A Systematic Review and Taxonomy of GenAI Usage in Programming Education: A Self-Regulation Perspective
Deze systematische review van 58 studies tot oktober 2025 stelt een vierdimensionale taxonomie voor om aan te tonen dat de impact van generatieve AI op de zelfregulatie van studenten in het programmeeronderwijs niet afhangt van de technologie zelf, maar van gestructureerde pedagogische bemiddelingsstrategieën die autonomie bevorderen versus ongeleide contexten die cognitieve afhankelijkheid stimuleren.
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
Stel je voor dat je leert fietsen. In het verleden moest je wankelen, vallen en zelf uitzoeken hoe je evenwicht hield. Stel je nu een magisch, onzichtbaar zijwieltje voor dat tegen je kan praten. Het kan je precies vertellen hoe je moet trappen, je wegsturen van kuilen en zelfs je fiets repareren als je een crash maakt. Dit is wat Generatieve Artificiële Intelligentie (GenAI) voelt in de wereld van het leren programmeren. Het is een superintelligent computerprogramma dat computerinstructies (code) voor je kan schrijven, complexe ideeën kan uitleggen en je direct helpt bij het oplossen van problemen.
Maar hier zit de lastige kant aan: Zelfgereguleerd Leren. Dit is een chique term voor "leren hoe je moet leren". Het is het vermogen om je eigen doelen te stellen, jezelf gefocust te houden wanneer het moeilijk wordt, en je eigen werk te controleren om te zien of je het echt begrijpt. De grote vraag is niet alleen: "Kan dit magische hulpmiddel me helpen mijn huiswerk af te maken?", maar: "Zal het gebruiken van dit hulpmiddel mij een betere, meer onafhankelijke leerling maken, of maakt het mij afhankelijk van de machine?" Als het hulpmiddel al het denken voor je doet, krijg je misschien het juiste antwoord, maar leer je niet hoe je zelf op de fiets moet rijden. Dit is exact het puzzelstukje dat wetenschappers proberen op te lossen in het vakgebied van de Programmeereducatie.
Het Grote Onderzoek naar de Code-Helper
Een team van onderzoekers besloot een enorme stap terug te doen en naar het hele plaatje te kijken. Ze voerden niet zomaar één experiment uit; ze gedroegen zich als detectives die op zoek gingen naar 58 verschillende studies die gepubliceerd waren tot oktober 2025. Ze doorzochten duizenden onderzoeksartikelen om erachter te komen: Hoe gebruiken docenten en studenten deze AI-tools daadwerkelijk om te leren programmeren, en helpt het hen om onafhankelijke denkers te worden of slechts code-kopieerende robots?
Ze kwamen tot de conclusie dat het antwoord geen simpel "ja" of "nee" is. Het is eerder een recept. Het magische hulpmiddel (GenAI) is slechts een ingrediënt; het gaat erom hoe je ermee kookt.
De Vier Ingrediënten van het Recept
Om zin te geven aan alle verschillende manieren waarop mensen AI gebruiken, hebben de onderzoekers een speciale kaart gemaakt die een Taxonomie wordt genoemd. Denk aan een menu in een restaurant dat je helpt het juiste gerecht te bestellen. Ze hebben de studies ingedeeld in vier hoofdcategorieën:
- Wat zijn we aan het koken? (Doelmatig Syllabus): Gebruiken we de AI om vanaf nul nieuwe code te schrijven, om kapotte code te repareren (debuggen), of alleen om uit te leggen hoe dingen werken? De meeste studies richtten zich op het schrijven van code, wat logisch is aangezien tools zoals ChatGPT daar het beste in zijn.
- Wie is de chef? (Bemiddelingsstrategie): Dit is het belangrijkste deel. Zit de AI gewoon te wachten tot je hem iets vraagt (Vrij Gebruik), of stuurt de docent je aan over precies wanneer en hoe je het moet gebruiken (Gestuurd Gebruik)?
- De "Vrij Gebruik" Valstrik: Wanneer studenten alleen gelaten worden met de AI, gebruiken ze het vaak als een afkorting. Ze vragen om het antwoord, krijgen het, en gaan weer door. De onderzoekers ontdekten dat dit leidt tot een "illusie van competentie"—je denkt dat je weet hoe je op de fiets moet rijden omdat het onzichtbare wiel je omhoog hield, maar in werkelijkheid kun je het eigenlijk niet.
- De "Gestuurde" Magie: Wanneer docenten regels stellen—zoals "Gebruik de AI om de fout uit te leggen, maar laat hem de oplossing niet voor jou schrijven"—leren studenten daadwerkelijk meer. Het is als een coach die niet voor je de fiets duwt, maar je wel vertelt naar welke kant je moet leunen.
- Hoe voelen we ons? (Cognitieve Impact): Voelden de studenten zich gemotiveerder? Begrepen ze de stof beter? Of werden ze afhankelijk van het hulpmiddel? De resultaten waren gemengd. Sommige studenten voelden minder stress en meer zelfvertrouwen, terwijl anderen het gevoel hadden dat ze hun vermogen om kritisch na te denken verloren.
- Wat voor soort tool is het? (Technische Benadering): Is het een simpele chatbot waar je mee praat, een slimme tutor die in je programmeersoftware is ingebouwd, of een gespecialiseerde robot? De studie vond dat eenvoudige chatbots het meest voorkomen, maar gespecialiseerde tools die door docenten zijn ontworpen, werken vaak beter voor diepgaand leren.
De Grote Ontdekking: Het Komt Alles Aan Op de Regels
De meest opwindende bevinding van dit artikel is dat de technologie zelf niet de held of de schurk is. De AI-tool is neutraal. Het is de pedagogische bemiddeling—de manier waarop docenten en studenten het gebruiken—die de uitkomst bepaalt.
- Wanneer het misgaat: Als je studenten zomaar de AI laat gebruiken zonder regels, hebben ze de neiging om "cognitieve afhankelijken" te worden. Ze stoppen met het zelf proberen op te lossen van problemen omdat het hulpmiddel te makkelijk in gebruik is. Ze halen misschien goede cijfers, maar ze leren eigenlijk niets.
- Wanneer het goed gaat: Wanneer de AI wordt gebruikt als een scaffold (zoals zijwieltjes die je langzaam verwijdert), is het geweldig. Docenten die strategieën gebruiken zoals "vraag de AI om een hint, niet om het antwoord" of "gebruik de AI om je logica te controleren voordat je de code schrijft", zien dat studenten gemotiveerder en meer betrokken raken, en beter worden in het zelfstandig oplossen van problemen.
Wat Ontbreekt Er?
De onderzoekers wezen ook op de gaten in de huidige kennis. De meeste studies die ze bekeken, waren kortstondig (slechts enkele weken of zelfs één lessessie) en betrokken kleine groepen studenten. We weten nog niet echt of het gebruik van AI gedurende een heel semester studenten op de lange termijn betere programmeurs maakt, of dat het hen alleen sneller maakt in het kopiëren. Ook richtten de meeste studies zich op studenten die al vrij goed waren in programmeren; we weten nog niet genoeg over hoe dit beginners of studenten met verschillende leerbehoeften beïnvloedt.
De Kernboodschap
Dit artikel vertelt ons dat Generatieve AI een krachtig nieuw hulpmiddel is in het klaslokaal, maar het is geen toverstaf die alles vanzelf oplost. Als je een student zomaar een toverstaf geeft en zegt "doe je huiswerk", dan krijgt hij misschien het antwoord, maar leert hij de magie niet. Echter, als een docent die toverstaf gebruikt als onderdeel van een gestructureerde les—door studenten te leren hoe ze de juiste vragen moeten stellen en wanneer ze de toverstaf neer moeten leggen—dan kan het hen helpen om onafhankelijke, zelfverzekerde en creatieve probleemoplossers te worden.
De toekomst van het programmeeronderwijs gaat niet over het verbieden van AI of het de vrije loop laten; het gaat om het vinden van de perfecte balans waarbij de AI het brein van de student ondersteunt zonder het te vervangen.
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.