Ga direct naar de inhoud

Generatieve AI en toetsintegriteit

De integratie van generatieve artificiële intelligentie in het academisch onderwijs vereist een structurele heroverweging van toetsintegriteit en evaluatiemethoden. Doordat geautomatiseerde detectiemiddelen onbetrouwbaar blijken en traditionele schriftelijke opdrachten kwetsbaar zijn voor AI-ondersteuning, verschuift het zwaartepunt van reactieve controle naar preventief toetsonderwerp. De waarborging van academische validiteit ligt primair in authentieke evaluatievormen, procesgericht toetsen en het stimuleren van AI-geletterdheid.

Doel van het werk

Vaststellen hoe toetsintegriteit in het hoger onderwijs gewaarborgd kan worden tegen de achtergrond van generatieve taalmodellen.

Methodologie

Thematische literatuursynthese van academische studies naar toetsonderwerp, AI-detectie en integriteitsbeleid in het hoger onderwijs.

Wetenschappelijke nieuwheid

Integreert het spanningsveld tussen detectie en transparantie met empirische principes van authentiek toetsonderwerp en mondelinge toetsing.

Voorvertoning document

Dit is een beknopte voorvertoning. De volledige versie bevat uitgebreide tekst voor alle secties, een conclusie en een geformatteerde bibliografie.

Masterscriptie

DegreeType
Generatieve AI en toetsintegriteit

Auteur:

Group

Voornaam Achternaam

Begeleider:

Dr. Voornaam Achternaam

Stad, 2026

Inhoudsopgave

Inleiding
1. Theoretische kaders van academische integriteit in het tijdperk van generatieve AI
1.1. Definiëring van auteurschap en ongeoorloofde ondersteuning
1.2. De frictie tussen detectiesystemen en transparante openbaarmaking
2. Kwetsbaarheden in traditionele toetsvormen en surveillance
2.1. Beperkingen van geautomatiseerde AI-detectietools en taalstatistiek
2.2. Risicoprofielen van online examinering en schriftelijke thuisopdrachten
3. Herontwerp van toetsing ter waarborging van validiteit
3.1. Authentieke evaluatie, klinische casuïstiek en procesvolgende toetsing
3.2. De regulerende werking van mondelinge examinering en bewuste niet-aanwending
4. Beleidsmatige en pedagogische implicaties voor het hoger onderwijs
4.1. Institutionele kaders voor verantwoorde integratie en AI-geletterdheid
4.2. Ethische afwegingen rondom kansengelijkheid en betrouwbaarheid
Conclusie en discussie
Bibliografie

Inleiding

De snelle diffusie van grote taalmodellen en aanverwante generatieve technologieën stelt het hoger onderwijs voor fundamentele vraagstukken omtrent de betrouwbaarheid van summatieve evaluaties. Waar summatieve toetsen traditioneel fungeren als een betrouwbare afspiegeling van individuele kennis en vaardigheden, vervaagt de grens tussen authentiek eigen werk en door algoritmen gegenereerde inhoud in hoog tempo [3]. Deze verschuiving ondermijnt niet alleen gevestigde aannames over auteurschap, maar stelt onderwijsinstellingen tevens voor het dilemma hoe academische normen te handhaven zonder een cultuur van alomtegenwoordig wantrouwen te creëren [4].

Traditionele handhavingsmechanismen, waaronder geautomatiseerde detectiesoftware en tekststatistiek, blijken structureel ontoereikend om door generatieve modellen gegenereerde teksten accuraat te isoleren van menselijk werk [5]. De inherente onvoorspelbaarheid en foutgevoeligheid van deze surveillance-instrumenten leiden tot aanzienlijke risico's op fout-positieve beoordelingen, wat de integriteit van het academische beoordelingsproces verder compromitteert [3]. Tegelijkertijd toont onderwijskundig onderzoek aan dat het louter verbieden van kunstmatige intelligentie de geldigheid van examinering niet kan garanderen zolang toetstaken kwetsbaar blijven voor machinale automatisering [2].

Deze studie onderzoekt hoe toetsconstructies en institutionele kaders herijkt kunnen worden om de academische integriteit in een door AI beïnvloede leeromgeving duurzaam te borgen. Aan de hand van een thematische synthese van recente wetenschappelijke literatuur en toetsevaluaties worden de tekortkomingen van restrictieve controlemechanismen afgezet tegen innovatieve pedagogische interventies, zoals authentieke taakontwerpen en mondelinge verantwoording [1], [2]. Het doel is om inzicht te verschaffen in robuuste toetsvormen die cognitieve vaardigheden van hogere orde stimuleren en tegelijkertijd bestand zijn tegen ongeoorloofde technologische ondersteuning.

4.2. Ethische afwegingen rondom kansengelijkheid en betrouwbaarheid

De discussie omtrent het borgen van academische integriteit balanceert tussen restrictieve handhaving en pedagogische vernieuwing. Enerzijds tonen syntheses van hedendaagse literatuur aan dat een eenzijdige focus op detectiesoftware fundamentele tekortkomingen kent [3]. De technische onvolkomenheden van geautomatiseerde algoritmen leiden geregeld tot onbetrouwbare uitkomsten en tasten de vertrouwensband tussen student en instelling aan. Hierdoor schiet reactieve controle tekort als duurzame waarborg voor diploma-eisen. Anderzijds biedt het fundamenteel heroverwegen van de toetsarchitectuur een constructief alternatief om evaluaties robuust te maken [2]. Door taken te baseren op authentieke contexten, lokale data-interpretaties en stapsgewijze verantwoording, vermindert het nut van ongeoorloofde tekstgeneratie aanzienlijk. Tevens fungeert de integratie van mondelinge toelichtingen als een effectief mechanisme om individueel begrip direct te valideren, waardoor de prikkel tot oneigenlijk gebruik afneemt [1]. Een centrale beperking van het huidige debat blijft echter dat veel onderwijsinstellingen opereren binnen rigide regelgeving die snelle aanpassingen in toetspraktijken bemoeilijkt. Toekomstig beleid dient daarom niet louter te steunen op technologische verificatie, maar moet structurele ruimte scheppen voor contextgebonden en procesmatige examinering.

Literatuurlijst

  1. Choosing not to use generative AI in higher education: a mixed methods study of student reasoning, assessment design, and AI literacy
    Annica Lindkvist, Sophie Curbo, Catharina Hultgren
    DOI-link
  2. Safeguarding Academic Integrity from AI-Assisted Cheating in Online Medical Examinations- short communication
    Hamid Saboorifar, Afarin Rabbani
    DOI-link
  3. The Disclosure-Detection Nexus in Generative AI: An Integrated Analysis of Ethical Implications in Academia
    Jacob Holland
    Open source
  4. Online Assessment and Artificial Intelligence: Beyond the False Dilemma of Heaven or Hell
    Linda Amrane-Cooper, Stylianos Hatzipanagos, Liz Marr et al.
  5. Generative Artificial Intelligence and the Ambiguity of Academic Integrity in Higher Education
    Katerina Zdravkova
  6. Can Artificial Intelligence Complete My Assessment? A Student Led Initiative to Stress Test the Academic Integrity of University Assessment Using Generative AI
    Aidan Duane
  7. The Impact of Generative Artificial Intelligence on Academic Integrity.
    Aidan Duane
  8. Exploring Factors Affecting Academic Integrity in Higher Education Environments Accompanied by Generative Artificial Intelligence
    Zhidong Zhang

Bibliografie

Geverifieerde BronnenOpmaakstandaardenHoge UniekheidPro Modellen
Lanceringsaanbieding -25%

Onderzoek

APA 7th Edition (Publication Manual)

€ 13€ 17
  • 30+ pagina's
  • Hoge originaliteit
  • Exporteren naar Word
  • Correcte opmaak
  • Openbare preview
    Een preview van een andere auteur kan niet privé worden gemaakt. Je werk zal privé en volledig uniek zijn.
  • Bibliografie (40+, APA 7th Edition)
    +€ 2
  • Alternatieve bronnen toevoegen (Nieuws, .gov, .edu)

Onderzoek

APA 7th Edition (Publication Manual)