Vraag tien docenten wat er met ChatGPT mag in hun vak, en je krijgt tien verschillende antwoorden. Dat is geen onwil — universiteiten worstelen oprecht met beleid dat onvindbaar, onduidelijk of onderling tegenstrijdig is. De rekening ligt bij de student, die per vak moet raden wat er geldt.
Voor ons onderzoek aan de Universiteit Leiden draaiden we het perspectief om: niet beginnen bij de regels, maar bij de student. In zeventien interviews en drie workshops — met studenten én docenten — ontwierpen we stap voor stap richtlijnen voor verantwoord GenAI-gebruik in het informatica-onderwijs.
Wat bleek te werken
- Schalen in plaats van één regel. Niet elk vak is hetzelfde. De richtlijnen kennen drie standen: verboden, toegestaan onder voorwaarden, en vrij gebruik — altijd met verificatieplicht.
- Do's en don'ts met voorbeelden. GenAI gebruiken om te leren of je productiviteit te verhogen: prima. Direct kopiëren en inleveren: niet.
- Verantwoording met reflectie. Studenten vermelden welk model ze gebruikten, waarvoor, en — cruciaal — wat ze van de output vonden. Die reflectie houdt het kritisch denken wakker dat docenten zien verdwijnen.
- Een waarom. Regels zonder rationale worden omzeild. Regels die uitleggen wat er op het spel staat, worden gedragen.
Het meest opvallende: de richtlijnen die studenten zelf voorstelden, bleken met kleine aanpassingen acceptabel voor docenten. Wie begint bij de gebruiker, hoeft minder te handhaven.
Waarom dit ook buiten de universiteit telt
Elke organisatie die met GenAI werkt, staat voor dezelfde vraag: hoe maak je regels die mensen echt volgen? Het antwoord uit ons onderzoek is steeds hetzelfde — begin bij wie ermee moet werken, maak de regels per context schaalbaar, en bouw reflectie in plaats van controle.
Het volledige artikel verscheen bij IEEE: Designing Guidelines for Responsible GenAI Usage in Computer Science Education.
Tags
- genai
- onderwijs
- onderzoek
Verwante artikelen
- Advisory
Vooruitkijken als routine: technology forecasting in de praktijk
Welke technologie verdient jouw investering — en wanneer? Ons actieonderzoek combineert text mining en scenarioplanning tot een aanpak die snel, diepgaand en herhaalbaar is.
1 min lezen
- Advisory
GenAI in 2026: tussen belofte en risico
AI-agents werken uren zelfstandig door en de kosten kelderen — maar rechtszaken om verzonnen output stapelen zich op. De stand van zaken, zonder hype en zonder angst.
2 min lezen
- Advisory
Voorbij AI: de technologie-agenda voor het mkb in 2026
Terwijl iedereen naar AI kijkt, wordt 2026 het jaar waarin compliance de digitale agenda van het mkb bepaalt — met vier deadlines die een datum hebben.
2 min lezen