De leerparadox

01

Waarom dit, waarom nu

Ergens in Nederland zit vanmiddag een docent voor een klas waarin vrijwel iedereen generatieve AI gebruikt bij het huiswerk. Ze weet dat. Haar leerlingen weten dat zij het weet. Er is geen schoolbeleid dat zegt wat wel en niet mag, en er is voor zover zij weet ook niemand mee bezig. Dus beslist ze het zelf, per opdracht, en meestal in stilte.

Dat is geen anekdote maar de Nederlandse standaardsituatie. Onderzoek in het funderend onderwijs zet het gebruik onder scholieren rond de negentig procent en het aandeel scholen met vastgelegd AI-beleid rond de tien. Een kwart van de ondervraagden zegt dat de school er ook niet aan werkt. Het wordt gedoogd en niet besproken, en daarmee komt de zwaarste onderwijskundige keuze van dit decennium bij de individuele docent te liggen, zonder mandaat en zonder tijd.

Dit dossier gaat over wat die keuze feitelijk inhoudt. In 2025 en 2026 hield het bewijs over AI en leren op anekdotisch te zijn en werd het groot, gecontroleerd en opvallend eenduidig. Wij lezen de uitkomst niet als goed of slecht voor leren. Wij lezen haar zo: AI versterkt wat een mens ermee gevraagd wordt te doen, en de richting daarvan is een ontwerpkeuze.

Wij publiceerden hier in juli een eerste versie van. Deze editie verandert twee dingen. Het nieuwere onderzoek verfijnt de kernvariabele, en dat is praktisch bruikbaar. En er staat nu een eerlijke tegenwerping in. Elk ander dossier in deze reeks heeft een hoofdstuk dat het eigen betoog ondermijnt; dit had dat niet, en de sterkste versie ervan staat in hoofdstuk 9.

02

Inhoud

1. De paradox in twee onderzoeken

2. Het goede geval: een tutor die de klas verslaat

3. De kruk: de cijfers omhoog, het leren omlaag

4. Cognitieve schuld, en het onderzoek dat te vaak wordt aangehaald

5. Wat het nieuwere werk verfijnt

6. Nooit-geleerd

7. Het houdt niet op bij school

8. Het toetsprobleem

9. Waar wij het mis kunnen hebben

10. Wat dit betekent voor een Nederlandse school en een Nederlands bedrijf

11. Verantwoording en bronnen

03

1. De paradox in twee onderzoeken

Twee van de zorgvuldigste onderzoeken naar AI en leren uit de afgelopen twee jaar komen tot tegengestelde conclusies. Ze hebben allebei gelijk, en wij denken dat ze naast elkaar leggen de enige manier is om te zien wat er gebeurt.

In het ene leerden studenten met een goed gebouwde AI-tutor ruim twee keer zoveel als in een levendige, activerende les, en in minder tijd. In het andere zagen scholieren die AI bij hun huiswerk gebruikten hun examencijfers dalen terwijl hun huiswerkcijfers stegen. De techniek was dezelfde. De uitkomst kantelde op de vraag of de leerling het denkwerk zelf bleef doen of het uit handen gaf.

Houd die twee tegelijk vast en de discussie over goed of slecht voor leren lost op. AI is een versterker. Richt hem op inspanning en hij vermenigvuldigt het leren. Richt hem op het vermijden van inspanning en hij vermenigvuldigt de vermijding.

04

2. Het goede geval: een tutor die de klas verslaat

Eerst het goede nieuws, want het is echt goed en het raakt makkelijk zoek in de somberheid.

Gregory Kestin en collega's aan Harvard rapporteren in Scientific Reports van juni 2025 een gerandomiseerd onderzoek in een echte natuurkundecursus, met 194 studenten. Elke student kreeg allebei de vormen aangeboden, een AI-tutor en een goed gegeven activerende les, op verschillende onderwerpen. Op de toets erna scoorden studenten na de AI-tutor ongeveer 30 procent hoger, en ze leerden ruim twee keer zoveel in minder tijd.

Het detail dat telt is waaróm. Die tutor was geen chatbot met de opdracht om te helpen. Hij was gebouwd op decennia leerwetenschap: hij liet studenten eerst zelf een antwoord proberen voordat hij iets prijsgaf, gaf feedback in kleine stappen, en hield ze aan het ophalen en uitleggen in plaats van aan het lezen. Hij maakte wat psychologen wenselijke moeilijkheid noemen, de productieve worsteling die geheugen bouwt. De AI haalde de inspanning niet weg. Hij richtte haar.

De les is smaller dan "AI-tutors zijn goed". Wat werkt is een AI die is gebouwd om je te laten denken. Wat faalt is een AI die is gebouwd om je het denken te besparen. Onder de Harvard-tutor en onder het huiswerkhulpje uit het volgende hoofdstuk zit hetzelfde model, en dat is precies het punt.

05

3. De kruk: de cijfers omhoog, het leren omlaag

Nu de andere kant, op schaal.

Economen bij CEPR rapporteren dat ze 26.811 Chinese middelbare scholieren dertig maanden hebben gevolgd terwijl generatieve AI hun huiswerk binnendrong. De kop zag eruit als een succes: de huiswerkcijfers stegen met ongeveer 18 procent en de huiswerktijd daalde met 30.

Toen kwamen de examens. Binnen zes maanden waren de maandelijkse toetscijfers met zo'n 20 procent gedaald. De cijfers voor het toelatingsexamen zakten met 18 tot 24 procent, en de volle omvang werd pas na ongeveer twee jaar zichtbaar. De grootste verliezen zaten bij de leerlingen bij wie je ze het minst verwacht: de goede en de jongere.

Het mechanisme staat in de gegevens. Ongeveer 80 procent van de AI-gebruikers vertoonde het patroon van uitbesteden: heel korte huiswerktijd bij hoge huiswerkcijfers. Het huiswerk werd gemaakt en het leren dat het moest opleveren gebeurde niet. De doorslaggevende aanwijzing: leerlingen die hun huiswerktijd op peil hielden, en daarmee de inspanning, verloren vrijwel niets.

Wij vinden het de moeite om de rekensom hardop te maken, want de ruil wordt pas zichtbaar als de drie getallen op één regel staan. De huiswerktijd daalde met 30 procent. De huiswerkcijfers stegen met 18. De examencijfers daalden met 18 tot 24. Bij een weekbelasting van pakweg tien uur huiswerk is de besparing drie uur per week. Wat die drie uur kostten was, aan de bovenkant van de bandbreedte, een vijfde tot een kwart van het examen dat bepaalt naar welke opleiding een zeventienjarige gaat. Zo geformuleerd zou vrijwel niemand die ruil maken. Zoals hij werd beleefd, een avond die eerder klaar was en een cijfer dat omhoogging, maakte vrijwel iedereen hem.

Dat gat tussen hoe een beslissing voelt en wat ze kost, is de reden dat dit een ontwerpprobleem is en geen tuchtprobleem. Niemand in die steekproef koos voor slechtere examencijfers. Ze kozen voor een kortere avond, telkens opnieuw, en het gevolg was twee jaar lang onzichtbaar.

Twee dingen over dit onderzoek horen er nuchter bij, want het draagt veel gewicht in dit dossier. Het is een werkdocument en geen door vakgenoten beoordeelde publicatie. En het is observationeel: het AI-gebruik is niet toegewezen, dus leerlingen die kozen voor uitbesteden kunnen op manieren verschillen die de controles niet volledig vangen. De vertraging van twee jaar en het dosis-effectpatroon maken de causale lezing aannemelijk. Ze maken haar niet zeker.

06

4. Cognitieve schuld, en het onderzoek dat te vaak wordt aangehaald

Waar het Chinese onderzoek de uitkomst mat, keek een experiment van het MIT Media Lab naar het mechanisme in de schedel.

Vierenvijftig mensen schreven essays met een EEG-kap op, verdeeld over drie groepen: eentje gebruikte ChatGPT, eentje een zoekmachine, eentje alleen het eigen hoofd. De schrijvers zonder hulpmiddel lieten de sterkste en best verbonden hersenactiviteit zien. De zoekmachinegebruikers minder. De ChatGPT-gebruikers het minst.

Het opvallendste resultaat waren niet de hersengolven maar het geheugen. Meer dan acht op de tien ChatGPT-gebruikers konden geen enkele zin citeren uit het essay dat ze net af hadden. Ze hadden de tekst geproduceerd zonder hem op te slaan. De onderzoekers noemden dat patroon cognitieve schuld.

En hier hoort meteen het voorbehoud, want dit is het meest aangehaalde en tegelijk zwakste bewijsstuk in dit hele veld. Vierenvijftig deelnemers over drie condities zijn achttien mensen per groep, in één sessie, in een laboratorium, en het is een voorpublicatie. Ethan Mollick, die bepaald geen scepticus is over de risico's van AI, publiceerde in juli 2025 een rechtstreekse weerlegging onder de titel "Against Brain Damage", met het argument dat het onderzoek veel verder wordt gelezen dan het kan dragen.

Ik ben nagegaan hoe dat resultaat bij ons terechtkwam, en het spoor is kort: een pakkende bevinding, een opvallend cijfer over geheugen, en een term, cognitieve schuld, die goed genoeg klinkt om zonder steekproefomvang te reizen. Wij hebben op geen enkel moment naar die achttien mensen per groep gekeken en ons afgevraagd of dat een uitspraak draagt over wat een technologie met menselijke cognitie doet. Dat doet het niet. Wij beoordeelden deze bron in juli als middelhoog en in de verantwoording achterin staat ze nu als laag tot middel. Dat is een correctie en geen nieuwe informatie: er is niets aan het onderzoek veranderd, alleen aan onze lezing ervan.

07

5. Wat het nieuwere werk verfijnt

Onze regel uit juli luidde "inspanning is de variabele". Het werk dat sindsdien is verschenen laat zien dat wij dichtbij zaten en net te grof waren, en de verfijning is bruikbaar.

Een longitudinale analyse van hoe studenten hun opdrachten formuleren vindt dat de scheidslijn niet zozeer ligt bij hoeveel inspanning iemand levert, maar bij welke denkbewerking hij op de uitvoer van het model uitvoert. Studenten die actief beoordelen en aanvullen wat de AI produceert presteren beter dan studenten die het aannemen. Het model gebruiken als informatiebron, het oordeel eraan overlaten en in de lagere denkbewerkingen blijven hangen, hangen alle drie samen met zwakkere prestaties. Twee studenten kunnen hetzelfde uur met hetzelfde gereedschap doorbrengen en op een andere plek uitkomen, afhankelijk van de vraag of dat uur werd besteed aan voortbrengen of aan beoordelen.

Dat sluit aan op de bevinding uit ons dossier over wat menselijk blijft, namelijk dat de schaarse menselijke vaardigheid het instaan is en niet het produceren, langs een volstrekt andere literatuur bereikt. Wanneer onderwijsonderzoek en uitrolgegevens uit het bedrijfsleven op hetzelfde punt uitkomen, is dat meer waard dan elk van de twee apart.

Voordat we verdergaan willen wij de bewijsbasis op omvang sorteren, want het debat behandelt deze onderzoeken als uitwisselbaar en dat zijn ze niet. Het Chinese resultaat rust op 26.811 leerlingen over dertig maanden. Het Harvard-resultaat rust op 194 studenten in een opzet waarin elke student zijn eigen controlegroep is, wat per hoofd veel zeggingskracht oplevert. Het MIT-resultaat rust op 54 mensen, 18 per conditie, in één sessie. De bevinding over radiologen is één onderzoek op één plek met een effect van 6 procent na drie maanden.

Eén onderzoek in dit dossier is groot genoeg om een subtiel effect in een rommelige praktijk te zien, één heeft een opzet die strak genoeg is om een groot effect in een gecontroleerde omgeving te vertrouwen, en de rest zijn vroege signalen. Wij laten die volgorde bepalen hoeveel gewicht elk cijfer krijgt, en in juli deden wij dat niet.

Een tweede spoor herhaalt het Chinese resultaat in een gecontroleerde opzet: een artikel uit 2026 over wiskundeopgaven meldt dezelfde vorm in het klein, sneller klaar en minder geleerd in dezelfde adem. Een derde spoor is stilletjes het belangrijkste, omdat het dit van een discussie in een meting verandert. Onderzoekers stellen instrumenten voor die de mate van leunen op AI rechtstreeks scoren, waaronder een score die iemands werkelijke werkwijze afzet tegen een variant zonder het hulpmiddel. Een school of werkgever die uitbesteden kan meten kan het sturen. Wie dat niet kan, gokt.

08

6. Nooit-geleerd

Er is een variant hiervan die erger is dan vergeten, omdat er nooit iets te vergeten viel.

In juli 2026 gaf een artikel in Nature Medicine er een naam aan. Naast het bekende verlies van vaardigheid door onbruik, en naast het overnemen van een zelfverzekerde fout van een model als feit, staat het geval waarin een vaardigheid zich helemaal nooit vormt. Een arts in opleiding laat het model elke keer de eerste diagnose stellen en bouwt de redenering daardoor nooit op, omdat de AI het denkwerk deed in precies het venster waarin die vaardigheid had moeten ontstaan.

De auteurs zijn voorzichtig en wij ook. Rechtstreeks bewijs uit de opleidingspraktijk is dun, en het argument steunt op gevestigde leertheorie plus vroege signalen uit aangrenzende vakgebieden. Anthropic publiceerde in mei 2026 eigen onderzoek naar hoe AI-ondersteuning de vorming van programmeervaardigheid beïnvloedt, en dat is vooral opvallend omdat een voorhoedelaboratorium besloot hier überhaupt over te publiceren.

De reden dat dit buiten de geneeskunde telt, is dat de logica algemeen is. Elk vak heeft een vormend venster, de eerste jaren waarin oordeelsvermogen ontstaat door het saaie, moeilijke voorwerk zelf te doen. Geef dat werk in zijn geheel aan een machine en je hebt vandaag productie en over tien jaar geen vakmensen.

09

7. Het houdt niet op bij school

Het zou comfortabel zijn dit onder onderwijs te archiveren. Het bewijs uit de werkvloer zegt iets anders.

Shaw en Nave van Wharton beschrijven in 2026 wat zij cognitieve overgave noemen: beroepskrachten die de uitvoer van een model met minimale toetsing overnemen en daarbij zowel hun intuïtie als hun afweging opzijzetten. Het gevolg was een scherpe asymmetrie. Had de AI gelijk, dan presteerden ze beter dan alleen. Had de AI ongelijk, dan presteerden ze slechter dan mensen zonder AI, omdat ze waren gestopt met controleren.

De klinische versie is het concreetst. Eén onderzoek meldt dat het vermogen van artsen om zonder AI een tumor te herkennen drie maanden na invoering met ongeveer 6 procent was gedaald. De vaardigheid verdween niet, ze sleet door onbruik, precies zoals de theorie voorspelt. Gerlich van SBS Swiss Business School rapporteert het zwaarste leunen, en de laagste scores op kritisch denken, bij de jongste werkenden, degenen die het oordeelsvermogen nog aan het vormen zijn waar ze de komende veertig jaar op terugvallen.

Het resultaat in het klaslokaal en het resultaat op kantoor zijn hetzelfde resultaat.

10

8. Het toetsprobleem

Eén slachtoffer verdient een eigen hoofdstuk, want het breekt een instrument waar elke organisatie op leunt.

Kan AI het essay, het verslag, de casusuitwerking of de codebeoordeling produceren, dan bewijzen die stukken niet langer dat iemand het kan. De uitvoer hield op bewijs van de vaardigheid te zijn. Scholen ontdekten dat als eerste, met het einde van het werkstuk voor thuis. Elk bedrijf dat mensen beoordeelt op wat ze inleveren staat dat te wachten.

Verbieden werkt nooit en doen alsof er niets veranderd is werkt slechter. Het antwoord dat wij zouden bouwen brengt de beoordeling terug naar waar het denken zichtbaar is: samen een probleem oplossen, een beslissing hardop uitleggen, een redenering verdedigen, het werk in de ruimte doen. Dat kost meer moeite om te organiseren, en het is de enige vorm van toetsing die AI niet stilletjes voor de kandidaat kan afmaken.

In Nederland gebeurt dit al, en niet vanuit beleid maar vanuit noodzaak: scholen verschuiven naar mondelinge, klassikale en procesgerichte beoordeling omdat het alternatief niet meer werkt. Wij vinden dat de goede richting, en het is ook precies het soort verandering dat zonder schoolbrede afspraak op individuele docenten neerkomt, met alle verschillen tussen klassen die daarbij horen. Een leerling die bij de ene docent zijn redenering moet verdedigen en bij de andere een tekst inlevert, leert twee verschillende dingen over wat er van hem verwacht wordt.

11

9. Waar wij het mis kunnen hebben

Elk ander dossier in deze reeks heeft een hoofdstuk dat het eigen betoog ondermijnt. Dit had dat niet, en dat had wel gemoeten, want de tegenwerping is sterker dan de julieditie toeliet.

Het meest aangehaalde onderzoek is het zwakste. Dat staat in hoofdstuk 4 en wij hebben eraan meegedaan.

Uitbesteden is niet nieuw, en niet altijd slecht. Schrift besteedde geheugen uit. De rekenmachine besteedde hoofdrekenen uit. Navigatie besteedde routekennis uit, en wij accepteren dat de meeste mensen een echte vaardigheid inruilden voor een echt gemak en niet terug zouden willen. De vraag die wij zouden stellen is niet of een vaardigheid sleet, maar of de gesleten vaardigheid er nog toe doet, en voor een flink deel van wat AI overneemt zal het antwoord nee zijn. Een dossier dat elk geval van uitbesteden als verlies behandelt, smokkelt een waardeoordeel binnen dat beargumenteerd hoort te worden.

De vergelijkingsgroep vleit meestal. Onderzoeken zetten leren met AI af tegen goed onderwijs. Veel echt onderwijs is geen goed onderwijs, en voor een leerling wiens alternatief geen hulp is, kan een middelmatige AI-tutor gewoon winst zijn. Het Harvard-resultaat kwam bovendien van een speciaal gebouwde tutor met vakkennis erachter, en dat is niet wat de meeste leerlingen tegenkomen.

En de causale keten heeft een zwakke schakel. Het Chinese onderzoek is observationeel, het artikel over nooit-geleerd is een conceptartikel waarvan de auteurs zelf zeggen dat het klinische bewijs beperkt is, en de bevinding over radiologen is één resultaat op één plek. De richting van het bewijs is consistent, en daarom houden wij het betoog staande. De losse onderdelen zijn zwakker dan het patroon dat ze vormen.

Wat dat alles overleeft: het dosis-effectverband uit het Chinese onderzoek, waarin leerlingen die hun inspanning vasthielden hun cijfers vasthielden, is moeilijk anders te verklaren, en dat is de dragende bevinding van dit dossier.

12

10. Wat dit betekent voor een Nederlandse school en een Nederlands bedrijf

Terug naar de docent uit de opening, want wij denken dat haar situatie oplosbaar is en dat het antwoord geen verbod is.

Het gat tussen negentig procent gebruik en tien procent beleid is geen achterstand die vanzelf wordt ingelopen. Het is een keuze die niemand expliciet maakt, en de gevolgen ervan komen volgens hoofdstuk 3 pas na ongeveer twee jaar boven water, wat langer is dan de meeste beleidscycli. Er is inmiddels wel steun onderweg: er ligt sinds april een toetsingskader dat scholen helpt bepalen wanneer een AI-toepassing onder de Europese AI-verordening valt, en het kabinet stuurt dit najaar een plan over digitalisering in het funderend onderwijs naar de Kamer. Dat regelt de juridische kant. Het regelt niet de onderwijskundige vraag welke inspanning je beschermt, en die vraag is de eigenlijke.

Voor een school zouden wij het terugbrengen tot één afspraak die schoolbreed is en niet per docent: welk denkwerk blijft van de leerling. Niet welk gereedschap verboden is, want dat is niet handhaafbaar en het verschuift alleen naar de telefoon. Wel welke bewerkingen de leerling zelf uitvoert, en hoe je dat toetst op een manier die zichtbaar maakt of dat gebeurd is.

Ik heb geprobeerd te achterhalen of er Nederlands onderzoek bestaat dat het Chinese effect hier nameet, want dat zou de discussie op slag concreter maken. Ik heb het niet gevonden. Dat is een uitspraak over mijn zoekactie en niet over het bestaan ervan: ik heb gezocht in Nederlandstalige onderwijsbronnen en bij de gebruikelijke kennisinstellingen, en ik kwam wel beleidsstukken, handreikingen en gebruikscijfers tegen, maar geen studie die leerprestaties over meerdere jaren volgt bij leerlingen die AI gebruiken en leerlingen die dat niet doen. Als die er is, horen wij het graag. Zolang die er niet is, importeert Nederland zijn bewijs, en dat is voor een onderwijsstelsel dat structureel anders werkt dan het Chinese een wankeler fundament dan het lijkt. Het Chinese onderzoek meet leerlingen in een stelsel met één zwaar toelatingsexamen en een intensieve huiswerkcultuur. Het Nederlandse voortgezet onderwijs kent dat examen niet in die vorm en die huiswerklast evenmin, en het is niet vanzelfsprekend dat een effect van deze omvang zich laat overzetten.

Wij lezen dat niet als een pleidooi om af te wachten. Het pleit ervoor dat een school die dit serieus neemt haar eigen kleine meting doet, en dat is goedkoper dan het klinkt: leg over twee jaar de ontwikkeling van huiswerkcijfers naast die van toetscijfers zonder hulpmiddelen, per klas. Loopt het eerste omhoog terwijl het tweede stagneert of daalt, dan heb je het patroon uit hoofdstuk 3 in je eigen gebouw. Dat is precies het soort meting waarvoor je geen onderzoeksbudget nodig hebt, alleen de bereidheid om twee cijferreeksen te blijven vergelijken die de meeste scholen nu apart bekijken.

Voor een bedrijf geldt dezelfde vraag met andere woorden. Elke leidinggevende die AI uitrolt doet het Chinese experiment op de eigen mensen, of hij dat nu bedoelt of niet. Geef analisten een hulpmiddel dat de analyse schrijft en je hebt nu snellere rapporten en over twee jaar analisten die niet meer kunnen analyseren. Geef ze een hulpmiddel dat hun denken op de proef stelt en je hebt de snelheid én scherpere mensen. Het verschil komt niet terug in de cijfers van dit kwartaal.

Wat wij ongemakkelijk vinden is dat de weg die vaardigheid afbreekt op de korte termijn beter oogt. Hij is goedkoper, hij is sneller, en alle meetwaarden verbeteren, tot precies het vermogen dat je stilletjes niet meer opbouwde het vermogen is dat je nodig hebt. Merk op dat de Chinese vertraging van twee jaar langer is dan de meeste mensen in een functie blijven. Wie deze beslissing neemt, is meestal niet degene die haar betaalt.

Wij zouden daarom in elk serieus AI-invoeringsplan een vaardighedenthese zetten: welke vermogens in deze organisatie sterker moeten worden en niet alleen sneller, en hoe de hulpmiddelen zijn ingericht om dat te bouwen. Dat is een veranderkundige vraag, en het is de vraag die de meeste uitrollen nooit stellen.

Onze kern in één regel: gebruik AI om de inspanning te schrappen die niets leert, en bescherm de inspanning die alles leert.

13

11. Verantwoording en bronnen

Dit dossier steunt op webonderzoek en een persoonlijk archief van meer dan 15.000 bronnen. Onderstaande tabel geeft per claim het vertrouwen en de voorbehouden. Grafieken houden Engelse labels, ook in deze editie.

De ingekaderde figuur komt uit openbaar geplaatst materiaal, in het bijschrift toegeschreven aan de oorspronkelijke bron. Grafieken met het label "BFF" zijn van ons.