Dankzij drie pedagogisch-didactische paden, kan generatieve AI het leren ondersteunen
Wanneer lerenden hun denkwerk structureel aan AI overlaten, gaat dit ten koste van het leren. Ik heb hier al eerder over geschreven (bijvoorbeeld hier, hier en hier). Jason Lodge en Leslie Loble beschrijven dit vraagstuk niet alleen in Artificial intelligence, cognitive offloading and implications for education, maar zij bieden ook een onderwijskundige oplossing die er onder meer uit bestaat dat je generatieve AI drie rollen zou moeten laten vervullen.
In hun paper analyseren Lodge en Loble wat er cognitief gebeurt wanneer lerenden AI inschakelen voor taken die van oudsher het leerproces vormen: analyseren, synthetiseren, redeneren en schrijven. Daarvoor maken de auteurs gebruik van de Cognitive Load Theory (CLT), die onderscheid maakt tussen het werkgeheugen en het langetermijngeheugen, waar duurzame kennis en vaardigheden als schema’s worden opgeslagen. Leren is volgens hen in essentie het proces van het integreren van nieuwe informatie in dat langetermijngeheugen. Dat vraagt inspanning; het is ongemakkelijk en tijdrovend. Precies die moeite heeft waarde.
Het gebruik van AI compliceert dit proces. Volgens het paper verschilt AI van eerdere technologieën als de rekenmachine of zoekmachine doordat het taken kan uitvoeren die we tot nu toe associeerden met leren zelf: samenvatten, analyseren, schrijven, redeneren. AI fungeert daarmee als wat de auteurs een “cognitive partner” noemen. Elke leeractiviteit is daarmee in feite een groepsactiviteit geworden, waarbij de andere deelnemer toegang heeft tot vrijwel alle menselijke kennis. De vraag is wat de lerende zelf bijdraagt.
De auteurs maken daarbij een onderscheid tussen twee vormen van cognitief uitbesteden. Bij nuttige uitbesteding (“beneficial offloading“) laat de lerende routinematige taken zoals spellingcontrole over aan AI, waardoor er ruimte vrijkomt in het werkgeheugen voor het wezenlijke denkwerk: argumenteren, bronnen wegen, verbanden leggen. Bij schadelijke uitbesteding (“detrimental offloading“) wordt juist dat denkwerk zelf overgedragen. De lerende die AI vraagt “schrijf een essay over…” slaat het gehele leerproces over: het ophalen van kennis, het genereren van ideeën, het synthetiseren van argumenten. Er ontstaat wat de auteurs een “performance paradox” noemen: de directe taakprestatie verbetert, maar de duurzame kennis blijft achter. Ik schreef daar eerder over. Zij verwijzen daarbij naar het onderzoek van Bastani et al (2025) waaruit bleek dat lerenden die AI gebruikten om antwoorden te vinden beter presteerden zolang de AI-tool beschikbaar was. Hun leerwinst verdween zodra de AI-tool werd weggenomen. Ook refereren zij aan het verschijnsel “metacognitieve luiheid” noemen. AI produceert vloeiende, zelfverzekerde tekst. Die vloeiendheid wekt bij de lerende het gevoel dat de stof begrepen is. Dit betreft echter een illusie van competentie. Als gevolg hiervan laten lerenden ook de zelfsturing los: plannen, monitoren, bijsturen. Ze besteden niet alleen het denken uit, maar ook het nadenken over hun eigen leren. Dat versterkt de afhankelijkheid verder.
Drie pedagogisch-didactische paden
Het mooie van deze publicatie is dat Lodge en Lobke ook een handelingsperspectief voor dit vraagstuk schetsen dat bestaat uit drie pedagogisch-didactische paden.
Het eerste pad is bewuste uitbesteding via Load Reduction Instruction (LRI): docenten leren lerenden expliciet welke taken ze aan AI mogen overlaten (spellingcontrole, brainstormen, eenvoudige opzoekingen) en welke ze zelf moeten doen (argumenteren, evalueren, synthetiseren). Uit onderzoek van Hong et al. (2025, n=240) bleek dat lerenden die deze aanpak kregen aangeleerd aanzienlijk meer vooruitgang boekten in kritisch denken dan een controlegroep.
Het tweede pad richt zich op metacognitieve scaffolding. Als het probleem is dat AI lerenden hun zelfsturing laat verwaarlozen, is de oplossing het ontwerpen van leerinteracties die die zelfsturing expliciet eisen. Metacognitieve prompts -vragen die de lerende dwingen te pauzeren, te reflecteren en de eigen begrip te toetsen- blijken daarvoor effectief. Xu et al. (2025) vonden bijvoorbeeld dat geïntegreerde metacognitieve prompts in een AI-omgeving de zelfregulering van lerenden aanzienlijk verbeterden. Belangrijk: de prompts moeten verplicht en ingebed zijn, niet optioneel toegevoegd. Vrijblijvende toevoeging bleek in eerder onderzoek (Darvishi et al., 2024) nauwelijks effect te hebben.
Het derde pad betreft een herontwerp van de rol van AI zelf. In plaats van AI als antwoordmachine te gebruiken, stellen de auteurs drie rollen voor.
- De “cognitieve spiegel”: AI doet alsof het verward is en stelt verhelderende vragen, waardoor de lerende gedwongen wordt uit te leggen en te redeneren. Dit wordt het zogenaamde Protégé-effect genoemd.
- De “Socratische partner”: AI genereert oefenvragen, casus en Socratische dialogen die actieve verwerking uitlokken.
- De “verificatie partner”: de lerende behoudt de cognitieve regie en evalueert en corrigeert de AI-output continu, vanuit een kritische verificatiementaliteit.
In hun paper staan Lodge en Lobke verder stil bij de implicaties hiervan. De auteurs signaleren een nieuwe vorm van ongelijkheid: een “metacognitive equity gap”. De negatieve effecten van schadelijke AI-uitbesteding treffen met name beginnelingen; lerenden die nog weinig domeinkennis hebben en daardoor de output van AI niet goed kunnen beoordelen. Juist zij zijn ook gevoeliger voor de het ogenschijnlijke gemak waartoe het gebruik van AI leidt, en minder getraind in zelfsturing. Lerenden met sterke kennisbases en goede metacognitieve vaardigheden profiteren daarentegen van AI: ze kunnen het gericht inzetten voor nuttige uitbesteding en daarmee hun leren versnellen. Het rapport spreekt van een “Matthew-effect”: wie al veel heeft, krijgt er meer. De ongestructureerde inzet van AI voor lerenden vergroot daarmee bestaande kloven binnen het onderwijs.
AI-geletterdheid alleen is onvoldoende als antwoord. Wat nodig is, is structurele aanpassing van curriculum en didactiek: kennis blijft het fundament voor kritisch denken, ook -of juist- in een wereld vol AI. Niet de lerende, maar de docent moet volgens hen worden versterkt met AI. Volgens de auteurs is de veiligste, meest rechtvaardige en cognitief verantwoorde toepassing van AI in het onderwijs een model waarbij AI wordt ingezet aan de kant van de docent, niet aan die van de lerende. In plaats van een krachtig en risicovol instrument te geven aan iemand die nog in de opbouwfase van kennis zit, geef je het aan de expert die begrijpt hoe leren werkt en wat een lerende op een bepaald moment nodig heeft. De auteurs zoeken daarvoor steun bij drie onderzoeken:
- Een hybride tutormodel (Batt et al., 2024) behaalde vergelijkbare leerwinst als puur menselijke begeleiding, maar tegen 30 procent lagere kosten.
- De “Tutor CoPilot” (Wang et al., 2024) gaf tutors real-time pedagogisch-didactisch advies en verbeterde resultaten significant, met het grootste effect bij minder ervaren tutors en tegen een 165-voudig lagere kostprijs dan traditionele nascholing.
- Een Brits onderzoek bevestigde dat een door de docent gestuurde chatbot even effectief was als menselijke begeleiding. Pedagogische sturing blijft de bepalende factor.
Naast deze drie studies wijst het rapport ook op de opkomst van AI-agenten die kunnen fungeren als een soort digitale onderwijsassistenten voor docenten. De ontwikkeling hiervan is snel en onvoorspelbaar, maar de eerste resultaten zijn volgens Lodge en Lobke veelbelovend als aanvulling op de docent. Mensen leren volgens hen effectiever van en met andere mensen. Door de docent te versterken, versterk je degene die het beste in de positie is om de complexe, relationele kant van leren te begeleiden: het mede-reguleren van leerprocessen, het bewaken van de cognitieve belasting en het opbouwen van zelfsturing en beoordelingsvermogen bij de lerende.
Mijn opmerkingen
Ik heb deze publicatie met plezier gelezen. Het is m.i. een gedegen en goed onderbouwde bijdrage aan de discussie over AI in het onderwijs. De auteurs zoeken naar wegen hoe je op een onderwijskundige manier AI-technologie doordacht kunt inzetten, zodat het leren wordt ondersteund en niet wordt belemmerd. Zij maken daarbij ook terecht een onderscheid tussen nuttige en schadelijke uitbesteding. Sterk is de uitwerking van de drie pedagogisch-didactische paden waarbij AI-technologie drie rollen kan spelen. Wat mij verder opvalt is dat zij leren is een cognitief proces beschouwen (integreren van nieuwe informatie in het langetermijngeheugen), maar later toch ook als een sociaal proces (mensen leren het liefste van en met andere mensen). Beiden zijn m.i. waar.
Verder pleiten zij terecht voor het versterken van de docent met AI. Je krijgt daarbij wel het idee dat zij ‘AI’ het liefste bij lerenden weg zouden willen houden. Dat lijkt mij echter een illusie. Elders in het rapport lees je echter voldoende handvatten waarmee docenten lerenden kunnen ondersteunen om AI leerzaam in te zetten. Uiteraard vraagt dit de nodige expertise van docenten en ook zorgvuldig ontworpen AI-technologie. Beiden zijn belangrijke maar niet eenvoudige opdrachten.
Tenslotte vraag ik me wel af of geavanceerde AI-agents op termijn niet in staat zijn om ook de complexe, relationele kant van het leren mee te begeleiden. Bijvoorbeeld door non-verbale uitingen van lerenden waar te nemen, te interpreteren en om te zetten in interventies. En of mensen dit op grote schaal accepteren van AI-technologie. En wat dat dan betekent voor de rol van de docent. Vragen, vragen, vragen……we leven in een bijzondere tijd!
Zie ook: De generatieve paradox: sloopt GenAI Generatief Leren? (deel 2)
Bron: Lodge J. M. and Loble L (2026). Artificial intelligence, cognitive offloading and implications for education, University of Technology Sydney, doi:10.71741/4pyxmbnjaq.31302475.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.
Lees het hele
artikel