Rethinking assessment in the age of AI: building trust through media-rich learning

Generatieve AI daagt het hoger onderwijs uit om opnieuw na te denken over wat toetsing eigenlijk meet. Als studenten binnen enkele seconden essays, rapporten en reflecties kunnen genereren, dreigen traditionele toetsvormen steeds verder los te komen te staan van authentiek leren. Tegelijkertijd kunnen benaderingen die vooral gericht zijn op AI-detectie en controle het vertrouwen ondermijnen en de aandacht afleiden van het leerproces zelf.

Bij Hogeschool Inholland hebben we daarom een alternatieve benadering van toetsing ontwikkeld. Deze richt zich minder op het controleren van AI-gebruik en meer op het zichtbaar maken van leren via iteratieve, mediarijke en reflectieve processen.

De cursus van 30 EC vindt plaats binnen twee living labs: het International Music Industry Lab (Haarlem) en het Urban Leisure & Tourism Lab (Amsterdam). Gedurende twintig weken werken studenten in interdisciplinaire teams aan actuele maatschappelijke vraagstukken, in directe samenwerking met externe stakeholders. De labs functioneren als open en co-creatieve leeromgevingen. Studenten werken aan complexe ‘wicked problems’ waarvoor geen eenvoudige of vaste oplossingen bestaan. Binnen deze context leren zij omgaan met onzekerheid, samenwerking, communicatie en reflectie, vanuit hun eigen vakinhoudelijke expertise.

Naarmate het beoordelingsmodel zich verder ontwikkelde, werd steeds duidelijker dat het beoordelen van uitsluitend het eindproduct onvoldoende recht deed aan het leerproces. De nadruk is daarom verschoven naar het documenteren, ondersteunen en zichtbaar maken van de leerreis zelf.

De beoordeling is gebaseerd op de drie onderwijsfuncties van Biesta: kwalificatie, socialisatie en subjectificatie. Toetsing wordt daarbij niet uitsluitend gezien als een middel om resultaten te meten. Het kader zoekt een balans tussen de ontwikkeling van kennis en vaardigheden enerzijds en professionele identiteitsvorming, samenwerking en authentiek leiderschap anderzijds.

De Personal Roadmap vormt de kern van dit proces. Studenten documenteren gedurende het semester hun voortgang, verantwoorden hun ontwikkeling en reflecteren wekelijks op vragen vanuit de digitale leeromgeving (LMS). Deze reflecties worden ondersteund door drie formatieve en één summatieve ‘End of Climb’-presentatie verspreid over het semester.

Deze presentaties zijn bewust iteratief opgezet en niet gericht op één allesbepalend beoordelingsmoment. Studenten gebruiken A3-posters, korte pitches, prototypes en reflectieve gesprekken om hun voortgang zichtbaar te maken. Feedback van medestudenten en experts wordt digitaal verzameld en gedeeld met de gehele groep. Studenten leggen verantwoording af over hun leerproces, omdat zij dit actief communiceren naar hun peers. Dit vergroot transparantie, stimuleert eigenaarschap en versterkt het vertrouwen binnen de leergemeenschap.

De groepsprojecten zijn mediarijk van aard en verschillen per maatschappelijke uitdaging. Eindproducten kunnen bestaan uit websites, podcasts, video’s, campagnes, apps of fysieke prototypes. Naast het eindproduct leveren projectgroepen twee aanvullende documenten op: 1) een Design Rationale, waarin de belangrijkste ontwerpkeuzes en beslissingen worden onderbouwd, en 2) een Group Process Report, waarin het samenwerkingsproces en de ontwikkeling van het team gedurende het project worden gedocumenteerd. Daarnaast wordt gebruikgemaakt van een eenvoudige diagnostische tool, de Team Tester, waarin geanonimiseerde peerbeoordelingen inzicht geven in teamdynamieken en helpen om eventuele knelpunten tijdig zichtbaar te maken.

Een van de belangrijkste verschuivingen binnen deze aanpak is dat de focus van de beoordeling is verlegd van het uiteindelijke eindproduct naar de zichtbaarheid en verantwoording van de iteraties gedurende het leerproces. Uiteraard blijft de kwaliteit van het eindproduct belangrijk en worden studenten actief aangemoedigd om AI-tools te gebruiken wanneer deze van toegevoegde waarde zijn.

De nadruk ligt echter op de manier waarop studenten omgaan met feedback, hoe zij deze verwerken in hun werk, ontwerpkeuzes onderbouwen, ideeën iteratief ontwikkelen en kritisch reflecteren op hun eigen groei en ontwikkeling. Juist deze aspecten zijn lastig om gedurende een leertraject van twintig weken op een geloofwaardige en consistente manier uit te besteden aan generatieve AI. Hierdoor verschuift de aandacht van het produceren van een eindresultaat naar het zichtbaar maken van het daadwerkelijke leerproces.

In plaats van steeds meer tijd te besteden aan het opsporen van AI-gegenereerde content, richten assessoren zich gedurende het semester op het begeleiden van het leerproces via doorlopende formatieve feedback, ondersteund door zichtbaar bewijs van de voortgang en ontwikkeling van studenten. De rol van de assessor verschuift daarmee van controleur naar begeleider: minder gericht op verificatie alleen en meer op het ondersteunen van leren.

Deze aanpak vraagt om een zorgvuldige balans. Vertrouwen ontstaat niet vanzelf en transparantie kan voor studenten soms ongemakkelijk voelen. Veel studenten komen het lab binnen met de verwachting dat zij duidelijke instructies krijgen om tot het ‘juiste antwoord’ te komen. Ook docenten en coaches moeten wennen aan deze meer coachende rol binnen het beoordelingsproces. Daarom evalueren we deze aanpak ieder semester opnieuw, op basis van feedback van studenten, medewerkers en externe partners.

Studenten geven aan dat de regelmatige reflectiemomenten hen helpen meer inzicht te krijgen in hun eigen ontwikkeling. De gedeelde formatieve momenten dragen bovendien bij aan een sterker gevoel van verbondenheid binnen de leergemeenschap. Voor assessoren biedt deze werkwijze een rijker en completer beeld van de ontwikkeling van studenten, terwijl de afhankelijkheid van uitsluitend summatieve beoordeling aan het einde van het semester afneemt.

Deze aanpak pretendeert niet alle uitdagingen op te lossen die generatieve AI met zich meebrengt voor het hoger onderwijs. Wel laat zij zien dat toetsing betekenisvoller, waardevoller en duurzamer kan worden wanneer de focus verschuift van het bewijzen van auteurschap naar het ondersteunen van authentieke, zichtbare en iteratieve leerprocessen.

Wij kijken ernaar uit om in Leuven jullie kritische feedback te ontvangen, zodat we deze benadering verder kunnen verfijnen en blijven werken aan toekomstbestendige toetsing in het tijdperk van AI.