📄 social_science

When Confidence Shifts Toward the Tool: AI Appropriation, Reliance Calibration, and School Guidance in High School Academic Work

Een onderzoek onder 1.444 Amerikaanse middelbare scholieren onthult dat AI-toeëigening complexe, gelijktijdige leer- en sluiproutes gedrag omvat, terwijl frequent gebruik correleert met verminderd zelfvertrouwen en een groeiende afhankelijkheidskloof, wat suggereert dat scholen verder moeten gaan dan algemene richtlijnen om gerichte, door docenten begeleide oefening te bieden voor effectieve kalibratie van AI-afhankelijkheid.

Oorspronkelijke auteurs: Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

Gepubliceerd 2026-07-07

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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

Het Grote Plaatje: Het gaat niet om of ze het gebruiken, maar om hoe

Stel je een school voor waar bijna elke leerling een superintelligente, onzichtbare bijlesgever in zijn zak heeft (AI). Tegen eind 2025 gebruikte ongeveer twee derde van de Amerikaanse tieners deze tools voor hun huiswerk.

De onderzoekers vroegen zich af: Maakt het uit of een leerling AI gebruikt?
Hun antwoord: Niet echt. Weten dat een leerling AI gebruikt, is als weten dat een bestuurder een auto heeft. Het vertelt je niet of ze veilig rijden, te hard rijden of de GPS gebruiken om een kortere route te nemen die ze eigenlijk niet zouden mogen nemen.

In plaats van te tellen hoe vaak leerlingen AI gebruiken, keek deze studie naar hoe ze het gebruiken (wat ze de AI vragen te doen) en hoe ze erover denken (vertrouwen ze de AI meer dan hun eigen brein?).

Kernconcept 1: De "Appropriatie" (Hoe ze de tool gebruiken)

De onderzoekers ontdekten dat leerlingen niet in nette hokjes passen zoals "Goede Leerling" versus "Bedrieger".

De Analogie: Denk aan AI als een Zwitsers zakmes.
De Bevinding: De meeste leerlingen gebruiken het mes voor veel verschillende dingen. Dezelfde leerling die de AI vraagt om "deze wiskundige concept uit te leggen" (zoals het gebruik van het mes om een brief te openen), is vaak dezelfde leerling die de AI vraagt om "dit hele essay voor mij te schrijven" (zoals het gebruik van het mes om een touw door te snijden dat ze zelf hadden moeten knopen).
De Conclusie: Je kunt een leerling niet beoordelen op basis van hoeveel ze AI gebruiken. Een leerling die het veel gebruikt, kan het gebruiken om te leren, om te bedriegen, of om beide tegelijkertijd te doen. Het "goede" en "slechte" gebruik zijn vaak gemengd in de workflow van dezelfde persoon.

Kernconcept 2: De "Reliance Gap" (De verschuiving in vertrouwen)

Dit is de belangrijkste ontdekking in het artikel. De onderzoekers maten twee dingen:

Hoe zelfverzekerd een leerling zich voelt bij het uitvoeren van werk zonder AI.
Hoe zelfverzekerd zij zich voelen dat AI hen kan helpen bij het werk.

Ze berekenden het verschil tussen deze twee gevoelens en noemden dit de "Reliance Gap" (de vertrouwenskloof).

De Analogie: Stel je een koorddanser voor.
- Lage kloof: De danser vertrouwt zijn eigen benen meer dan het vangnet. Hij weet dat hij over de lijn kan lopen, maar het net is er voor het geval dat.
- Hoge kloof: De danser vertrouwt het vangnet meer dan zijn eigen benen. Hij voelt zich wankel op eigen kracht en voelt zich alleen veilig als het net er is.
De Bevinding:
- Leerlingen die geen AI gebruiken, zijn erg zelfverzekerd over hun eigen vaardigheden en vertrouwen de AI niet veel.
- Naarmate leerlingen AI vaker gebruiken, daalt hun zelfvertrouwen in hun eigen vermogen lichtjes, terwijl hun vertrouwen in de AI enorm stijgt.
- De "Crossover": Onder leerlingen die dagelijks AI gebruiken, gebeurde iets interessants: hun vertrouwen in de hulp van de AI werd iets hoger dan hun vertrouwen in hun eigen vermogen. Ze hebben hun vaardigheden niet verloren, maar ze vertrouwen het hulpmiddel nu meer dan zichzelf.

Kernconcept 3: De "Missing Middle" (Wat scholen fout doen)

De onderzoekers vroegen: "Helpen scholen leerlingen om te begrijpen hoe ze AI correct gebruiken?"

De Analogie: Stel je een sportschool voor. De school heeft een bord opgehangen met de tekst: "Je mag de gewichten gebruiken." (Dit is een Beleid). Maar de school heeft geen trainer ingehuurd om je te laten zien hoe je de gewichten tilt zonder je rug te blesseren.
De Bevinding:
- Scholen bieden vooral Regels (bijv. "Je mag AI gebruiken als je het citeert") en Middelen (links naar websites).
- Leerlingen smeken om Oefening (bijv. "Laat me zien hoe ik dit hulpmiddel kan gebruiken om te leren, en niet alleen om een antwoord te krijgen").
- De studie vond dat het hebben van een schoolbeleid niet hielp om de "Reliance Gap" te verkleinen. Leerlingen die vonden dat ze goede begeleiding kregen, vertrouwden zichzelf nog steeds niet noodzakelijkerwijs meer dan de AI.
- De Kloof: De grootste onvervulde behoefte was dat docenten leerlingen door werkelijke praktijk zouden leiden—laten zien wanneer ze het hulpmiddel moeten gebruiken en wanneer ze het weer weg moeten leggen.

De Vier Typen Leerlingen (Profielen)

De onderzoekers deelden leerlingen in vier "persoonlijkheden" in op basis van hun gewoonten:

De Sceptische Onafhankelijke (18%): Gebruiken zelden AI. Ze vertrouwen zichzelf 100% en de AI 0%.
De Onondersteunde Routinematige Gebruiker (36%): Gebruiken AI vaak, maar hebben het gevoel dat de school hen niet helpt. Ze willen meer begeleiding, maar krijgen dat niet.
De Begeleide Gebruiker met Hoge Effectiviteit (31%): Gebruiken AI vaak, maar hebben goede ondersteuning van de docent. Ze vertrouwen nog steeds het meest op zichzelf.
De Afkortings-afhankelijke Power User (15%): De "Zware Gebruikers". Ze gebruiken AI constant, vooral om antwoorden te krijgen of concepten te schrijven. Zij vertrouwen de AI meer dan zichzelf. Deze groep heeft de grootste "Reliance Gap".

De Kernboodschap

Het artikel betoogt dat scholen moeten stoppen met de vraag: "Gebruik je AI?", en moeten beginnen met de vraag: "Wie vertrouw je meer: je eigen brein of het hulpmiddel?"

Het doel is niet om AI te verbieden of alleen te zeggen "het is oké". Het doel is Kalibratie. Scholen moeten leerlingen leren hoe ze het hulpmiddel kunnen gebruiken als een nuttige assistent, zonder dat het hulpmiddel de meester van hun denken wordt. Op dit moment zijn scholen goed in het maken van regels, maar slecht in het aanleren van de praktijk van het verstandig gebruik van het hulpmiddel.

Kortom: Leerlingen gebruiken AI om hun huiswerk te doen, en naarmate ze het vaker gebruiken, beginnen ze de robot meer te vertrouwen dan hun eigen brein. Scholen moeten ingrijpen en hen leren hoe ze hun eigen zelfvertrouwen sterk kunnen houden terwijl ze het hulpmiddel gebruiken.

Technische Samenvatting: Wanneer het vertrouwen verschuift naar het instrument

Probleemstelling
Nu kunstmatige intelligentie (AI) de middelbare school doordringt, zijn traditionele maatstaven voor "adoptie" (namelijk: of leerlingen AI gebruiken en hoe vaak) ontoereikend geworden om de evoluerende rol van de technologie te begrijpen. Scholen monitoren momenteel de frequentie van het gebruik en het bestaan van formele beleidsregels, maar deze indicatoren slagen er niet in te vatten hoe leerlingen AI integreren in hun cognitieve processen. Specifiek kunnen bestaande kaders niet onderscheid maken tussen gebruik dat het leren ondersteunt (bijv. het uitleggen van concepten) en gebruik dat het leren omzeilt (bijv. het genereren van volledige conceptteksten), noch kunnen ze beoordelen of het zelfvertrouwen van een leerling in de eigen academische bekwaamheid afneemt naarmate de afhankelijkheid van het instrument toeneemt. Het centrale probleem is het gebrek aan een diagnostisch kader om de dynamische relatie tussen technologische capaciteiten en de zelfperceptie van competentie bij leerlingen te meten in een omgeving waar AI gemakkelijk beschikbaar is.

Methodologie
De studie maakte gebruik van een cross-sectioneel surveyontwerp met een steekproef van 1.444 leerlingen verspreid over een netwerk van katholieke, college-preparatory middelbare scholen in de Verenigde Staten. De gegevens werden verzameld in het voorjaar van 2025.

Maatstaven: Het instrument beoordeelde de frequentie van AI-gebruik, de breedte van de instrumenten en specifieke "toe-eigeningsdoeleinden" (gecategoriseerd als leergericht versus kortingsgericht). Cruciaal was dat het twee verschillende vertrouwensniveaus mat: vertrouwen in het uitvoeren van schoolwerk zonder AI en vertrouwen in het vermogen van AI om helpen bij het schoolwerk.
Kernconstruct: De studie operationaliseerde "afhankelijkheidscalibratie" via de afhankelijkheidskloof (reliance gap), gedefinieerd als het verschil tussen het vertrouwen in de hulp van AI en het vertrouwen in de onafhankelijke bekwaamheid. Een positieve kloof geeft aan dat het vertrouwen is verschoven naar het instrument.
Analyse: De onderzoekers maakten gebruik van hiërarchische ordinary least squares (OLS) regressies met op scholen geclusterde standaardfouten om de afhankelijkheidskloof te voorspellen. Variabelen omvatten demografie, gebruiksfrequentie, breedte van het doel, AI-gerelateerde overtuigingen (zelfeffectiviteit en optimisme) en waargenomen schoolbegeleiding. Daarnaast werd k-means clustering gebruikt om beschrijvende leerlingprofielen te generen op basis van toe-eigeningspatronen.

Belangrijkste Bijdragen
Het artikel levert drie primaire bijdragen:

Conceptueel: Het verschuift de analytische lens van "adoptie" naar toe-eigening (hoe gebruikers doelen toekennen aan technologie) en introduceert afhankelijkheidscalibratie in de onderwijscontext. Dit kader stelt dat passende afhankelijkheid niet alleen afhangt van de betrouwbaarheid van het instrument, maar ook van de ontwikkelingsbehoefte van de leerling om onafhankelijke competentie op te bouwen.
Empirisch: Het legt een grote, multi-school steekproef vast op een cruciaal moment—nadat toegang tot AI routinematig is geworden, maar voordat institutionele begeleiding volwassen is. Het levert bewijs dat leergerichte en kortingsgerichte gebruiken vaak gelijktijdig voorkomen bij dezelfde leerlingen, wat de binaire visie op "goede" versus "slechte" AI-gebruikers uitdaagt.
Praktisch: Het identificeert een "missing middle" in de schoolbegeleiding, waarbij beleidsregels op institutioneel niveau wel bestaan, maar pedagogische praktijk (docentgestuurde instructie) ontbreekt. Het beargumenteert dat de afhankelijkheidskloof een meer diagnostische metriek is dan onafhankelijk vertrouwen alleen voor het begrijpen van de dynamiek tussen leerling en AI.

Resultaten

Toe-eigeningspatronen: 94% van de respondenten gebruikte ten minste één AI-instrument. Leergerichte gebruiken (bijv. tutoring, uitwerken van structuren) kwamen veel voor (65% voor tutoring), maar kortingsgerichte gebruiken (bijv. antwoorden opzoeken, concepten schrijven) waren ook substantieel (respectievelijk 32% en 18%). Cruciaal was dat deze doelen vaak samen voorkwamen; leerlingen die AI gebruikten voor uitleg, waren vaak dezelfde leerlingen die AI gebruikten voor antwoorden, wat wijst op een complex, verweven gebruikspatroon in plaats van onderscheidbare gebruikersgroepen.
De Afhankelijkheidskloof: Gebruiksfrequentie was negatief geassocieerd met onafhankelijk vertrouwen ( $r = -0,18$ ) maar sterk positief geassocieerd met de afhankelijkheidskloof ( $r = 0,45$ ). Onder dagelijkse gebruikers overtrof het vertrouwen in de hulp van AI ( $M=4,17$ ) het vertrouwen in de onafhankelijke bekwaamheid ( $M=4,02$ ) licht, wat wijst op een "crossover" waarbij het instrument het primaire anker van vertrouwen wordt.
Voorspellers van de Kloof: Hiërarchische regressie toonde aan dat gebruiksfrequentie, de breedte van leer- en kortingsdoeleinden en AI-optimisme significante voorspellers waren van een grotere afhankelijkheidskloof. Opvallend genoeg was waargenomen schoolbegeleiding geen significante voorspeller van de kloof zodra gebruik en overtuigingen in rekening werden gebracht.
Begeleidingsmismatch: Hoewel algemene richtlijnen de meest gerapporteerde vorm van schoolondersteuning waren (48%), was de grootste onvervulde behoefte de vraag naar docentgestuurde praktijk (42% wilde dit versus 27% ontving het) en specifieke AI-lessen.
Leerlingprofielen: Vier duidelieve profielen kwamen naar voren:
1. AI-sceptische onafhankelijke leerlingen (18%): Zelden gebruikers, hoog onafhankelijk vertrouwen, negatieve kloof.
2. Onondersteunde routinegebruikers (36%): Frequente gebruikers, lage begeleiding, hoge mismatch.
3. Begeleide hoog-effectieve gebruikers (31%): Frequente gebruikers, hoge begeleiding, behielden hoog onafhankelijk vertrouwen.
4. Shortcut-afhankelijke power users (15%): Hoogste gebruik, universeel shortcut-gebruik, laagste onafhankelijk vertrouwen, en de enige groep met een positieve afhankelijkheidskloof.

Betekenis en Claims
Het artikel betoogt dat naarmate AI onderdeel wordt van de gewone infrastructuur van het schoolwerk, de focus moet verschuiven van het bijhouden van of leerlingen AI gebruiken naar het begrijpen van hoe zij hun afhankelijkheid kalibreren. De studie claimt dat de afhankelijkheidskloof een cruciale dynamiek vastlegt: het punt waarop het gevoel van academische bekwaamheid van een leerling verschuift van het zelf naar het instrument.

De auteurs stellen dat de co-existentie van ondersteunende en vervangende gebruiken de eenvoudige "fraude versus leren"-dichotomieën compliceert, wat suggereert dat de grens tussen augmentatie en het delegeren van taken procedureel van aard is in plaats van categorisch. Bovendien impliceert de bevinding dat waargenomen schoolbegeleiding (specifiek regels op beleidsniveau) niet correleert met betere kalibratie, dat huidige begeleidingsmodellen niet aansluiten bij de behoeften van leerlingen. Het artikel concludeert dat scholen verder moeten gaan dan regels voor acceptabel gebruik en "begeleide praktijk" moeten bieden die leerlingen helpt te onderscheiden tussen AI-assistentie die het leren ondersteunt en assistentie die de cognitieve arbeid die nodig is voor vaardigheidsontwikkeling vervangt. De afhankelijkheidskloof wordt voorgesteld als een praktische, schaalbare metriek voor scholen om deze verschuiving in vertrouwen en competentie te monitoren.