AI-robuuste toetsing: van fraudejacht naar risicogebaseerd herontwerp

AI-robuuste toetsing betekent dat een toets standhoudt, ook wanneer studenten generatieve AI kunnen inzetten: de toets meet dan nog steeds of een student de leeruitkomsten zelf beheerst. Generatieve AI maakt het namelijk mogelijk om werk te produceren dat op beheersing lijkt, zonder dat die beheersing is aangetoond. Daarmee staat niet alleen de betrouwbaarheid van een losse toets onder druk, maar ook het vertrouwen in het diploma dat erop volgt.

De verleiding is groot om dit als een technisch probleem te behandelen: vind de juiste detectietool en het lek is gedicht. Corbin, Bearman, Boud en Dawson (2025) laten in “The wicked problem of AI and assessment” zien waarom dat niet werkt. Detectiesoftware is onbetrouwbaar; de onderzoekers voerden eigen tekst in, waarna het systeem beweerde dat de tekst door AI was geschreven. Belangrijker nog: zij typeren de combinatie van AI en toetsing als een “wicked problem”, een vraagstuk zonder één juiste oplossing, waarin elke keuze een afweging is tussen validiteit, authenticiteit, werkdruk en haalbaarheid. Het doel verschuift daarmee van fraude opsporen naar het aantoonbaar borgen van leren.

Een risicogebaseerde aanpak

Niet elke toets is even kwetsbaar, en niet elke toets is even belangrijk. Daarom loont het om gericht te werken in plaats van alles tegelijk te willen herontwerpen. Dat gaat in drie stappen.

Stap 1: identificeer risicovolle toetsen. Het risico van een toets is in te schatten aan de hand van een aantal factoren. Het type taak speelt mee, net als de context: een algemene opdracht is kwetsbaarder dan een specifieke, authentieke taak die verankerd is in bijvoorbeeld een eigen stagebron. Ook de condities tellen: een toets die volledig online en op afstand wordt afgenomen, is gevoeliger dan een die deels fysiek plaatsvindt. Verder maakt het uit of de output een artefact is (een tekst, een verslag) of een performance (een presentatie, een handeling), en of de toets afsluit bij inlevering of pas na een nagesprek. Ten slotte wegen de kwaliteit die AI op deze taak levert en de mate van toezicht (invigilation) mee. Hoe meer risicofactoren samenvallen, hoe kwetsbaarder de toets.

Stap 2: breng in kaart en analyseer. Vervolgens is het zaak te bepalen welke toetsen daadwerkelijk cruciaal zijn voor de leeruitkomsten van de opleiding. Juist de toetsen die een kernvaardigheid of het eindniveau borgen, verdienen aandacht wanneer daar tegelijk een hoog AI-risico op zit. Zo ontstaat een overzicht van waar de integriteit van het toetsprogramma echt bedreigd wordt, en waar het risico beperkt of aanvaardbaar is.

Stap 3: herontwerp de toetsing. Voor de kwetsbare, cruciale toetsen volgt gericht herontwerp. Dat kan door te kiezen voor een veiliger toetsvorm, door een component toe te voegen zoals een mondeling, een debat of een verantwoording van gemaakte keuzes, of door over te stappen op een nieuwe vorm zoals een interactieve mondelinge toets. De rode draad is telkens dezelfde: beoordeel het proces, de context en de mondelinge verantwoording, want dat is juist het deel dat zich niet laat uitbesteden aan een AI-tool.

Maak vooraf duidelijke afspraken

Herontwerp begint bij helderheid over wat wel en niet mag. De AI-waaier van Npuls (Van Beek, Npuls) onderscheidt vijf categorieën van AI-gebruik, van “geen AI” tot “innoveren met AI”, zodat docent en student vooraf hetzelfde beeld hebben. Wat passend is, verschilt bovendien per context. Corbin en collega’s benadrukken dat een vorm die werkt in een klein seminar niet vanzelf werkt bij een cohort van 250 studenten; een mondeling dat in de ene opleiding ideaal is, is elders logistiek onhaalbaar. Robuust toetsen vraagt dus om professioneel oordeel, niet om één sjabloon.

Dat oordeel hoeft niet vanaf nul. De onderliggende kaders komen uit de Npuls-handreiking voor examencommissies (2024), Npuls (2025) en de HvA-richtlijnen, die samen houvast geven bij beleid, procedures en toetsontwerp.

Benieuwd hoe robuust een toets werkelijk is? Loop hem langs met de toetstool.