelfsprekende bondgenoot of bedreiging voor kritisch denken in het onderwijs—de impact hangt af van de toepassing. Daarom geef ik evidence-informed aanbevelingen om AI te integreren zonder denkvaardigheden te ondermijnen.

Wat is kritisch denken en hoe kun je het aanleren?

Voordat we dieper ingaan op de relatie tussen AI en kritisch denken, is het belangrijk om te begrijpen wat kritisch denken precies inhoudt. Onderwijsonderzoeker Daniel Willingham (2019), bekend van het boek ‘Why don’t students like school?’, definieert kritisch denken als denken dat:

• nieuw is: Je herhaalt niet simpelweg een eerder geziene oplossing of oplossing die je herinnert, maar past kennis toe op een nieuwe situatie (ook wel transfer genoemd).
• zelfgestuurd is: Je volgt niet blind instructies, maar bepaalt zelf hoe je tot een conclusie komt.
• effectief is: Je volgt redenering principes die leiden tot een bruikbare en betrouwbare conclusie. Die principes kunnen verschillen per vakgebied. Zo zijn in de wiskunde correcte berekeningen en bewijsvoering van belang, terwijl het in geschiedenis draait om bronnenkritiek en contextuele analyse.

Kritisch denken is dus niet een algemene vaardigheid en het gaat dus verder dan ‘gewoon hard nadenken’ en ‘kritisch zijn’.

Om kritisch te leren denken moeten er volgens Willingham (2019) een aantal componenten aanwezig zijn, die ik heb samengevat in drie kernprincipes:

1. Voorkennis is de basis voor kritisch denken – Kritisch denken vereist een stevige kennisbasis binnen een specifiek vakgebied. Zonder inhoudelijke kennis kunnen studenten argumenten niet goed analyseren of evalueren.

2. Kritisch denken leer je door instructie en oefening – Kritisch denken ontwikkelt zich door het stapsgewijs aanleren en regelmatig oefenen in verschillende contexten, over meerdere jaren.

3. Kritisch denken leer je door problemen en patronen te herkennen – Kritisch leren denken vraagt om het doorzien van patronen en het bewust toepassen van denkstrategieën.

In deze blog onderzoek ik voor deze principes voor het aanleren van kritisch denken, of AI deze kan versterken of juist belemmeren. Daarnaast bied ik praktische, evidence-informed strategieën voor docenten die AI willen inzetten om kritisch denken te bevorderen of willen voorkomen dat AI kritisch denken in de weg zit. De termen leerlingen en studenten gebruik ik door elkaar heen.

1. Kennis is de basis voor kritisch denken

Volgens Willingham (2019) vereist kritisch denken een stevige kennisbasis in een bepaald domein. Iemand die kritisch kan denken over literatuur, kan niet automatisch ook kritisch denken over wiskunde. Verder is het belangrijk om te weten dat kennis effectief kan worden aangeleerd, wanneer nieuwe kennis aansluit op aanwezige voorkennis (Ausubel, 1968; Sweller, 2011). De vraag is dan vervolgens: Hoe kan AI kennisverwerving versterken en wanneer zit het in de weg?

Kansen: Hoe kan AI kennis aanleren effectiever maken?

AI kan ondersteunen bij het opbouwen van een kennisbasis door nieuwe kennis te koppelen aan wat leerlingen al weten en interessant vinden. Meta-analyses tonen veelbelovende resultaten. In een meta-analyse leidden AI-tools in 47 van de 60 onderzochte onderzoeken tot een hoger leerrendement door het personaliseren van leermateriaal (Wu, 2024). Ook twee andere meta-analyses, waarin respectievelijk 65 en 31 onderzoeken werden meegenomen, rapporteren middelgrote positieve effecten van AI op het leerrendement (Hu, 2024; Sun & Zhou, 2024). AI-systemen bleken vooral effectief door het personaliseren van uitleg en door feedback op maat, maar ook motivatie blijkt van belang (Heung & Chiu, 2025; Labadze et al., 2023).

Je zou als kritiek kunnen geven dat het hier gaat om meta-analyses uit Aziatische culturen met veel directe instructie en prestatiedruk is. Maar uit een andere meta-analyse blijkt dat de effecten met name optreden in Aziatische én Europese landen (Tlili et al., 2024). Dat neemt niet weg dat er wel degelijk nuances zijn aan te brengen. Er worden grote verschillen gevonden tussen de onderzoeken en de bevindingen zijn niet eenduidig. In de ene meta-analyse komt naar voren dat AI beter werkt voor alfa vakken (Sun & Zhou, 2024), in de ander dat het juist beter is voor bèta vakken (Tlili et al., 2024). Het vermoeden dat bij mij en Hans Visser (die het ‘E_AI’ model heeft gemaakt om de effectiviteit van AI’s in de onderwijscontext te beoordelen) leeft is dat de effectiviteit valt of staat met de didactische expertise én de AI-geletterdheid van de docenten die het inzetten.

Een concreet voorbeeld van de effectiviteit van AI-ondersteuning komt uit een grootschalig experiment met 1200 studenten. Hierin werden AI-tutors vergeleken met activerende lessen – op zichzelf al een zeer effectieve onderwijsmethode bevonden in een meta-analyse (Freeman et al., 2014). Studenten in de AI-groep scoorden significant hoger op kennistoetsen, terwijl ze ook nog eens minder tijd kwijt waren geweest dan in activerende lessen (Kestin, 2024).

Een belangrijke kanttekening is dat de huidige positieve resultaten veelal gebaseerd zijn op kortetermijnonderzoek. Een uitzondering is een onderzoek uit Turkije (Bastani et al., 2024). Leerlingen die gebruik maakten van ‘normale’ GPT of van een tutor GPT presteerden veel beter tijdens oefensessies. Echter, zonder de ondersteuning op het examen scoorden de leerlingen die de normale GPT hadden gebruikt lager op examens dan degenen die geen toegang hadden tot AI. Tussen de leerlingen die tutor GPT hadden gebruikt en de leerlingen zonder GPT werd geen verschil gevonden. Er is nog een gebrek aan langetermijnonderzoeken over de effecten van AI-gebruik op kennisverwerving, waardoor onduidelijk blijft hoe duurzaam de leereffecten zijn (Wu, 2024). Dit onderstreept het belang van zorgvuldige implementatie.

Risico’s: Hoe kan AI kennisverwerving belemmeren?

Tegelijkertijd zijn er risico’s. De output van AI’s komt overtuigend en feitelijk over, maar is dat nog vaak onjuist. Hierdoor kunnen leerlingen zich baseren op onjuiste kennis en het vergt nu juist kritisch denken om dit door te hebben. Wanneer leerlingen AI gebruiken om direct antwoorden te verkrijgen zonder zelf de basiskennis te verwerven, kan dit bovendien het fundament voor kritisch denken ondermijnen (Gonsalves, 2024; Zhai et al., 2024). Dat dit inderdaad gebeurt, blijkt bijvoorbeeld uit vragenlijstonderzoek van OpenAI (makers van ChatGPT, 2025) onder 1229 Amerikaanse studenten. Zo geeft een groot gedeelte van de studenten zelf aan AI te gebruiken voor het oplossen van wiskundige problemen, het beantwoorden van vragen en het schrijven van essays (zie Figuur 1). In een Poolse enquête gaf 83% van de ondervraagde studenten bovendien zelf aan te vrezen dat overmatig AI-gebruik hun vermogen tot kritisch denken verzwakt (Szmyd & Mitera, 2024). Dat de snelheid waarmee AI-tools informatie bieden kunnen leiden tot gemakzucht en afhankelijkheid, vergelijkbaar met smartphones, is reëel.

Dat AI een negatieve invloed op kennisverwerving en kritisch denken kan hebben, blijkt dan ook uit 13 van de 60 onderzoeken uit de eerder genoemde meta-analyse van Wu (2024). Die negatieve effecten waren vaak het gevolg van een passieve leerhouding, maar ook doordat AI-tools onjuiste informatie presenteren of concepten te simplistisch uitleggen. Dat een passieve houding problematisch is met AI gebruik, blijkt ook uit een andere meta-analyse (Diao et al., 2024). Er blijkt een wezenlijk verschil tussen studenten die gericht zijn op diep leren en het verbeteren van hun kennis en studenten die vooral gericht zijn op snel resultaat en minimale inspanning. Het uitbesteden van het denken lijkt bovendien meer voor te komen bij jongere dan oudere leerlingen (Gerlich, 2025).

Praktische aanbevelingen voor het gebruik van AI ter ondersteuning van kennisverwerving en kritisch denken, gebaseerd op de besproken literatuur

1. AI als hulpmiddel voor kennisverwerving

Als docent speel je een cruciale rol in het effectief inzetten van AI binnen het onderwijs. Door AI-tools strategisch te gebruiken, kun je leerlingen gepersonaliseerde oefeningen aanbieden en snel gerichte feedback geven op hun werk. Het is daarbij belangrijk om duidelijke kaders te stellen en leerlingen bewust te maken van zowel de mogelijkheden als de beperkingen van AI. Door AI te combineren met menselijke interactie, kun je repetitieve taken uit handen geven en meer tijd vrijmaken voor persoonlijke begeleiding. AI vervangt de docent niet, maar kan – mits goed begeleid – het leerproces ondersteunen en versterken.

2. Gepersonaliseerde aansluiting bij voorkennis en interesses

AI kan helpen door uitleg op maat te geven, afhankelijk van de voorkennis en de interesses van de student. Zo kan AI leerdoelen laten aansluiten bij het niveau van de leerling, formatieve checks maken om snel zicht te krijgen op waar leerlingen staan en de docent helpen om op basis daarvan te differentiëren.

3. Kritische evaluatie van AI-gegenereerde informatie

AI kan zowel correcte als foutieve informatie genereren. Daarom moeten leerlingen leren actief te controleren en te evalueren wat AI hen voorschotelt. Dit kan bijvoorbeeld door leerlingen beweringen van AI te laten controleren aan de hand van betrouwbare bronnen. Of door leerlingen verschillende AI-antwoorden te laten vergelijken en hier kritisch op te reflecteren. En juist hierbij is de vakkennis van de docent essentieel.

4. Ondersteun zelfreflectie bij AI gebruik

Integreer een onderzoekende houding door het gebruiken van reflectieve vragen. Welk “bewijs” is er om aan te tonen dat dat wat er staat ook echt klopt. Of is er bewijs te vinden waarom dit niet zou kloppen?

5. AI proof toetsen

Het is belangrijk dat we de kennis en vaardigheden van leerlingen toetsen, niet van de gebruikte AI-tool. Dat kan relatief traditioneel, door schriftelijk of mondeling te toetsen, maar ook door contexten heel persoonlijk en specifiek te maken, omdat AI daar weinig kennis van heeft. In NPulse magazine (2025) wordt een interessante middenweg besproken. Daarin wordt een Duitse school beschreven waar leerlingen AI moeten gebruiken op de toets. Ze moeten bij ieder antwoord aangeven wat ze zelf hebben geschreven en wat door AI is gegenereerd en beargumenteren waarom ze die keuze hebben gemaakt. Geen van de leerlingen blijkt hierbij volledig op AI te vertrouwen; ze hebben er kritisch over leren nadenken.

2. Kritisch denken leer je door instructie en oefening

Kritisch denken is geen aangeboren vaardigheid, maar ontwikkelt zich door expliciete instructie, waaronder ook kwaliteitsbesef, voordoen, herhaalde oefening, opbouw in moeilijkheid, toetsen van voorkennis en feedback vallen. Willingham (2019) benadrukt dat kritisch denken niet automatisch overdraagbaar is tussen verschillende domeinen, daarom moeten studenten systematisch worden blootgesteld aan gevarieerde oefensituaties, waarbij ze worden uitgedaagd om aannames te onderzoeken, argumenten te evalueren en alternatieve perspectieven te overwegen.

Kansen: Hoe kan AI ondersteunen bij het instrueren en oefenen?

AI kan een rol spelen in het ondersteunen van instructie en oefening door leermateriaal te personaliseren, verschillende voorbeelden aan te bieden, denkprocessen expliciet te maken, door te vragen, directe feedback te geven, verschillende contexten aan te reiken en oefeningen motiverender te maken. Uit twee meta-analyses blijkt dat onderwijskundig inhoudelijk sterke AI tutors effectief zijn, en onder andere bijdragen aan kritisch nadenken door te ondersteunen bij het direct instrueren (Sun & Zhou, 2024; Wu, 2024). Bovendien ondersteunt AI de motivatie voor herhaald oefenen doordat het leerlingen kan voorzien van gepersonaliseerde oefenmogelijkheden die aansluiten bij hun niveau (competentie) en interesses (autonomie; Richter et al., 2019).

Een specifiek voorbeeld komt uit een onderzoek waar aI een effectieve gesprekspartner blijkt. Wanneer studenten AI gebruiken als gesprekspartner om hun interpretaties te onderbouwen, resulteert dit in significant verbeterde kritische analysevaardigheden (Yilmaz & Yilmaz, 2023). De onderzoekers concludeerden dat de AI studenten dwong om hun redenering te expliciteren en te verfijnen, wat leidde tot een dieper begrip van het onderwerp.

Risico’s: Hoe kan AI instructie en oefening belemmeren?

Hoewel AI krachtige ondersteuning kan bieden bij instructie en oefening, kan het ook een belemmering vormen als het verkeerd wordt ingezet. Een van de grootste risico’s is dat AI antwoorden levert zonder dat studenten zelf denkstappen moeten oefenen. Zo vrezen sommige docenten dat studenten zelf minder brainstormen of minder diep teksten analyseren als ze AI gebruiken om deze taken over te nemen (Larson et al., 2024). Uit het eerder genoemde onderzoek van OpenAI blijkt dat brainstormen een van de meest genoemde manieren is waarop ChatGPT wordt gebruikt (Figuur 1). Dit kan problematisch zijn, omdat het zelf worstelen met problemen (idealiter in de zone van naaste ontwikkeling) een belangrijke vaardigheid is voor de ontwikkeling van kritisch denken.

Door té veel te leunen op AI-tools kan de intrinsieke motivatie en het diepgaand redeneren verminderd worden (Lyanda et al., 2024). Vooral wanneer AI niet op maat is gemaakt om te voldoen aan didactische principes, of wanneer leerlingen geen goede prompts gebruiken, is dit problematisch. AI kan dus vooral een barrière vormen voor kritisch denken als studenten geen begeleiding krijgen in hoe ze AI verantwoord moeten gebruiken of als docenten niet betrokken zijn geweest bij de invulling van hoe AI gebruikt wordt.

Praktische tips om AI te gebruiken om kritisch denken te instrueren en te oefenen te ondersteunen op basis van de besproken literatuur

1. AI-tutors inzetten om kritisch denken bij leerlingen te verbeteren

   Laat leerlingen liever in gesprek gaan met op maat gemaakte AI’s dan met generieke AI’s. Die AI’s moeten goed zijn ingesteld om aan te sluiten bij didactische principes over het aanleren van kritisch nadenken. Ze kunnen bijvoorbeeld worden ingesteld om niet direct antwoorden te geven, maar vragen te stellen.

   Psst...leer in onze 3-daagse opleiding alles over AI verantwoord inzet in jouw lessen

   Bekijk opleding →

2. Leer leerlingen effectieve prompts die kritisch denken stimuleren
   Stel samen met leerlingen succescriteria op voor goede prompts, die het kritisch denken stimuleren. Leer leerlingen bijvoorbeeld effectieve prompts te schrijven die het kritisch denken stimuleren in plaats van vervangen. Bijvoorbeeld: in plaats van “Wat zijn de oorzaken van de Eerste Wereldoorlog?”, leer hen vragen: “Vergelijk drie verschillende historische perspectieven op de oorzaken van de Eerste Wereldoorlog en evalueer de sterkte van elk argument.”

3. Kritisch denken voordoen met AI: Co-modeling in de les: Docenten kunnen hun eigen denkproces demonstreren in dialoog met AI. Bijvoorbeeld door hardop te redeneren waarom ze bepaalde AI-suggesties accepteren of verwerpen, of door te laten zien hoe ze kritische vragen formuleren. Een docent kan bijvoorbeeld een vraag stellen aan AI, en dan aan de klas laten zien hoe hij/zij de antwoorden evalueert: “Ik twijfel aan deze bewering omdat…”

4. Modeling van kritisch nadenken met reasoning models: AI kan modeling ondersteunen door voorbeelden te geven van denkprocessen. Steeds meer AI-tools (ChatGPT’s Deep Research, Claude Sonnet 3.7, DeepSeek) onthullen hun “chain-of-thought” redenering, wat leerlingen kunnen gebruiken, analyseren en waar nodig corrigeren. Docenten blijven verantwoordelijk voor het organiseren van opdrachten die hierbij aanzetten tot reflectie.

3. Kritisch denken leer je door problemen en patronen te herkennen

Om effectief kritisch te kunnen denken, moeten studenten niet alleen beschikken over kennis en oefenen, maar tijdens het oefenen proberen om de onderliggende patronen te herkennen in problemen. Willingham (2019) benadrukt dat kritisch denken vaak mislukt omdat studenten zich richten op oppervlakkige kenmerken van problemen. Neem bijvoorbeeld een leerling die geleerd heeft om de oppervlakte te berekenen, maar die daar niet op komt wanneer hij thuis de hoeveelheid verf voor zijn muur moet berekenen. Om patronen te herkennen, is oefenen in verschillende contexten noodzakelijk.

Kansen: Hoe kan AI ondersteunen bij probleem- en patroonherkenning?

AI is specialist in patroonherkenning, maar kan het ook ons vermogen om patronen te zien verbeteren? Door kleine variaties in vraagstellingen en contexten te introduceren, kan AI studenten helpen om structurele overeenkomsten en verschillen sneller te identificeren. Onderzoek toont aan dat dit een zeer effectieve strategie is om patroonherkenning te bevorderen bij studenten (Xu et al., 2023). Bij wiskunde zou AI studenten kunnen laten oefenen met vergelijkbare algebraïsche problemen in verschillende contexten, zoals financiële berekeningen en natuurkundige formules. Dit dwingt hen om onderliggende structuren te herkennen in plaats van oppervlakkige kenmerken.

Daarnaast kunnen AI-systemen functioneren als gespreks- en reflectiepartners, waarbij ze studenten uitdagen om hun eigen denkproces onder woorden te brengen. In een onderzoek stimuleerden AI studenten in het gesprek om onderliggende patronen te herkennen in verschillende problemen (Sun et al., 2024), doordat AI vragen kan stellen als “Welke kenmerken delen deze problemen?” of “Wat zou er gebeuren als je dit principe toepast op een het volgende probleem?”

Risico’s: Hoe kan AI probleem- en patroonherkenning belemmeren?

Opnieuw kan AI ook een belemmering vormen voor kritisch denken, als studenten AI laten denken in plaats van zelf patronen te identificeren. Onderzoek toont aan dat studenten die AI blindelings volgen, minder diepgaand redeneren en minder geneigd zijn om zelf complexe structuren te analyseren (Wu, 2024).

Daarnaast bestaat het risico dat AI een illusie van begrip kan veroorzaken. Wanneer studenten AI patronen laten herkennen of problemen categoriseren, kunnen ze ten onrechte denken dat ze dit zelf ook kunnen. Dit kan ertoe leiden dat studenten minder geneigd zijn om diep na te denken (Lyanda et al., 2024).

Een ander risico is dat AI getraind is op bevooroordeelde datasets en gefinetuned door mensen, en zodoende inherent vooroordelen (bias) heeft. Hierdoor kunnen studenten een beperkte of eenzijdige kijk ontwikkelen op complexe problemen. Een spraakmakend voorbeeld was een fout in Google’s AI-beeldgenerator. In een poging om de patronen (blanke mannen) te verminderen en niet racistisch over te komen hadden medewerkers van Google het model aangepast. Als gevolg genereerde de AI afbeeldingen waarin mensen uit verschillende etnische achtergronden werden weergegeven, zelfs in situaties waar dit historisch onjuist was.

Tips uit de praktijk om AI te gebruiken om kritisch denken te versterken door patroon- en probleemherkenning en bewuste denkstrategieën te stimuleren

1. Bewuste denkstrategieën stimuleren met reflectieopdrachten

Laat leerlingen een reflectiedagboek bijhouden waarin ze vastleggen welke denkstappen ze zelf hebben gezet en welke ze aan AI hebben uitbesteed. Gebruik een bijvoorbeeld een kolommenschema waarin leerlingen kunnen bijhouden:

• “Mijn eigen denkstappen voordat ik AI gebruikte”
• “Welke denkstappen AI toevoegde die ik nog niet had bedacht”
• “Wat ik heb overgenomen van AI en waarom”

Deze concrete aanpak maakt het vergelijken van denkprocessen tastbaar en helpt leerlingen bewust te worden van wanneer en waarom ze op AI leunen versus wanneer ze zelf kritisch nadenken.

2. Kritisch nadenken over patronen met AI-vergelijkingsopdrachten

Laat leerlingen dezelfde vraag beantwoorden door verschillende AI-tools (of dezelfde AI met verschillende prompts), bijvoorbeeld: “Wat zijn de oorzaken van de Eerste Wereldoorlog?”, en vraag leerlingen om de verschillen in patroonherkenning te analyseren met kritische vragen. “Waarom benadrukt de ene AI of prompt andere patronen dan de andere? Welke onderliggende aannames zie je in beide analyses?” Deze opdracht dwingt leerlingen om kritisch te kijken naar hoe AI problemen categoriseert, wat helpt bij het ontwikkelen van hun eigen vermogen tot patroonherkenning.

3. Vooroordelen herkennen in AI-gegenereerde content

Laat leerlingen zelf beelden of teksten genereren over het thema waar je mee aan de slag wilt, bijvoorbeeld “een Nederlandse klas”, “een chirurg of programmeur”. Laat leerlingen deze vervolgens kritisch analyseren op vooroordelen. Bijvoorbeeld: “Welke vooroordelen of patronen zie je?” en “Hoe zouden die voordelen in AI terecht kunnen komen, het gaat toch om ‘kunstmatige intelligentie’? Deze oefening helpt leerlingen om niet alleen patronen in problemen te herkennen, maar ook kritisch te kijken naar patronen in hoe AI informatie presenteert.

4. AI als Socratische gesprekspartner voor dieper nadenken over patronen

Creëer een AI-gesprekspartner die specifiek is ingesteld om leerlingen te helpen patronen te herkennen door Socratische vragen te stellen en aan te sluiten bij de principes om kritisch denken te stimuleren. Bijvoorbeeld, voor natuurkunde zou je een custom GPT, Claude Project of Perplexity ruimte kunnen maken. Hier zou je het gewenste lesmateriaal, deze blogtekst over het onderbouwd aanleren van kritisch nadenken en literatuur over socratische vraagstelling aan kunnen toevoegen. Natuurlijk wel zelf uitvoerig testen en kritisch nadenken over de antwoorden.

Conclusie: AI kan kritisch denken versterken, maar alleen bij een verantwoorde implementatie in het onderwijs

De discussie over AI en kritisch denken wordt vaak gepolariseerd: het is of een Hosanna verhaal of een regelrechte ramp. De realiteit is natuurlijk genuanceerd. De invloed van AI hangt af van hoe we het inzetten in het onderwijs. Dit vraagt om een strategische benadering waarin AI wordt gebruikt als een hulpmiddel om actief denken te stimuleren, niet als een vervanging van denkprocessen.

Net zoals bij eerdere technologieën, zoals de introductie van smartphones, zien we dat technologische ontwikkelingen grote negatieve gevolgen kunnen hebben als gebruikers er niet verantwoord mee om leren gaan. De smartphone beloofde informatie toegankelijker te maken, maar zonder de juiste educatie ontstonden uitdagingen, zoals afhankelijkheid, afleiding en desinformatie.

We kunnen het ons niet permitteren om dezelfde fout te maken met AI. We staan nog aan het begin van de AI-integratie in het onderwijs. De keuzes die we nu maken bepalen of AI een hulpmiddel wordt dat kritisch denken stimuleert, of een technologie die leerlingen afhankelijk maakt van geautomatiseerde antwoorden.

Om AI zo te integreren in onze samenleving dat het kritisch denken wordt versterkt, moeten we AI-geletterd worden. Dit betekent dat we begrijpen hoe AI globaal werkt, en de beperkingen en mogelijke voordelen begrijpen. Vervolgens is het aan de scholen om een onderwijskundig verantwoorde omgeving in te richten, zodat de kansen worden vergroot en de risico’s vermindert.

Om docenten en scholen hierin te ondersteunen, bieden wij verschillende mogelijkheden voor training en professionalisering, zoals een heel praktische 3-daagse opleiding AI-geletterdheid, workshops, E-learning en nog veel meer. Bekijk ons aanbod!

Bekijk ons aanbod

Verantwoording gebruik AI tools

• Claude is gebruikt voor het maken van de opzet en grammaticale herziening
• Rflow, ChatGPT (Deepresearch) en Google Scholar zijn gebruikt voor het creëren van een overzicht van wetenschappelijke bronnen
• ChatGPT is gebruikt voor het samenvatten van wetenschappelijke artikelen

Referenties

• Ausubel, D. P. (1968). Educational psychology: A cognitive view. Holt, Rinehart & Winston.

• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, O., & Mariman, R. (2024). Generative ai can harm learning. Available at SSRN, 4895486.

• Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., & Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21(4), 1-41.

• Bozkurt, A., Xiao, J., Lambert, S., Pazurek, A., Crompton, H., Koseoglu, S., Farrow, R., Bond, M., Nerantzi, C., Honeychurch, S., Bali, M., Dron, J., Mir, K., Stewart, B., Costello, E., Mason, J., Stracke, C. M., Romero-Hall, E., Koutropoulos, A., & Jandrić, P. (2023). Speculative futures on ChatGPT and generative Artificial Intelligence (AI): A collective reflection from the educational landscape. Asian Journal of Distance Education, 18(1), 1-78.

• Deng, X., & Yu, Z. (2023). A meta-analysis and systematic review of the effect of chatbot technology use in sustainable education. Sustainability, 15(2940). https://doi.org/10.3390/su15072940

• Diao, Y., Li, Z., Zhou, J., Gao, W., & Gong, X. (2024). A meta-analysis of college students’ intention to use generative artificial intelligence. [Journal Name], Volume(Issue), Page numbers. https://doi.org/\[DOI\]

• Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth, M. P. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, 111(23), 8410-8415.

• Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15(6). https://doi.org/10.3390/soc15010006

• Gonsalves, C. (2024). Generative AI’s Impact on Critical Thinking: Revisiting Bloom’s Taxonomy. Journal of Marketing Education, 1–16. https://doi.org/10.1177/02734753241305980

• Hu, S. (2024). The effect of artificial intelligence-assisted personalized learning on student learning outcomes: A meta-analysis based on 31 empirical research papers. Science Insights Education Frontiers, 24(1), 3873-3894.

• Heung, Y. M. E., & Chiu, T. K. F. (2025). How ChatGPT impacts student engagement: A systematic review and meta-analysis study. Computers and Education: Artificial Intelligence, 8, 100361. https://doi.org/10.1016/j.caeai.2024.100219

• Kestin, D. (2024). AI tutors vs. active learning: A comparative study in higher education. Journal of Digital Learning, 12(4), 215-239.

• Labadze, L., Grigolia, M., & Machaidze, L. (2023). Role of AI chatbots in education: Systematic literature review. International Journal of Educational Technology in Higher Education, 20(1), 56. https://doi.org/10.1186/s41239-023-00426-1

• Lazowski, R. A., & Hulleman, C. S. (2016). Motivation interventions in education: A meta-analytic review. Review of Educational Research, 85(2), 602–640. https://doi.org/10.3102/0034654315617832

• Larson, B. Z., Moser, C., Caza, A., Muehlfeld, K., & Colombo, L. A. (2024). Critical thinking in the age of generative AI. Academy of Management Learning & Education, 23(3), 373–378.

• Lyanda, J. N., Owidi, S. O., & Simiyu, A. M. (2024). Rethinking higher education teaching and assessment in-line with AI innovations: A systematic review and meta-analysis. African Journal of Empirical Research, 5(3), 325-335.

• OpenAI. (2025). AI usage based on OpenAI’s survey questions. In Building an AI-Ready Workforce: A Look at College Student ChatGPT Adoption in the US. OpenAI.

• Schildkamp, K., Enning, B., Gorissen, P., Klinker, W., Saçan, E., Goris, M., van Deyzen, B., Baten, D., Heystek, C., & Campman, D. (Red.). (2023). Slimmer onderwijs met AI. Npuls.

• Sun, L., & Zhou, L. (2024). Does generative artificial intelligence improve the academic achievement of college students? A meta-analysis. Journal of Educational Computing Research, 0(0), 1-38.

• Sweller, J. (2011). Cognitive load theory. Psychology of Learning and Motivation, 55, 37-76.

• Szmyd, K., & Mitera, E. (2024). The impact of artificial intelligence on the development of critical thinking skills in students. European Research Studies Journal, 27(2), 1022-1039.

• Tlili, A., Salha, S., Wang, H., Huang, R., Rudolph, J., & Weidong, R. (2024). Does personalization really help in improving learning achievement? A meta-analysis. In Proceedings of the 2024 IEEE International Conference on Advanced Learning Technologies (ICALT) (pp. 11-20). IEEE.

• Willingham, D. T. (2019). How to teach critical thinking. Education: Future Frontiers, 1(1), 1-17.

• Wu, X. Y. (2024). Exploring the effects of digital technology on deep learning: A meta-analysis. Education and Information Technologies, 29, 425-458.

• Xu, E., Wang, W., & Wang, Q. (2023). The effectiveness of collaborative problem solving in promoting students’ critical thinking: A meta-analysis based on empirical literature. Humanities & Social Sciences Communications, 10(1), 1-11.

• Yilmaz, R., & Yilmaz, F. G. K. (2023). The effect of generative artificial intelligence (AI)-based tool use on students’ computational thinking skills, programming self-efficacy and motivation. Computers and Education: Artificial Intelligence, 4(2), 100147.

• Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(39).

• Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Education and Information Technologies. https://doi.org/\[DOI\]