AI in het onderwijs: Wat verschillende visies betekenen voor de praktijk

---

Van polarisatie naar praktische richtlijnen

Op sociale media en in opinieartikelen lijkt het debat over AI in het onderwijs fel gepolariseerd. De ene kant belooft een utopie van gepersonaliseerd leren, werkdruk die als sneeuw voor de zon verdwijnt en een oplossing voor het lerarentekort. De andere kant waarschuwt voor een doemscenario; het einde van kritisch denken, overgave aan de tech-reuzen en het begin van een idiocratie. Omarmen of verbieden dus.

Maar wat als de meeste docenten en schoolleiders zich helemaal niet in deze extremen herkennen? Wat als er een grote meerderheid is, die weloverwogen, maar ook onzeker, in het midden staat? Optimistische en pessimistische geluiden domineren vaak het publieke debat, maar in de personeelskamer klinkt gelukkig meer nuance.

Deze blog geeft een stem aan dat genuanceerde midden. Ik onderzoek wat deze positie inhoudt, beargumenteer waarom het een rationele en professionele houding is in de huidige context, en bespreek vervolgens voor elke positie (van pessimist tot optimist) hoe je je in het onderwijs praktisch kunt verhouden tot AI.

Wetenschappelijk inzicht: de meeste docenten zijn zoekend, kritisch én nieuwsgierig

Uit meer dan tien onderzoeken naar de houding van docenten ten opzichte van AI in het onderwijs blijkt dat docenten gemiddeld voorzichtig positief, maar tegelijk kritisch-constructief staan tegenover AI-toepassingen. Ze zijn zoekend en eerder gericht op verantwoorde kaders dan op radicale keuzes. Om deze houding goed te begrijpen, helpt de driedeling van Carla Haelermans (2023), waarop Barend Last mij wees: onderwijs over AI, onderwijs mét AI en onderwijs verstoord door AI.

1. Onderwijs over AI

AI wordt hier behandeld als studieobject: leerlingen leren hoe het werkt, waar de risico’s liggen en hoe je antwoorden kritisch kunt beoordelen. Dit sluit aan bij de oproep tot AI-geletterdheid in de nieuwe kerndoelen digitale geletterdheid (SLO, 2025). Onderzoeken laten zien dat veel docenten het belangrijk vinden dat leerlingen bias, hallucinaties en betrouwbaarheid leren herkennen (Barrett & Pack, 2023; Bergdahl & Sjöberg, 2025; ElSayary, 2024). Ook onder leraren in opleiding is er brede consensus dat AI-onderwijs onderdeel van het curriculum moet zijn (Gatlin, 2023; Yue et al., 2024).

De meeste docenten nemen hierbij een zoekende middenpositie in: zij erkennen de noodzaak, maar voelen zich vaak onvoldoende voorbereid (Renz et al., 2024). Toch is er brede consensus dat onderwijs over AI onvermijdelijk is, omdat studenten alleen verantwoord met AI leren omgaan als zij ook de risico’s begrijpen (ElSayary, 2024). Docenten koppelen deze bereidheid vaak aan de wens om kritische reflectie te stimuleren en achten richtlijnen en training essentieel (Barrett & Pack, 2023; Farazouli et al., 2025).

2. Onderwijs mét AI

Hier wordt AI ingezet als hulpmiddel voor docenten én als leermiddel voor studenten. Veel docenten ruiken mogelijkheden om repetitieve taken te verlichten of extra oefenmateriaal te genereren, waardoor meer tijd beschikbaar komt voor begeleiding en interactie (Bergdahl & Sjöberg, 2025). Tegelijkertijd zien veel docenten ook kansen om AI bewust in te zetten in leeractiviteiten van studenten zelf. Denk aan opdrachten waarin AI-output dient als startpunt of als sparringpartner die studenten uitdaagt tot reflectie en kritisch denken (Wu et al., 2025; ElSayary, 2024).

Ook in deze onderzoeken neemt de meerderheid van docenten een voorzichtig verkennende houding in. Er is nieuwsgierigheid naar de mogelijkheden, maar ook een harde eis voor randvoorwaarden. Docenten eisen van studenten bijvoorbeeld dat ze expliciet beschrijven hoe zij AI hebben gebruikt (Barrett & Pack, 2023).

De middenpositie wordt hier opnieuw zichtbaar: docenten willen AI benutten als kans, maar zorgen ervoor dat de nadruk ligt op transparantie, reflectie en kritisch gebruik, zodat het leerproces versterkt wordt en niet verdrongen.

3. Onderwijs verstoord door AI

Docenten werden na de intrede van ChatGPT al snel geconfronteerd met de disruptieve kracht ervan. Een kwalitatief onderzoek onder universiteitsdocenten laat zien dat velen zich aanvankelijk “overrompeld” voelden door de plotselinge doorbraak van generatieve AI (Renz et al., 2024). Er zijn grote zorgen over fraude, de kwaliteit van het leren en de betrouwbaarheid en dit creëerde gevoelens van onzekerheid en kwetsbaarheid (ElSayary, 2024). Opvallend is dat de meeste docenten zelfs in dit scenario niet kiezen voor een extreme (afwijzende) houding, maar zoeken naar praktische afspraken en heldere richtlijnen die risico’s kunnen beperken (Barrett & Pack, 2023).

Samengevat zien we dat het merendeel van docenten bij onderwijs over, mét en verstoord door AI telkens dezelfde aftastende middenpositie inneemt.

Een rationele, voorzichtig verkennende en kritisch constructieve houding

Onderzoek laat dus zien dat de meeste docenten niet in uitersten denken. De houding die de meeste docenten denk ik het best typeert is voorzichtig verkennend én kritisch constructief. Deze balans tussen nieuwsgierigheid en bedachtzaamheid is precies wat het onderwijs nodig heeft bij een opkomende technologie met een grote potentie op kansen én risico’s. Een leraar die technologie klakkeloos omarmt of resoluut afwijst, is niet echt het goede voorbeeld van een kritische denker. Door mogelijkheden en risico’s af te wegen modelleren docenten de reflectieve houding die zij ook van hun leerlingen verwachten en het lijkt me dus een rationele houding.

Maar is deze houding ook professioneel? Galenkamp en Schut (2018) definiëren professioneel gedrag als handelen dat bijdraagt aan organisatiedoelen en aan welbevinden van jezelf én anderen. Zolang scholen nog geen expliciete visie op AI hebben, is het moeilijk om een houding hieraan te toetsen. Daarom is het cruciaal dat teams gezamenlijk kaders formuleren. Het AI-GO-raamwerk (Renkema et al., 2025) benadrukt dat houding en attitude daarin centraal staan, met ethiek als fundament. Laten we daarom kijken naar de verschillende houdingen die je als team kunt aannemen ten opzichte van AI.

AI-normaalverdeling met verschillende categorieën houdingen

Een normaalverdeling (zie afbeelding hieronder) laat zien dat in veel situaties de meeste mensen een middenpositie innemen, terwijl de uitersten relatief klein zijn. Dat patroon lijkt ook goed van toepassing op de houding van onderwijsprofessionals ten opzichte van AI.

Onderzoek laat zien dat slechts een kleine minderheid AI radicaal afwijst of juist volledig omarmt (2–5%), terwijl de grote meerderheid zich in het midden bevindt: nieuwsgierig, voorzichtig, zoekend en kritisch-constructief (Bergdahl & Sjöberg, 2025; Yue et al., 2024; Renz et al., 2024). De uitersten zijn wel het meest zichtbaar in het publieke debat. Ze zorgen voor reacties en daar gaan algoritmen goed op.

Door de onderzoeksresultaten te ordenen langs een normaalverdeling ontstaat een spectrum van zes categorieën. De uiterste flanken (“radicaal terughoudend” en “radicaal omarmend”) zijn klein, zo’n 2%. Twee segmenten van ieder circa 10–15% zijn behoudender of juist enthousiaster (“afwachtend/defensief” en “proactief/innovatief”). Maar het zwaartepunt ligt in het midden, bij de twee grootste groepen van samen ruim 60%: de “voorzichtig verkennende” en de “kritisch-constructieve” docenten. Het model laat zien dat nuance geen uitzondering is, maar de norm.

De vraag is hoe scholen en teams, vanuit hun uiteenlopende standpunten, kunnen komen tot een verantwoorde omgang met AI. Zelfs de meest terughoudende scholen kunnen AI niet volledig negeren: leerlingen hebben thuis en via hun smartphone toegang. Ook wie AI schadelijk acht, moet afspraken, regels en handhaving organiseren. Neem huiswerk: zelfs als een school AI verbiedt, blijft de vraag of opdrachten nog valide zijn wanneer leerlingen deze met AI kunnen maken. Door de verschillende segmenten van de normaalverdeling te volgen, worden de praktische consequenties zichtbaar. Per segment bespreek ik houding & motivatie, gevolgen voor onderwijs over AI, onderwijs met AI en onderwijs verstoord door AI, en de kansen en risico’s.

De onderste 2,1% – Radicaal terughoudend

Houding & motivatie: Teams in dit segment zien AI mogelijk als een bedreiging voor kernwaarden zoals authenticiteit, eerlijkheid en ambacht. Er kan een principieel wantrouwen leven, gevoed door een pedagogische overtuiging dat de doorgeslagen digitalisering een halt moet worden toegeroepen. De AI-ontwikkeling wordt wellicht gezien als een hype. Deze houding kan ook een bewust statement zijn tegen de maatschappelijke macht van techbedrijven.

Praktische gevolgen (onderwijs over en met AI): Scholen kunnen bewust terugkeren naar pen-en-papieropdrachten, het internet uitschakelen of inzetten op mondelinge toetsing. Huiswerk dat thuis gemaakt wordt, wordt als minder valide beschouwd, omdat de invloed van AI oncontroleerbaar is. Het schoolbeleid schrijft expliciet voor dat gebruik van generatieve AI voor schoolwerk niet is toegestaan, met duidelijke regels en handhaving. Voor leraren betekent dit dat zij zich minimaal hoeven te bekwamen in AI. Ze kiezen er immers voor het niet te gebruiken. Belangrijk is wel dat zij kunnen begrijpen en uitleggen waarom ze AI afwijzen. Er is alsnog basiskennis nodig om het verbod te verantwoorden richting leerlingen, ouders en inspectie. Leerlingen ontwikkelen in deze context nauwelijks AI-vaardigheden: onderwijs met AI wordt bewust vermeden, en onderwijs over AI beperkt zich hooguit tot theoretische kennis over de risico’s. De visie kan zijn dat AI-geletterdheid elders of later opgepakt moet worden, of dat bewuste beperking ervan juist bescherming biedt.

Kansen & risico’s (impact op onderwijspraktijk): De kans is dat de school een uniek en helder profiel ontwikkelt dat focust op diepgaand, onverstoord leren en interpersoonlijke vaardigheden. Er wordt ook een duidelijk signaal afgegeven tegen de dominantie van technologie. Het gevaar bestaat dat leerlingen later een inhaalslag moeten maken of buitenspel komen te staan in een wereld vol AI, wat kan botsen met de kerndoelen digitale geletterdheid (SLO, 2025). Ook blijven wetenschappelijk onderbouwde kansen om het leerproces via AI te versterken onbenut.

13,6% – Afwachtend/defensief

Houding & motivatie: Teams in dit segment erkennen de realiteit van AI, maar de mogelijke risico’s (zoals verzwakt denkvermogen) worden veel zwaarder gewogen dan de mogelijke kansen (zoals versterken van leren). Men kiest ervoor om vooral geen gehaaste stappen te maken.

Praktische gevolgen (onderwijs over en met AI): Het beleid is “verboden, tenzij”. Voor onderwijs over AI betekent dit dat leerlingen vooral theoretische kennis krijgen over de risico’s, zoals privacyproblemen en hallucinaties, maar weinig gelegenheid om zelf te oefenen. Voor onderwijs met AI geldt dat gebruik in principe verboden is, behalve in door de docent expliciet aangewezen, afgebakende en controleerbare situaties, bijvoorbeeld om invulling te geven aan de SLO-leerdoelen digitale geletterdheid. Als sommige docenten toch zelf AI mondjesmaat gebruiken als ondersteuning, maar onvoldoende AI-geletterd zijn, zijn zij in schending met de EU AI Act (2025). Deze schrijft immers voor dat professionals die AI gebruiken AI-geletterd moeten zijn.

Kansen & risico’s (impact op onderwijspraktijk): Deze houding kan de school beschermen tegen overhaaste implementaties en teleurstellingen (wellicht is AI toch maar een hype). Tegelijkertijd dreigt een schaduwwereld van ongecontroleerd en onverantwoord gebruik door zowel docenten als leerlingen. Ook mist het team mogelijkheden om in kleine stappen te experimenteren en te leren wat werkt, waardoor de school in een afwachtstand blijft terwijl AI zich snel ontwikkelt.

34,1% – Voorzichtig verkennend

Houding & motivatie: Teams in dit segment zien zowel de kansen als de risico’s van AI en proberen die in balans te brengen. AI wordt niet bij voorbaat afgewezen, maar men kiest voor kleine, veilige stappen. Het is een houding die mogelijk voortkomt uit besef dat AI zijn intrede heeft gedaan in de maatschappij en dat het onderwijs zich hiertoe dient te verhouden. Teams zoeken naar een verantwoorde omgang met AI, maar zitten nog wel iets meer aan de kant dat AI-geletterdheid beperkt en beheerst moet worden opgebouwd. De nadruk ligt op voorzichtig en behoedzaam experimenteren.

Praktische gevolgen (onderwijs over en met AI): Docenten in deze groep worden gestimuleerd om veilig en verantwoord te experimenteren. Er wordt gezamenlijk nagedacht over verantwoord beleid. Veilig experimenteren wordt bijvoorbeeld technisch mogelijk gemaakt, door alleen goedgekeurde AI-modellen te draaien op Europese servers. Voor onderwijs over AI betekent dit dat docenten zich professionaliseren op het gebied van AI-geletterdheid, zodat zij dit kunnen doorgeven aan hun leerlingen en studenten. Voor onderwijs met AI worden bijvoorbeeld opdrachten ontwikkeld waarbij leerlingen AI-output mogen gebruiken, mits zij die controleren, vergelijken met betrouwbare bronnen en er kritisch op reflecteren (Npulse Magazine, 2025). Toetsing verschuift meer richting proces, met logboeken, versiegeschiedenis en mondelinge checks, zodat het leerproces transparant blijft.

Kansen & risico’s: De kracht van deze houding is dat ze rationeel de balans zoekt tussen kansen en risico’s. Scholen liften mee op de mogelijkheden van AI, zoals tijdwinst, extra feedback en differentiatie, maar beperken tegelijk de risico’s door duidelijke kaders en gecontroleerde pilots.

34,1% – Kritisch-constructief

Houding & motivatie: Ook deze groep meent dat de potentiële kansen en risico’s in balans moeten worden gebracht. Docenten in dit segment zien de meerwaarde van AI iets nadrukkelijker. Hun houding is mogelijk dat AI werkdruk kan verminderen en het leerproces kan versterken, maar dat ze ook inzien dat verkeerd gebruik kan leiden tot afhankelijkheid en uitbesteden van denken.

Praktische gevolgen (onderwijs over en met AI): De praktische gevolgen zijn grotendeels vergelijkbaar met de voorzichtig verkennende groep, maar het accent ligt hier mogelijk sterker op actieve benutting van AI. Voor onderwijs over AI wordt AI-geletterdheid nu niet iets waar sporadisch tijd aan wordt besteed, maar wat een structurele plek krijgt in het curriculum. Voor onderwijs met AI worden opdrachten systematisch ingebouwd in meerdere vakken. Teams ontwikkelen gezamenlijke promptbibliotheken en delen best practices. Van studenten wordt verwacht dat ze niet alleen transparant rapporteren hoe ze AI hebben ingezet, maar ook dat ze alternatieven vergelijken en AI kritisch bevragen.

Kansen & risico’s (impact op onderwijspraktijk): Net als bij de voorzichtig verkennende groep draait het om het zoeken naar balans. Het accent ligt hier echter iets meer aan de kansenkant: werkdrukverlaging, differentiatie en versterking van reflectieve vaardigheden worden actief nagestreefd. Het risico is dat de nadruk op toepassing en integratie ten koste gaat van voortdurende kritische reflectie. AI kan te vanzelfsprekend worden gebruikt, waardoor grenzen of ethische vragen minder aandacht krijgen.

13,6% – Proactief/innovatief

Houding & motivatie: Teams in dit segment staan nadrukkelijk positief tegenover AI en zien het mogelijk als kans om onderwijs en leren wezenlijk anders vorm te geven. AI wordt wellicht gezien als een maatschappelijke ontwikkeling waarvoor leerlingen en studenten zo goed mogelijk moeten worden toegerust. Het kan ook zijn dat AI als oplossing wordt gezien om motivatieproblemen of de sterke nadruk op kwalificatie te doorbreken.

Praktische gevolgen (onderwijs over en met AI): In deze scholen wordt nog sterker ingezet op experimenteren en pionieren. Er wordt ingezet op krachtig AI-beleid en er wordt geïnvesteerd in verschillende AI-modellen die gebruikt kunnen worden door alle doelgroepen in het onderwijs. Voor onderwijs over AI betekent dit dat leerlingen verdiepende kennis krijgen over AI-geletterdheid. Los van risico’s en ethiek komt bijvoorbeeld ook werking van AI aan bod. Voor onderwijs met AI geldt dat docenten onderwijs ontwikkelen mét AI, AI-tutoring voortdurend inzetten en teams gezamenlijk nadenken hoe AI het onderwijs kan verbeteren. Voor leerlingen en studenten wordt de output van AI het startpunt van leren. Van leerlingen en studenten wordt verwacht dat ze door AI beter kunnen leren én presteren waardoor de verwachtingen en complexiteit van de opdrachten worden verhoogd.

Kansen & risico’s: De kans ligt in de mogelijkheid om nieuwe onderwijspraktijken te ontwikkelen en jongeren meer te leren in minder tijd (BRON FOX). Een andere kans is dat AI kan helpen om werkdruk en personeelstekort significant te verminderen. Tegelijkertijd is er een reëel risico dat docenten of leerlingen zich verliezen in de technologie en dat AI-afhankelijkheid ontstaat.

2,1% – Radicaal omarmend

Houding & motivatie: In dit uiterste segment wordt AI niet alleen gezien als nuttig hulpmiddel, maar wordt het centraal gesteld in onderwijs en leren. Wellicht een beetje zoals de ‘Ipad’-school, maar dan de ‘Ai’-school (en we weten hoe dat is afgelopen). De houding is mogelijk dat AI de motor is voor maatwerk, gepersonaliseerd leren en efficiëntie. Er leeft wellicht de overtuiging dat technologie de maatschappij en het onderwijs fundamenteel kan verbeteren.

Praktische gevolgen: In praktische zin wordt AI hier in vrijwel alle onderdelen van het onderwijs geïntegreerd en worden docenten technisch volledig ondersteund. Denk aan het automatiseren van processen met AI-agents en het ontwikkelen van eigen lokaal draaiende taalmodellen. Voor onderwijs met AI betekent dit dat leerlingen leren door een mix aan docenten en AI-tutors, AI standaard wordt ingezet voor feedback en nakijkwerk, en docenten hier een meer controlerende of coachende rol krijgen. Voor onderwijs over AI geldt dat leerlingen intensief en brede kennis opdoen van AI-geletterdheid, in alle facetten die bijvoorbeeld in het AI-GO-raamwerk worden beschreven.

Kansen & risico’s (impact op onderwijspraktijk): De kans is dat onderwijs in dit segment vooroploopt in innovatie, leerlingen voorbereidt op een toekomst vol AI en nieuwe vormen van leren mogelijk maakt. Het risico is dat zonder bewuste tegenkracht AI het onderwijsproces gaat domineren in plaats van ondersteunen. Het gevaar is dat AI niet langer als middel, maar als doel wordt gezien.

Conclusie: van polarisatie naar professionele praktijk

Het debat over AI in het onderwijs lijkt soms vast te lopen in uitersten, maar onderzoek laat zien dat de meeste docenten kiezen voor een genuanceerde middenpositie, waarin nieuwsgierigheid en kritische reflectie samengaan. Dat is niet alleen rationeel en professioneel, maar ook het goede voorbeeld voor jongeren.

De AI-normaalverdeling biedt jou en je team een kader om te onderzoeken waar jullie staan en welke vervolgstappen daarbij passen. Het model maakt duidelijk dat zowel de grootste optimisten als de meest uitgesproken sceptici hun houding moeten vertalen naar professionalisering in AI-geletterdheid. De meerderheid van de docenten is zich daar gelukkig al bewust van.

Wil je zelf, in kleine en haalbare stappen, meer AI-geletterd worden? Op onze website vind je wetenschappelijk onderbouwde e-learnings en een didactisch verantwoorde aanpak om verantwoord met AI aan de slag te gaan.

Bekijk ons aanbod

Transparantie over AI gebruik:

• Rflow, ChatGPT (Deepresearch) en Google Scholar zijn gebruikt voor het creëren van een overzicht van wetenschappelijke bronnen
• Google Gemini is gebruikt voor het creëren van de bronnenlijst
• ChatGPT is gebruikt voor het samenvatten van wetenschappelijke artikelen
• Google Gemini en ChatGPT deep research zijn gebruikt voor het maken van een eerste opzet, het geven van feedback op eerdere versies van een artikel
• Google’s Nana Banana is gebruikt voor het maken van de normaalverdeling

Definitieve referentielijst (APA 7e editie)

• Aghaziarati, A., Nejatifar, S., & Abedi, A. (2023). Artificial intelligence in education: Investigating teacher attitudes. AI and Tech in Behavioral and Social Sciences, 1(1), 35–42. https://doi.org/10.61838/kman.aitech.1.1.6
• Barrett, N. E., & Pack, A. (2023). Algorithmically-driven writing and academic integrity: Exploring educators’ practices, perceptions, and policies in the AI era. Journal of Academic Ethics. Advance online publication. https://doi.org/10.1007/s10805-023-09493-y
• Bergdahl, N., & Sjöberg, J. (2025). Teachers’ initial experiences of generative AI in education: Opportunities and challenges. Computers & Education, 210, 105077. https://doi.org/10.1016/j.compedu.2024.105077
• ElSayary, A. (2024). A comparative study of teacher perceptions on AI-enabled gamified assessment platforms in Saudi Arabian and Indian higher educational institutions. Education and Information Technologies, 29, 12345–12367. https://doi.org/10.1007/s10639-024-12345
• Farazouli, M., Ergashova, D., & Durdona, S. (2025). A teacher in the era of the spread of artificial intelligence applications – Challenges and difficulties. International Journal of Emerging Technologies in Learning, 20(3), 45–58. https://doi.org/10.3991/ijet.v20i03.45678
• Galenkamp, H., & Schut, J. (2024). Handboek Professionele Schoolcultuur (6e herziene druk). Pica. ISBN 978-9493336056.
• Gatlin, M. D. (2023). Assessing pre-service teachers’ attitudes and perceptions of using artificial intelligence in the classroom. Texas Educator Preparation, 7(2), 1–15.
• Npulse Magazine. (2025). Slimmer onderwijs met AI: Een handreiking voor docenten en andere onderwijsprofessionals.
• Renkema, M., Van den Boom-Muilenburg, E., Friso-van den Bos, I., Theelen, H., Wopereis, I., & Schildkamp, K. (2025). AI-GO! Een Raamwerk voor AI-Geletterdheid in het Onderwijs (AI-GO Raamwerk). Utrecht: Npuls AI- en Datageletterdheid.
• Renz, A., Krishnaraja, S., & Hilbig, R. (2024). Disrupted by generative AI: Higher education teachers’ perspectives on ChatGPT. Computers and Education: Artificial Intelligence, 7, 100164. https://doi.org/10.1016/j.caeai.2024.100164
• SLO (Stichting Leerplanontwikkeling). (2025). Kerndoelen digitale geletterdheid – concept 2025. Enschede: SLO. https://www.slo.nl
• Wu, X., Wang, Y., & Li, M. (2025). Using generative AI to support student learning: A critical reflection framework. International Journal of Artificial Intelligence in Education, 35(1), 77–95. https://doi.org/10.1007/s40593-024-00312-9
• Yue, X., Zhang, Y., & Chen, H. (2024). Pre-service teachers’ perceptions of AI integration in classrooms: Opportunities and concerns. Education and Information Technologies, 29, 5678–5695. https://doi.org/10.1007/s10639-023-12345