‘Weerstand’ tegen AI in het onderwijs als vorm van betrokkenheid (en stop met evangeliseren)

De laatste tijd hoor en lees ik regelmatig verzuchtingen dat ‘AI’ binnen onderwijsorganisaties een taboewoord is en dat docenten AI allesbehalve enthousiast verwelkomen, ook al heeft deze technologie zo veel voordelen (ook voor docenten). Er wordt vaak gesproken van ‘weerstand’. In deze blogpost verken ik waar deze ‘weerstanden’ vandaan komen en hoe je daar mee om kunt gaan. Voor mij staat als een paal boven water dat je in ieder geval moet stoppen met ‘AI-evangelisatie’.

Ondanks de belofte van gepersonaliseerde leerpaden, automatische feedback en assistentie bij lesvoorbereiding, zien we dat de introductie van AI in het onderwijs niet overal enthousiast wordt ontvangen. Er wordt dan, zoals gezegd, vaak gesproken over ‘weerstand’.

‘Weerstand’ klinkt negatief, maar is feitelijk een signaal dat een geplande verandering nog vragen oproept over nut, timing of waarden. Kritische vragen en terughoudendheid maken zichtbaar waar bijvoorbeeld visie botst, werkdruk oploopt of onduidelijkheid heerst. ‘Weerstand’ kun je dus in feite beschouwen als ‘informatiebron’.

Weerstand tegen nieuwe technologie in het onderwijs is geen nieuw verschijnsel. Docenten hebben al diverse digitale ontwikkelingen meegemaakt en digitale technologieën zien komen en gaan, met wisselende resultaten. Vaak komt weerstand voort uit een mix van factoren die ook los kunnen staan van de technologie zelf.

Een fundamentele vraag die docenten zich vaak stellen is of de vernieuwing (al dan niet als gevolg van het gebruik van digitale technologie) strookt met hun visie op “goed onderwijs”. Wanneer systemen niet direct bijdragen aan betere leerresultaten of niet aansluiten bij hun onderwijsvisie, worden ze niet als verrijking ervaren. Zoals we zullen zien speelt dit argument ook bij AI.

Praktische factoren spelen eveneens een rol. Gebrek aan adequate professionalisering en ondersteuning is een terugkerend probleem: systemen worden aangeschaft, maar docenten krijgen onvoldoende tijd of kwalitatief goede professionalisering om ermee te leren werken. Dit versterkt onzekerheid over eigen digitale vaardigheden. Daarnaast kampen veel docenten met een hoge werkdruk, waardoor de extra tijdsinvestering om een nieuw systeem te leren voelt als een last. Ook hier kom ik op terug.

Technische belemmeringen vergroten de weerstand verder: trage netwerken, verouderde hardware, softwarefouten en incompatibiliteit tussen systemen. Frustrerende ervaringen met niet-werkende digitale middelen ondermijnen het vertrouwen in nieuwe technologieën. AI-toepassingen hebben hier dan last van, terwijl de kwaliteit van AI-toepassingen zelf ook wisselend is. Meer algemene informatie hierover? Waarom docenten leertechnologie verwerpen of accepteren (algemene redenen) en Waarom docenten zich kunnen verzetten tegen generatieve AI (algemene redenen gerelateerd aan GenAI).

Bij AI zien we naast algemene weerstand tegen digitale technologie ook specifieke bezwaren.

1. Impact op beroepsidentiteit. De angst om ‘vervangen’ te worden is reëel. Docenten vragen zich af wat er overblijft van hun unieke rol als AI het onderwijs kan personaliseren, vragen kan beantwoorden, feedback kan geven en werk kan nakijken. Docenten zien onderwijs terecht als meer dan kennisoverdracht; het gaat ook om menselijk contact, empathie, groepsdynamiek en emotionele begeleiding – aspecten waarin AI (nog) tekortschiet. Ook zijn de kwalificatie, socialisatie en ‘subjectificatie’ niet zonder meer te scheiden als waren het afzonderlijke taken die gesplitst kunnen worden. Docenten vrezen verder dat de nadruk verschuift naar meetbare, datagedreven resultaten ten koste van onmeetbare menselijke aspecten. Daar komt bij dat pleitbezorgers van het gebruik van AI vaak ook tegenstrijdige signalen afgeven. Aan de ene kant wordt benadrukt dat AI het werk van docenten gaat versterken, maar niet vervangen. Aan de andere kant wordt ook benadrukt dat AI steeds krachtiger wordt, en ook eigenschappen en ‘intelligentie’ zal hebben die momenteel nog voorbehouden is aan mensen.
2. Pedagogisch-didactische en ethische dilemma’s. AI roept fundamentele vragen op over de kern van onderwijs. Hoe voorkom je dat lerenden AI gebruiken om simpelweg antwoorden te genereren zonder leerprocessen te doorlopen? Hoe voorkom je dat lerenden het leren ‘outsourcen’ aan ‘AI’ en ‘we’ dommer worden dankzij AI? Hoe bescherm je privacy als gevoelige data van lerenden in commerciële AI-modellen worden ingevoerd? Wie is verantwoordelijk voor discriminatie door bias in trainingsdata? Wat is het effect op kritisch denken als AI altijd het ‘juiste’ antwoord lijkt te geven? Plegen AI-toepassingen geen inbreuk op auteursrecht, en is het dus wel verdedigbaar om deze applicaties te gebruiken?
3. Vrees voor ‘academische fraude’. Veel docenten zijn bezorgd dat lerenden AI zullen misbruiken door teksten niet zelf te maken, maar door AI-tools te gebruiken voor het genereren van, bijvoorbeeld, essays. Het is moeilijk om eigen werk van lerenden te onderscheiden van door machines gegenereerde tekst. Dit punt hangt natuurlijk samen met een van de genoemde pedagogisch-didactische dilemma’s.
4. De ondoorzichtige ‘black box’. AI voelt voor velen ondoorzichtig aan. Hoe komt een AI-toepassing tot een bepaald antwoord of advies? Op welke data is het getraind? Deze onduidelijkheid maakt docenten huiverig, vooral omdat ze willen begrijpen waarom iets gebeurt als het invloed heeft op beoordelingen of begeleiding van lerenden.
5. Toename van werkdruk. Paradoxaal genoeg kan de introductie van AI, ondanks beloften van tijdsbesparing, leiden tot meer werkdruk. Docenten moeten niet alleen leren hoe AI werkt, maar ook hoe ze AI-gegenereerde content kritisch beoordelen, lerenden begeleiden bij verantwoord AI-gebruik, en misbruik opsporen. ‘Academische fraude’ is een verkeerd narratief, wordt gezegd. Als je onderwijs herontwerpt door meer nadruk te leggen op proces in plaats van product, dan is ‘academische fraude’ niet of veel minder aan de orde. Dit herontwerpen kost echter veel tijd en energie. Dat geldt in het algemeen voor het implementeren, monitoren en evalueren van AI-tools. Lees ook wat ik heb geschreven over de impact van AI op arbeid.

Weerstand heeft ook psychologische wortels. Ons brein verlangt naar zekerheid, autonomie, rechtvaardigheid, sociale verbondenheid en een duidelijk doel. Ontbreekt één van deze elementen, dan leidt verandering vaak tot stress en verzet. Het gebruik van AI voor leren, opleiden en onderwijs kan zekerheid juist aantasten doordat het vertrouwde onderwijsconcept ter discussie wordt gesteld. Het gevoel van autonomie kan worden ondermijnd als AI-toepassingen bepaalde taken van docenten gaan overnemen, zoals het beoordelen op basis van algoritmes. Verder kan het gebruik van AI ook leiden tot een nieuwe kloof tussen degenen die toegang hebben tot hoogwaardige en kostbare AI-toepassingen en zij die alleen maar gebruik kunnen maken van kwalitatief minder goede tools. Dit ondergraaft rechtvaardigheid. En leidt het gebruik van AI-toepassingen niet tot nog minder menselijk contact (en dus sociale verbondenheid)?

Verder biedt de “Uncanny Valley”-theorie een interessante verklaring voor weerstand: wanneer technologie te menselijk wordt zonder volledig menselijk te zijn, kan dit onbehagen veroorzaken. Dit verklaart mogelijk waarom sommige docenten zich ongemakkelijk voelen bij AI-systemen die menselijke taken overnemen.

Hoe kun je deze weerstanden gebruiken en hanteerbaar maken?

1. Ontwikkel samen een AI-strategie waar visie deel van uitmaakt. Weerstand ontstaat vaak omdat AI “van bovenaf” wordt ingevoerd. Betrek daarom docenten, lerenden, (indien relevant: ouders) en andere medewerkers bij het ontwikkelen van een AI-strategie.   Hierdoor weten betrokkenen waar AI wel en niet voor ingezet mag worden – en waarom. Leg daarbij nadrukkelijk de verbinding met de beroepsidentiteit en rol van docenten (ook op de langere termijn).  Actualiseer het document jaarlijks; technologie ontwikkelt zich razendsnel. Kennisnet adviseert een bijvoorbeeld vijfstappen-aanpak om een begin te maken met AI in het onderwijs.
2. Investeer in doelgerichte professionalisering en ondersteuning. Daarbij gaat het om in investeren in AI-vloeiendheid. Je bent er niet met eenmalige workshops of studiemiddagen. Gebrek aan vertrouwen in eigen digitale vaardigheden is een hardnekkige rem.
3. Voer niet alleen gesprekken over didactische of praktische voordelen van AI, maar ga ook de dialoog aan over de relatie met beroepsidentiteit, de beschreven dilemma’s, de ‘black box’ en de gevolgen voor werkdruk. En met ‘dialoog’ bedoel ik niet het obligaat benoemen van risico’s, om vervolgens weer snel over te gaan tot de orde van de dag.
4. Voer gecontroleerde experimenten uit waarbij docenten concrete praktijkervaringen kunnen opdoen met AI-toepassingen. Een grootschalige uitrol zonder ervaring vergroot de kans op mislukkingen én scepsis. Evalueer, reflecteer en schaal op bij aantoonbare meerwaarde. Tegelijkertijd is het zaak om niet te lang te blijven ‘hangen’ in vrijblijvende experimenten.
5. Maak de visie op herontworpen onderwijs zo concreet mogelijk. Voorbeeld: een lerende moet een activiteitenplan schrijven en ook concept-versies inleveren en bewijs van iteraties toevoegen aan het product. Verder moet de lerende een korte mondelinge toelichting via video inleveren. Beschrijf daarbij hoe AI wordt gebruikt voor het faciliteren van het leren, en wanneer je bijvoorbeeld AI ook niet zou moeten gebruiken. Je hoeft je wat mij betreft niet te verontschuldigen als je ook kiest voor de strategie van ‘omzeilen’: traditionele methoden toepassen, zoals handgeschreven toetsen, mondelinge examens en persoonlijke reflecties. Het onderwijs in korte tijd herontwerpen lukt waarschijnlijk niet.
6. Geef docenten tijd en ruimte voor professionalisering en het herontwerpen van onderwijs. Dit vraagt inderdaad om een forse investering. Je kunt de bijdrage van docenten aan de AI-strategie echter niet als vrijwilligerswerk beschouwen. Kijk ook waar AI op korte termijn de werkdruk kan helpen verlagen. Dus eerst werkdruk verlagen, en daarna herontwerpen.
7. Faciliteer informeel leren op dit terrein. Stimuleer dat collega’s tijdens overlegmomenten of lunches ervaringen delen, voorbeelden van toepassingen laten zien, enzovoorts.
8. Gebruik op korte termijn commerciële AI-tools, maar durf tegelijkertijd ook te investeren in eigen AI-toepassingen (die dus gebruik maken van eigen data en die binnen een gecontroleerde omgeving beheerd worden). Durf op een gegeven moment genoegen te nemen met het gebruik van AI-toepassingen die wel volledig voldoen aan de AVG, de AI-act en andere relevante wetgeving. Kies ook voor tools die transparant zijn en die faciliteren dat docenten ‘in control‘ blijven.
9. Participeer in een community of netwerk waarin je ervaringen uitwisselt met anderen en van elkaar leert.
10. Voorkom ‘AI-evangelisme’. Een ‘AI-evangelist’ is iemand die met enthousiasme de mogelijkheden, voordelen en toepassingen van AI uitdraagt en promoot. Net als een traditionele evangelist verkondigt de AI-evangelist een blijde boodschap en probeert de enthousiasteling anderen te overtuigen. De AI-evangelist stapt vaak erg gemakkelijk over beperkingen, risico’s en dilemma’s heen. AI-evangelisten zijn de Teigetjes die in al hun enthousiasme collega’s omver stuiteren. Terwijl we weten: hoe harder je duwt, hoe meer verzet je oproept. Het gaat niet alleen om enthousiasme voor de technologie, maar vooral om empathie, praktische relevantie, concrete ondersteuning en het adresseren van de specifieke zorgen van de doelgroep. Laat AI-evangelisten experimenteren, hun ervaringen gedoseerd delen, maar maak hen bijvoorbeeld geen kartrekker van de AI-strategie.

Samen vormen deze, en ongetwijfeld nog andere,  activiteiten een set handvatten om geïnformeerde nieuwsgierigheid te prikkelen en de oprechte zorgen en vragen van docenten serieus te nemen. De genoemde weerstanden zijn geen teken van onwil, maar eerder van professionele betrokkenheid. We zullen gezamenlijk belangrijke vragen moeten beantwoorden en vooral doordacht met AI aan de slag gaan. Dialoog en keuzevrijheid zijn dan van belang. AI verbieden en negeren is zinloos en onverstandig gezien de gevolgen die AI zal hebben. Dat is m.i. ook niet de insteek van degenen die ‘weerstand’ hebben. Ik hoor namelijk nauwelijks geluiden dat AI een hype is die wel weer overwaait (wat dertig jaar geleden bij het internet zelf wel het geval was). Wie reageert, is niet onverschillig.

Mijn bronnen over (generatieve) artificiële intelligentie

Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie, zoals ChatGPT.