Bij de zoveelste discussie over AI in het onderwijsreglement voelde ik de neiging opkomen om even met de handrem op te spreken. Precies omdat AI belangrijk is, moeten we vermijden dat we doen alsof het onderwijs vóór ChatGPT een soort pastorale zuiverheid kende, waarin elke paper, elke taak en elk examen rechtstreeks uit de onbezoedelde ziel van de lerende kwam neergedaald.

Dat was natuurlijk niet zo.

AI heeft bij evaluatiemomenten, niets wezenlijks veranderd. Ze heeft vooral gezorgd voor de democratisering van fraude. Wat vroeger ongelijk verdeeld was, is nu voor bijna iedereen bereikbaar geworden. De gegoede klasse had altijd al hulpmiddelen. Een hoogopgeleide ouder die een paper “even naleest” en ondertussen driekwart herschrijft. Een oudere broer die goed is in wiskunde. Een nicht die toevallig journalist is. Een netwerk dat weet hoe je een opdracht leest, hoe je een leraar inschat, hoe je academisch klinkt zonder noodzakelijk academisch te denken.

En dan hebben we het nog niet over de gadgets: slimme horloges, dure rekenmachines, software, bijlessen, taalcoaching, professionele begeleiding. Voor wie middelen, netwerk en cultureel kapitaal had, was evaluatie nooit een volledig gelijk speelveld. Voor wie dat allemaal niet had, de kneusjes, zoals we ze liefdevol en eerlijk kunnen noemen, bleef meestal alleen de eigen kop over.

Daar wringt het. Zodra iedereen toegang krijgt tot een hulpmiddel dat vroeger impliciet voorbehouden was aan wie de juiste mensen kende, noemen we het plots een crisis. Vroeger knepen we een oogje dicht, omdat de ongelijkheid netjes verpakt zat in familiaal toeval, sociale klasse en zogenaamd normale ondersteuning. Nu dezelfde ondersteuning uit een tekstvenster komt, roepen we om verbodsbepalingen, detectietools en reglementaire bijlagen met de charme van een verzekeringspolis.

De reflex om het gebruik van AI juridisch dicht te timmeren, mist de kern van het probleem. Evaluaties zijn blijkbaar voorspelbaar, reproduceerbaar of oppervlakkig genoeg om een generiek taalmodel er probleemloos doorheen te laten fietsen. Als een opdracht perfect door ChatGPT kan worden opgelost, is dit vooral een teken van didactische luiheid.

Wie een verpleegkundige handeling moet kunnen uitvoeren, moet die niet “ongeveer kunnen prompten”. Wie een taal leert, moet kunnen spreken, luisteren, schrijven en begrijpen. Wie een beroepskwalificatie behaalt, moet meer aantonen dan de vaardigheid om een chatbot beleefd toe te spreken.

Ruben Verborgh zegt het al langer scherper en beter: we moeten stoppen met studenten af te schermen van een realiteit waarin AI bestaat. Zijn open-boek, open-internet en open-AI-examen (die hij in alle openheid deelt op LinkedIn) legt de nadruk op oordeelsvermogen, combineren, interpreteren, bijsturen, uitleggen en verdedigen.

De echte uitdaging voor onderwijs is dus om evaluatievormen te ontwerpen waarin het gebruik van hulpmiddelen normaal is, terwijl eigenaarschap, begrip en bekwaamheid zichtbaar blijven. AI volledig buitenhouden lukt toch niet, tenzij we cursisten voortaan evalueren in een bunker met potlood, papier en een cipier met pedagogisch bekwaamheidsbewijs.

Betere evaluatie kan verschillende vormen aannemen. Mondelinge toelichting koppelen aan schriftelijke opdrachten. Procesbewijzen vragen: tussenversies, reflecties, keuzes, fouten, bijsturingen. Authentieke casussen gebruiken die aansluiten bij de leercontext. Opdrachten persoonlijker, lokaler of praktischer maken. In sommige gevallen AI expliciet toelaten en de kwaliteit van het gebruik mee beoordelen.

AI verplicht ons om beter te evalueren. Strenger in de betekenisvolle zin van het woord: scherper, eerlijker, bewuster en minder gemakzuchtig.

Misschien is dat de nuttigste les van deze hele discussie. AI heeft de fraude niet uitgevonden. Het heeft onze oude blindheid geautomatiseerd, opgeschaald en netjes in een tekstvak gezet.