← Nieuwste papers
💻 computer science

The Future of Feedback: How Can AI Help Transform Feedback to Be More Engaging, Effective, and Scalable?

Dit rapport vat de perspectieven van 50 wetenschappers samen over de beloften en risico's van generatieve AI voor het schalen van effectieve en interactieve feedback in digitale leeromgevingen, en schetst toekomstige onderzoeksrichtingen om disciplinegrenzen te overbruggen.

Oorspronkelijke auteurs: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Educ
Gepubliceerd 2026-03-16
📖 4 min leestijd☕ Koffiepauze-leesvoer

Oorspronkelijke auteurs: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Johanna Fleckenstein (University of Hildesheim, Germany), Michael W. Asher (Carnegie Mellon University, USA), Sarah Bichler (Universität Passau, Passau, Germany), Laura Brandl (LMU Munich, Germany), Jasmin Breitwieser (DIPF | Leibniz Institute for Research,Information in Education, Frankfurt, Germany), Kai S. Cortina (University of Michigan, USA), Mutlu Cukurova (University College London, United Kingdom), Martin Daumiller (University of Freiburg, Germany), Hannah Deininger (University of Tübingen, Germany), Frank Fischer (LMU, Germany), Dragan Gašević (Monash University, Clayton, VIC, Australia), Jeanine Grütter (LMU Munich, Germany), Anna Hilz (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ioana Jivet (CATALPA, FernUniversität in Hagen, Germany), Jelena Jovanović (University of Belgrade, Serbia), Rene F. Kizilcec (Cornell University, USA), Livia Kuklick (Humboldt Universität zu Berlin, Berlin, Germany), Marlit Annalena Lindner (Leibniz Institute for Science,Mathematics Education,Europa-Universität Flensburg, Germany), Anastasiya Lipnevich (NBME,the Graduate Center, City University of New York, USA), Ute Mertens (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Detmar Meurers (Leibniz Institut für Wissensmedien, Tübingen, Germany), Kou Murayama (University of Tübingen, Germany), Tanya Nazaretsky (EPFL, Switzerland), Knut Neumann (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ernesto Panadero (Dublin City University,Deusto University), Maciej Pankiewicz (University of Pennsylvania, USA), Zachary A. Pardos (UC Berkeley, USA), Chris Piech (Stanford University, USA), Hannah Pünjer (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Nikol Rummel (Ruhr-University-Bochum,CAIS, Bochum, Germany), Marlene Steinbach (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Olga Viberg (KTH Royal Institute of Technology, Sweden), Naomi Winstone (University of Surrey, UK)

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

🎓 De Toekomst van Feedback: Hoe AI de Leraar Kan Helpen (Maar niet Vervangen)

Stel je voor dat je in een enorme school zit met duizenden leerlingen. De leraren hebben het ontzettend druk. Ze moeten honderden proefwerken nakijken en voor iedereen uitleggen wat er goed ging en wat er beter kan. Dat is als proberen een hele stad van water te voorzien met alleen een emmer: het kost te veel tijd en energie.

Wat is dit artikel?
Een groep van 50 experts uit de hele wereld (psychologen, computerwetenschappers en leraren) is bij elkaar gekomen in een kasteel in Duitsland. Ze hebben twee dagen lang nagedacht over één vraag: Hoe kunnen we slimme computers (AI) gebruiken om leerlingen betere feedback te geven, zonder dat het saai of onpersoonlijk wordt?

Hier zijn de drie belangrijkste lessen uit hun gesprek, vertaald naar begrijpelijke beelden:

1. De "Thermomix" voor Leren 🍲

Vroeger hadden we verschillende hulpmiddelen voor feedback. Sommige computers gaven direct antwoord op een vraag (zoals een slimme tutor), andere keken naar de motivatie van de leerling, en weer anderen hielden bij hoe geconcentreerd iemand was. Dit waren allemaal aparte apparaten in verschillende hoeken van de keuken.

De nieuwe AI is als een Thermomix.
Net zoals die keukenmachine kan mixen, koken en bakken in één apparaat, kan nieuwe AI alle soorten feedback in één systeem samenvoegen.

  • Het voordeel: Het kan heel snel, heel vaak en voor heel veel leerlingen tegelijk feedback geven. Het bespaart leraren tijd, zodat ze zich kunnen richten op het echte contact met de leerling.
  • Het gevaar: Als je de Thermomix te veel gebruikt, leer je misschien niet meer zelf koken. Als leerlingen te veel vertrouwen op AI voor hun antwoorden, leren ze niet zelf na te denken. De AI moet de hulp zijn, niet de chef.

2. De "Postbode" en de "Ontvanger" 📬

Feedback is als een brief. Maar het maakt niet uit hoe goed de brief is geschreven; als de ontvanger hem niet leest of weggooit, helpt hij niets.

  • De uitdaging: Veel leerlingen kijken niet eens naar hun feedback. Ze vinden het misschien saai, of ze denken: "Deze leraar begrijpt me niet."
  • De rol van AI: AI kan de brief persoonlijker maken. Het kan de toon aanpassen (niet te streng, niet te zacht) en het kan uitleggen waarom iets fout is.
  • Het probleem met "complimenten": Als een leraar zegt "Goed gedaan!", voelt dat vaak echt. Als een robot dat zegt, voelen leerlingen het soms als nep. Het is alsof je een bloemetje krijgt van een vriend versus van een robot: het gevoel is anders. De kunst is om AI zo te programmeren dat het aanvoelt als een echte, zorgzame mens.

3. De "Grote Proef" in de Werkelijke Wereld 🌍

Veel wetenschappelijke studies gebeuren in een laboratorium, alsof je een auto test op een gesloten circuit. Maar in het echte verkeer (de klaslokalen) is het anders.

  • Het probleem: Wat werkt op de computer, werkt niet altijd in de klas. Leerlingen zijn verschillend: sommigen zijn bang voor fouten, anderen zijn juist nieuwsgierig. Ook speelt de cultuur en het vak een rol.
  • De oplossing: We moeten AI gebruiken om grote experimenten te doen in echte scholen. Denk aan een wereldwijde "testrit" waarbij we kijken welke feedback voor welk type leerling werkt.
  • De samenwerking: Leraren en onderzoekers moeten samenwerken. Leraren weten wat er in de klas gebeurt, onderzoekers weten wat de theorie is. Als ze samenwerken, kunnen ze een systeem bouwen dat echt werkt.

🚀 Conclusie: Samen aan het Stuur

De boodschap van deze experts is duidelijk: AI is een krachtig gereedschap, maar het is geen wondermiddel.

  • Het kan leraren helpen om tijd te winnen (zoals een snelle assistent).
  • Het kan feedback geven die op maat is gemaakt (zoals een persoonlijke coach).
  • Maar we moeten oppassen dat leerlingen niet lui worden en dat ze de feedback ook echt gebruiken.

De toekomst ligt niet in het vervangen van leraren door robots, maar in het maken van een team: de menselijke leraar met zijn hart en ervaring, en de AI met zijn snelheid en kennis. Samen kunnen ze zorgen dat elke leerling de feedback krijgt die hij of zij nodig heeft om te groeien.

Verdrinkt u in papers in uw vakgebied?

Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.

Probeer Digest →