Welke kansen liggen er voor het wetenschappelijk onderwijs?

Universiteiten hebben net als andere onderwijssectoren moeten wennen aan de komst van generatieve AI. Maar daar waar er vooral risico’s werden gezien (en die zijn er zeker), ontstaat nu ook ruimte voor kansen.

Daarbij valt te denken aan:

• AI-ondersteunde onderzoeks- en analysetools
• scriptie schrijven ondersteund door AI
• recursief AI-onderzoek

Wat zijn concrete voorbeelden waar AI het leer- of onderzoeksproces kan ondersteunen?

Scriptiebegeleiding door AI

Onder toezicht van hoogleraar Bas Haring schreef studente Alicia Cai haar volledige scriptie alleen met ondersteuning van generatieve AI. 

Voor de duidelijkheid: ze liet niet haar scriptie schrijven door AI, maar werd tijdens het schrijf- en onderzoeksproces begeleid door AI.

Cai, student aan de Universiteit Leiden, studeerde uiteindelijk met een mooie 8,5 af. 

Wat waren de voordelen?
Cai vond het prettig dat de AI heel handig was ‘bij het leveren van codes, hulp bij het opsporen van fouten en conceptuele uitleg’. 

Wat waren de nadelen?
Nadelen waren dat de AI weinig emotionele ondersteuning en sturing bood. Daarnaast miste Cai de ‘diepgaande expertise’ van een ervaren hoogleraar. Bovendien nodigde de AI weinig uit tot kritisch reflecteren. 

Welke risico’s zijn er bij het gebruik van AI?
Vanzelfsprekend zijn er ook risico’s. 

Hierbij valt te denken aan:

• fraude en inbreuk van de wetenschappelijke integriteit
• black-box-dilemma
• sociaal-emotionele afstomping
• cognitieve offloading bij leerprocessen

Fraude en wetenschappelijke integriteit
Sinds de omvangrijke fraudezaak Diederik Stapel is het in de wetenschappelijke community bekend dat de druk om te publiceren hoog ligt. Kennelijk zo hoog dat het uit de duim zuigen van onderzoeksdata een optie is. 

Met kunstmatige intelligentie ligt daarmee het levensgrote risico op de loer dat men uit prestatiedrift niet bestaande onderzoeksresultaten genereert.

Dat legt gelijk een lastig dilemma bloot: hoewel de productiviteit van de wetenschap dankzij AI stijgt, is het tegelijkertijd lastig om gedegen peer-reviewing te doen. 

Black-box-dilemma
Met behulp van AI is het nu mogelijk om grote hoeveelheden data te analyseren.

Denk alleen al tools voor het analyseren van kwalitatieve data, zoals Atlas.ti, waar men met behulp van AI met een druk op de knop een thematische analyse kan uitvoeren. 

Sociaal-emotionele afstomping
Ondanks dat in het experiment van Cai en Haring tal van voordelen worden genoemd van een AI-scriptiebegeleider, kan het uitsluitend werken met AI sociaal-emotioneel afstompend zijn. 

Een AI reageert vooral op de student, maar zal niet snel uit eigen beweging aan de student vragen hoe het gaat. 

Bovendien zijn er zorgen over de verslaafd zijn aan generatieve AI (Kooli et al, 2025). Wanneer speelt de AI een te grote rol in het leven van de student?

Werken we zo niet een nieuwe digitale verslaving en afhankelijkheid in de hand?

Cognitieve offloading bij leerprocessen
Tot slot kan het gebruik van AI ook een negatief effect hebben op het leerproces. Zo deed de introductie van ChatGPT bij scholen en universiteiten veel stof opwaaien vanwege het feit dat studenten nu met één druk op de knop hun essay konden laten genereren. 

Het uitbesteden van een mentale taak heet cognitive offloading. In principe kan het ‘ontzien’ van je denken ook een hulpmiddel zijn. 

Zo schrijven we een moeilijke som vaak op een stuk papier. Door de uitwerking op papier te maken, ondersteunen we onze cognitie om de som (het probleem) te begrijpen.

Echter, het leren vindt vrijwel altijd plaats daar waar het moeilijk is. Zonder wrijving, geen glans. De vraag is dus wat er gebeurt met de vaardigheden van studenten als ze minder, vooral lastige denkuitdagingen krijgen om te kraken.