💬 NLP

Use of AI Tools: Guidelines to Maintain Academic Integrity in Computing Colleges

Dit paper biedt een praktisch raamwerk met algemene en assessment-specifieke richtlijnen, ondersteund door een wiskundig model, om het gebruik van AI-tools in computing-opleidingen te integreren terwijl de academische integriteit wordt gewaarborgd.

Oorspronkelijke auteurs: Hatem M. El-boghdadi, Toqeer Ali Syed, Ali Akarma, Qamar Wali

Gepubliceerd 2026-04-14

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Hatem M. El-boghdadi, Toqeer Ali Syed, Ali Akarma, Qamar Wali

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 Slimme Hulp en de Eerlijke Student: Een Gids voor het Huiswerk van de Toekomst

Stel je voor dat je in een enorme bibliotheek zit, maar in plaats van alleen boeken, heb je nu een magische, super-snelle assistent die alles voor je kan uitleggen, samenvatten en zelfs code kan schrijven. Dat is ChatGPT en andere AI-tools. Voor studenten in de informatica (computerwetenschappen) is dit een droom die uitkomt, maar het voelt ook een beetje als een valstrik.

Dit artikel is als een verkeersregelaar die probeert te voorkomen dat we allemaal in de greep van die magische assistent terechtkomen, terwijl we wel de voordelen blijven gebruiken.

Hier is de kern van het artikel, vertaald naar alledaags Nederlands met een paar leuke vergelijkingen:

1. Het Probleem: De "Magische Toverstaf"

Vroeger moest je zelf hard werken om een taak te maken. Nu kan je die magische toverstaf (AI) zwaaien en staat je huiswerk er binnen een minuut.

Het goede nieuws: Het bespaart tijd en helpt als je vastloopt.
Het slechte nieuws: Als je de toverstaf te vaak gebruikt, leer je niet zelf meer hoe je moet fietsen. Je wordt een passagier in je eigen auto. Als je de auto niet zelf kunt repareren, sta je stil als de motor uitvalt.

De schrijvers zeggen: "We kunnen AI niet verbieden, net zoals we rekenmachines niet verbieden. Maar we moeten wel regels maken zodat je niet alleen op de knopjes drukt zonder te begrijpen wat er gebeurt."

2. De Oplossing: De "Cockpit-Regels"

In plaats van AI te verbieden, stelt het artikel voor om het te gebruiken als een co-piloot. De student is de piloot, de AI is de co-piloot die de kaarten leest, maar de piloot moet weten hoe hij het vliegtuig bestuurt.

Het artikel geeft een handboek met regels voor docenten, afhankelijk van wat ze moeten testen:

Voor Huiswerk (De "Specifieke Puzzel"):
- Oude manier: "Leg uit hoe sorteren werkt." (AI kan dit zo doen).
- Nieuwe manier: "Sorteer deze specifieke, rare lijst met 10.000 namen van mijn eigen klas, en leg uit waarom jouw methode sneller is dan die van je buurman." (AI kan dit niet zomaar, je moet zelf nadenken).
- Tip: Laat studenten hun werk mondeling uitleggen alsof ze een leraar zijn. Als ze de AI hebben gebruikt, moeten ze dat eerlijk zeggen.
Voor Programmeeropdrachten (De "Bouwplaat"):
- AI kan de muren wel metselen, maar de student moet het ontwerp maken.
- Regel: Gebruik een "bouwlogboek" (zoals Git). Je moet kunnen laten zien hoe je stap voor stap hebt gebouwd. Als je plotseling een hele muur hebt, zonder dat je de stenen hebt gelegd, is er iets mis.
- Check: Laat de student in de klas de code aanpassen. Kunnen ze dat nog steeds?
Voor Essays en Verslagen (De "Smaakmaker"):
- Laat AI een eerste opzet maken (de basis), maar de student moet er zijn eigen "smaak" aan toevoegen.
- Opdracht: "Hier is de AI-versie. Schrijf nu jouw eigen versie en maak een verslag waarin je uitlegt wat de AI fout had of wat je zelf hebt verbeterd."

3. De Wiskundige "Scorekaart" (Het Formele Model)

Het artikel introduceert een ingewikkeld wiskundig model, maar het is eigenlijk heel simpel. Het is als een recept voor een perfecte taak:

Stel je een taak voor als een taart. De eindcijfer (de taart) bestaat uit drie ingrediënten:

Het resultaat (40%): Hoe ziet het eindwerk eruit?
De verbetering (30%): Hoeveel heeft de student zelf aan het AI-werk toegevoegd of verbeterd? (Heeft hij er zijn eigen smaak aan gegeven?)
De uitleg (30%): Kan de student in een gesprek bewijzen dat hij het begrijpt? (De "mondelinge verdediging").

De Belangrijkste Regel (De "Eerlijkheids-Flag"):
Er is een speciale knop: Eerlijkheid.

Als de student de AI gebruikt heeft, maar niet heeft gezegd dat hij het deed? -> Eerlijkheid = 0. De taak is ongeldig, ook al is hij perfect.
Als de student de AI gebruikt heeft, het wel heeft gezegd, en kan bewijzen dat hij het begrijpt? -> Eerlijkheid = 1. Dan krijg je punten voor je werk én je eerlijkheid.

4. Conclusie: Samenwerken, niet Vervalsen

Het doel van dit artikel is niet om AI te stoppen, maar om het eerlijk te maken.

Voor studenten: Gebruik AI als een gereedschap, zoals een hamer of een rekenmachine, niet als een vervanging voor je hersenen.
Voor docenten: Verander je toetsen. Vraag niet alleen "wat is het antwoord?", maar "hoe heb je het gevonden en kun je het uitleggen?".

Kortom: AI is een krachtige motor, maar de student moet nog steeds het stuur vasthouden. Als we dit goed regelen, worden studenten niet alleen slimmer in het gebruik van technologie, maar ook eerlijker in hun leerproces.

Titel: Gebruik van AI-tools: Richtlijnen voor het handhaven van academische integriteit in informaticaopleidingen

Bron: International Journal of Energy, Environment, and Economics (In druk, Vol. 33, Nr. 4, 2025)
Auteurs: Hatem M. El-boghdadi, Toqeer Ali Syed, Ali Akarma, Qamar Wali

1. Probleemstelling

De snelle adoptie van generatieve AI-tools, zoals ChatGPT en GitHub Copilot, heeft de academische praktijk in informaticaopleidingen fundamenteel veranderd. Hoewel deze tools aanzienlijke voordelen bieden voor leerdoelmatigheid, zelfvertrouwen en het oplossen van complexe problemen, vormen ze een ernstige bedreiging voor de academische integriteit.

De kernproblematiek is tweeledig:

Risico op misbruik: Studenten kunnen AI gebruiken om taken volledig te laten uitvoeren zonder eigen inspanning of begrip, wat leidt tot oppervlakkig leren, gebrek aan kritisch denken en plagiaat.
Gebrek aan gestructureerde richtlijnen: Veel instellingen hanteren een verbodsbeleid of hebben geen duidelijke protocollen. Er is een urgent behoefte aan een raamwerk dat het pedagogische potentieel van AI benut terwijl de eerlijkheid van beoordelingen en het leerproces gewaarborgd blijven.

2. Methodologie

De auteurs hanteren een gestructureerde, analytische aanpak die bestaat uit drie hoofdfasen:

Classificatie van Beoordelingstypen:
Het artikel analyseert de verschillende vormen van beoordeling die gebruikelijk zijn in informaticaopleidingen. Deze worden onderverdeeld in:
- In-class (toegezongen): Korte toetsen, mondelinge examens.
- Out-of-class (niet-toegezongen): Huiswerk, take-home examens, projecten, literatuuroverzichten, essays en groepsopdrachten.
  De auteurs analyseren hoe specifieke AI-tools (tekstgeneratie vs. code-completie) elk type beoordeling beïnvloeden.
Ontwikkeling van Richtlijnen:
Op basis van de classificatie worden algemene en specifieke richtlijnen ontwikkeld voor docenten. Deze richtlijnen zijn ontworpen om AI te integreren als een hulpmiddel (vergelijkbaar met een rekenmachine) in plaats van een vervanging voor studentinspanning.
Formele Modellering:
Om de beoordelingsprocessen kwantitatief en transparant te maken, stellen de auteurs een formeel wiskundig model voor. Dit model definieert de variabelen, functies en logische stromen die nodig zijn om een eindcijfer te berekenen dat rekening houdt met AI-gebruik, openbaarmaking en verificatie.

3. Belangrijkste Bijdragen

A. Typologie van Beoordelingen en Risico's

Het artikel identificeert specifieke risico's per beoordelingsvorm (zie Tabel 1 in de tekst):

Huiswerk & Take-home examens: Risico op oppervlakkig begrip. Oplossing: Vragen specificeren, persoonlijke datasets gebruiken, en reflectie vereisen.
Programmeeropdrachten: Risico op "code-outsourcing". Oplossing: Vereis versiebeheer (Git), live coderen en mondelinge verdediging van de code.
Literatuuroverzichten & Essays: Risico op hallucinaties en gebrek aan originaliteit. Oplossing: Toestaan van AI voor een eerste concept, maar verplichten van een kritische analyse en verbetering door de student.
Mondelinge presentaties: Risico op vooraf geschreven scripts. Oplossing: Focus op Q&A-sessies en spontane vragen om begrip te verifiëren.

B. Algemene Richtlijnen voor Docenten

De auteurs presenteren vier kernrichtlijnen die op alle beoordelingstypen van toepassing zijn:

Openbaarmaking (Disclosure): Studenten moeten AI-gebruik expliciet melden en toelichten.
Post-submit Interviews: Mondelinge verdedigingen of korte interviews na inlevering om auteurschap en begrip te verifiëren.
Critische Review: AI-gebruik toestaan, maar de beoordeling moet zich richten op de kritische analyse en verbetering van het AI-genereren door de student.
Mondelinge Examens: Het inzetten van orale examens als directe verificatiemethode.

C. Formeel Beoordelingsmodel

Het artikel introduceert een wiskundig kader om beoordelingen te formaliseren:

Variabelen:
- $u(a)$ : Gebruik van tool $t$ op assessment $a$ .
- $d(a)$ : Boolean vlag voor openbaarmaking (0 of 1).
- $S_{AI}$ : AI-genereren concept.
- $S_{ST}$ : Student-individuele inzending.
- $r(S_{AI}, S_{ST})$ : Verfijningsfactor (0-1), meet hoe sterk de student het AI-concept heeft verbeterd.
- $v(S_{ST}, r)$ : Verificatie (0 of 1), meet begrip tijdens een interview.
Integriteitsvlag ( $I(a)$ ):
Een assessment is alleen geldig als $I(a) = 1$ , wat vereist dat zowel openbaarmaking ( $d=1$ ) als verificatie ( $v=1$ ) positief zijn.
Beoordelingsfunctie ( $G(a)$ ):
$G(a) = w_1 \cdot \text{score}(S_{ST}) + w_2 \cdot r(S_{AI}, S_{ST}) + w_3 \cdot v(S_{ST}, r)$
Waarbij $w_1, w_2, w_3$ gewichten zijn die door de docent kunnen worden aangepast afhankelijk van het type assessment.

4. Resultaten en Uitkomsten

Gestructureerd Raamwerk: Het artikel levert een praktisch, stap-voor-stap workflow (gevisualiseerd in Figuur 2) die docenten helpt om AI ethisch te integreren zonder de leerdoelen te ondermijnen.
Validatie van het Model: Aan de hand van een doorgerekend voorbeeld (een programmeeropdracht) wordt aangetoond hoe het model een eerlijke cijferberekening mogelijk maakt die zowel de kwaliteit van het werk als de inspanning van de student (verfijning en begrip) beloont.
Verschil in Tool-impact: Het onderzoek benadrukt dat tekstgenererende tools (ChatGPT) vooral risico's vormen voor schrijfopdrachten, terwijl code-tools (Copilot) de integriteit van programmeeropdrachten bedreigen, wat specifieke tegenmaatregelen vereist.

5. Betekenis en Impact

Deze paper is significant voor het hoger onderwijs in informatica omdat het verschuift van een "verbodsmentaliteit" naar een integratie-mentaliteit.

Pedagogische Evolutie: Het stelt docenten in staat om AI te zien als een leerhulpmiddel dat kritisch denken en ethisch verantwoordelijkheid kan stimuleren, mits er duidelijke randvoorwaarden zijn.
Transparantie en Rechtvaardigheid: Het formele model biedt een objectieve manier om "AI-assisted work" te beoordelen, wat onrechtvaardige voordelen voor studenten die AI misbruiken, en oneerlijke nadelen voor studenten die AI correct gebruiken, voorkomt.
Toekomstbestendigheid: De richtlijnen bieden een blauwdruk voor instellingen om hun beoordelingsbeleid aan te passen aan de snelle technologische ontwikkelingen, zodat de academische standaard hoog blijft terwijl innovatie wordt omarmd.

Kortom, het artikel biedt een robuust, technisch onderbouwd raamwerk om de balans te vinden tussen het benutten van de kracht van AI en het behoud van de kernwaarden van academische integriteit.