📊 statistics

Plagiarism or Productivity? Students Moral Disengagement and Behavioral Intentions to Use ChatGPT in Academic Writing

Dit onderzoek onder 418 Filipijnse studenten toont aan dat morele desengageringsmechanismen, met name het toedichten van schuld, hun houding en perceptie van controle beïnvloeden, wat leidt tot de conclusie dat duidelijke academische integriteitsbeleid en ethische begeleiding essentieel zijn voor verantwoord AI-gebruik.

Oorspronkelijke auteurs: John Paul P. Miranda, Rhiziel P. Manalese, Mark Anthony A. Castro, Renen Paul M. Viado, Vernon Grace M. Maniago, Rudante M. Galapon, Jovita G. Rivera, Amado B. Martinez Jr

Gepubliceerd 2026-03-23

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: John Paul P. Miranda, Rhiziel P. Manalese, Mark Anthony A. Castro, Renen Paul M. Viado, Vernon Grace M. Maniago, Rudante M. Galapon, Jovita G. Rivera, Amado B. Martinez Jr

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 ChatGPT-Debat: Is het Plagiaat of Productiviteit? Een Verklaring in Simpel Nederlands

Stel je voor dat je een enorme, slimme robot hebt die alles kan schrijven voor je. Hij kan je helpen met je huiswerk, je essays verbeteren en je ideeën geven. Maar er is een probleem: je school zegt dat je het zelf moet doen. Wat doe je dan?

Dit is precies waar dit onderzoek over gaat. Onderzoekers uit de Filipijnen hebben gekeken waarom studenten ChatGPT gebruiken voor hun schoolwerk en, belangrijker nog, hoe ze zichzelf overtuigen dat het geen "cheaten" is.

Hier is de uitleg, vertaald naar alledaags taal met een paar leuke vergelijkingen.

1. Het Probleem: De "Grijze Zone"

Veel studenten gebruiken ChatGPT. Maar ze voelen zich vaak schuldig. Om die schuldgevoelens weg te houden, gebruiken ze een psychologische truc die "morele ontkoppeling" heet.

Stel je voor dat je een diefstal hebt gepleegd, maar je zegt tegen jezelf: "Nou ja, de winkel had de deur open laten staan, dus het is niet echt mijn fout." Of: "Het is geen diefstal, het is gewoon 'lenen'."

De studenten doen precies hetzelfde met ChatGPT. Ze gebruiken vijf manieren om hun geweten te sussen:

Het mooi praten: "Ik gebruik het niet om te stelen, maar om te leren." (Morele rechtvaardiging).
De naam veranderen: "Het is geen 'plagiaat', het is 'samenwerken met een AI'." (Eufemistische label).
De schuld verschuiven: "De docent gaf geen duidelijke regels, dus het is niet mijn schuld." (Verplaatsing van verantwoordelijkheid).
De gevolgen kleiner maken: "Het is niet zo erg, ik heb het zelf nog wel aangepast." (Gevolgen minimaliseren).
De school de schuld geven: "Het systeem is verouderd, dus wij moeten het zelf oplossen." (Schuld toewijzen).

2. De Theorie: Hoe beslissen mensen?

De onderzoekers gebruikten een bekend model (de Theory of Planned Behavior) om te kijken wat er in het hoofd van een student gebeurt. Het is als een recept voor een beslissing:

Houding: Vind ik het leuk om ChatGPT te gebruiken?
Groepsdruk: Doen mijn vrienden het ook?
Zelfvertrouwen: Kan ik het zo gebruiken dat ik niet betrapt word?

Als je op deze drie vragen "ja" zegt, dan heb je de intentie om het te gebruiken.

3. Wat vonden ze? (De Resultaten)

De onderzoekers spraken met 418 studenten. Hier zijn de belangrijkste ontdekkingen, vertaald naar simpele termen:

De "Schuld-toewijzing" is de sterkste drijfveer:
Studenten die denken "De school heeft geen duidelijke regels, dus ik kan het wel doen", voelen zich het minst schuldig. Ze zien de school als de boosdoener. Als de regels vaag zijn, voelen ze zich vrij om ChatGPT te gebruiken.
Houding is alles:
De belangrijkste reden waarom iemand ChatGPT gaat gebruiken, is hoe ze er zelf tegen aankijken. Als ze denken: "Dit helpt me echt leren" (in plaats van "Dit is vals spelen"), dan gaan ze het doen.
De "Grote Anderen":
Als studenten zien dat hun vrienden het doen, of als ze denken dat de docenten het niet controleren, voelen ze zich meer op hun gemak om het ook te doen.

4. De Vergelijking: De "Grijze Regenjas"

Stel je voor dat academische integriteit een witte regenjas is.

Als je ChatGPT gebruikt om je huiswerk te stelen, maak je de jas vies.
Maar studenten die "morele ontkoppeling" gebruiken, trekken een grijze regenjas aan. Ze zeggen: "Nee, ik maak de jas niet vies, ik maak hem alleen een beetje nat, en dat mag omdat het regent (de schoolregels zijn slecht)."

De onderzoekers ontdekten dat studenten die de grijze jas dragen, zich veel zekerder voelen en vaker ChatGPT gebruiken dan studenten die de witte jas (de strenge regels) aanhouden.

5. Wat betekent dit voor de toekomst?

De conclusie is duidelijk: Regels alleen zijn niet genoeg.

Als scholen alleen maar zeggen "Geen ChatGPT!" zonder uit te leggen waarom en hoe je het wel mag gebruiken, blijven studenten in de grijze zone hangen. Ze gaan hun eigen excuses bedenken.

De oplossing?

Duidelijke regels: Zeg niet alleen "niet doen", maar leg uit wat wel mag (bijvoorbeeld: "Gebruik het om ideeën te krijgen, maar schrijf de tekst zelf").
Gesprekken: Leerlingen moeten kunnen praten over ethiek, net zoals ze praten over wiskunde.
Verantwoordelijkheid: Leer studenten dat ze zelf de baas zijn over hun eigen leerproces, niet de AI.

Kortom: Studenten gebruiken ChatGPT niet omdat ze per se "slecht" zijn, maar omdat ze een manier zoeken om zich schuldig te voelen. Als scholen de regels helder maken en de ethiek uitleggen, kunnen studenten de grijze jas uittrekken en weer in de witte jas stappen.

Probleemstelling

De snelle opkomst van generatieve kunstmatige intelligentie (GenAI), zoals ChatGPT, heeft de academische integriteit in het hoger onderwijs fundamenteel uitgedaagd. Hoewel studenten GenAI-tools gebruiken voor productiviteit (bijv. het genereren van ideeën, het structureren van essays en het verbeteren van schrijfstijl), creëert dit ethische onzekerheid over auteurschap en plagiaat. In de Filipijnse context, waar universiteiten hun eerlijkheidscodes herzien, is er een gebrek aan empirisch onderzoek naar hoe studenten hun gebruik van AI rationaliseren.

De kern van het probleem is dat studenten vaak cognitieve mechanismen gebruiken om morele conflicten te verminderen wanneer ze handelingen verrichten die in strijd kunnen zijn met academische regels. Deze studie onderzoekt hoe morele ontkoppeling (moral disengagement) de intentie van studenten beïnvloedt om ChatGPT te gebruiken, geïntegreerd met de Theory of Planned Behavior (TPB).

Methodologie

De studie hanteerde een kwantitatief, cross-sectioneel onderzoeksontwerp.

Deelnemers: De steekproef bestond uit 418 Filipijnse college-studenten die ervaring hadden met het gebruik van ChatGPT voor academische taken (zoals scripties, haalbaarheidsstudies en casestudies). De gemiddelde leeftijd was 21,65 jaar; 58,5% was mannelijk en 85,7% zat aan een openbare instelling.
Instrumenten: Er werd een online enquête gebruikt met een 5-punts Likert-schaal. De vragenlijst mat negen constructen:
1. Morele ontkoppeling-mechanismen: Morele rechtvaardiging, eufemistische labelering, verdringing van verantwoordelijkheid, minimaliseren van gevolgen en toedeling van schuld.
2. TPB-componenten: Attitudes (houding), subjectieve normen (sociale druk) en waargenomen gedragscontrole.
3. Afhankelijke variabele: Gedragsintentie om ChatGPT in de toekomst te gebruiken.
Data-analyse: De gegevens werden geanalyseerd met meervoudige lineaire regressie (OLS) in Python (Jupyter Notebook). Er werden vier aparte regressiemodellen opgezet om de relaties tussen de morele ontkoppeling-mechanismen en de TPB-componenten, en vervolgens de voorspelling van de gedragsintentie, te testen. De betrouwbaarheid van de instrumenten werd bevestigd met Cronbach's alpha (> 0,70).

Belangrijkste Bijdragen

De studie biedt een geïntegreerd theoretisch raamwerk dat morele ontkoppelingstheorie koppelt aan de Theory of Planned Behavior. Dit is een significante bijdrage omdat het de psychologische rationalisaties (waarom studenten het ethisch acceptabel vinden) verbindt met de voorspellende factoren van daadwerkelijk gedrag.

De studie identificeert specifiek welke mechanismen van morele ontkoppeling het sterkst invloed hebben op de percepties van studenten in een niet-westerse, Aziatische onderwijscontext, en hoe deze de traditionele TPB-modellen aanvullen of versterken.

Resultaten

De analyse leverde de volgende statistisch significante bevindingen op:

Voorspellers van Attitudes:
- Het model verklaarde 67,9% van de variantie in attitudes ( $R^2 = .679$ ).
- Toedeling van schuld (attribution of blame) en minimaliseren van gevolgen waren de sterkste voorspellers. Studenten die de schuld legden bij onduidelijke beleidsregels van de instelling of die de gevolgen van plagiaat als klein zagen, hadden een positievere houding tegenover ChatGPT.
- Opmerking: Morele rechtvaardiging was geen significante voorspeller.
Voorspellers van Subjectieve Normen:
- Het model verklaarde 56,7% van de variantie ( $R^2 = .567$ ).
- Toedeling van schuld had hier de sterkste invloed. Studenten die geloofden dat docenten of instituties geen duidelijke richtlijnen gaven, zagen meer sociale acceptatie voor het gebruik van AI bij hun peers.
Voorspellers van Waargenomen Gedragscontrole:
- Het model verklaarde 59,1% van de variantie ( $R^2 = .591$ ).
- Toedeling van schuld was opnieuw de sterkste voorspeller, gevolgd door morele rechtvaardiging en minimaliseren van gevolgen. Studenten die de verantwoordelijkheid bij het systeem legden, voelden zich meer bekwaam om AI ethisch te gebruiken.
Voorspellers van Gedragsintentie:
- Het eindmodel verklaarde 60,6% van de variantie in de intentie om ChatGPT te gebruiken ( $R^2 = .606$ ).
- Attitudes waren de sterkste voorspeller ( $\beta = 0,499$ ), gevolgd door waargenomen gedragscontrole en subjectieve normen. Dit bevestigt de TPB-aannames, maar toont aan dat de houding sterk wordt beïnvloed door de eerder genoemde morele rationalisaties.

Kernconclusie van de resultaten: Studenten rationaliseren hun gebruik van ChatGPT vaak door institutionele gaten (onduidelijke regels) en peer-gedrag te gebruiken als excuus. De houding van de student is de belangrijkste drijver voor hun intentie om AI te blijven gebruiken.

Betekenis en Implicaties

De studie heeft belangrijke implicaties voor het hoger onderwijs, met name in ontwikkelingslanden zoals de Filipijnen:

Beleid en Richtlijnen: Het huidige gebrek aan duidelijke beleidsregels wordt door studenten gebruikt als morele rechtvaardiging ("attribution of blame"). Instellingen moeten hun eerlijkheidscodes specifiek en helder maken voor AI-gebruik, in plaats van alleen algemene anti-plagiaatregels te hebben.
Pedagogische Aanpak: Docenten moeten niet alleen regels handhaven, maar ook ethische discussies in de klas leiden. Het is cruciaal om studenten te helpen de morele nuances van AI-gebruik te begrijpen, zodat ze niet terugvallen op rationalisaties zoals "het is alleen voor het leren" of "de regels zijn vaag".
Modelverbetering: De studie suggereert dat puur intentionele modellen (zoals TPB) onvoldoende zijn om gedrag volledig te verklaren. Emotionele factoren, stress en culturele invloeden spelen een rol die verder onderzoek vereist.
Ondersteuning: Scholen moeten een cultuur van verantwoordelijkheid en integriteit bevorderen die studenten helpt om AI als een hulpmiddel te zien zonder de academische eerlijkheid te schenden.

Samenvattend biedt deze studie empirisch bewijs dat morele ontkoppeling een centrale rol speelt in de adoptie van AI door studenten, en benadrukt het de noodzaak van proactieve, duidelijke en ethisch onderbouwde institutionele richtlijnen.