Esther Bonfrer geeft Nederlands op Het Noordik in Almelo. Ze vertelde vorig jaar aan NOS Stories waarom ze haar lessen had omgegooid: “Als ze het thuis maken, gooien ze het in ChatGPT en doen ze helemaal niks. Daarom geef ik nu de opdracht in de les en dan sta ik achter in de klas.”
Dat was een onderbuikgevoel, gebaseerd op wat ze voor zich zag gebeuren. Sinds deze zomer is er een dataset die het uitrekent.
Achttien procent hoger, dertig procent sneller
Drie economen — David Strömberg, Victor Lei en Yanhui Wu — volgden dertig maanden lang 26.811 Chinese leerlingen in de klassen 7 tot en met 12. Ze konden bij iets wat in vrijwel geen enkel ander onderzoek naar dit onderwerp beschikbaar is: naast wat de leerlingen scoorden, ook hoe lang ze erover deden.
Na de overstap op AI ging het huiswerkcijfer met 18 procent omhoog. De tijd die eraan werd besteed, ging met 30 procent omlaag (Bron: CEPR).
Op zichzelf klinkt dat als winst. Betere cijfers in kortere tijd is precies wat je van een goed hulpmiddel verwacht.
En toen kwamen de toetsen
Binnen een half jaar zakten de maandelijkse toetsen — gesloten boek, geen hulpmiddelen — met 20 procent.
Bij de examens die er in China werkelijk toe doen was het erger. De toelating tot de middelbare school kwam 24 procent lager uit, het universitaire toelatingsexamen 18 procent. En die volle schade werd pas na ongeveer twee jaar zichtbaar.
| Effect na AI-adoptie | |
|---|---|
| Huiswerkcijfer | +18% |
| Huiswerktijd | −30% |
| Maandtoets (binnen 6 maanden) | −20% |
| Toelatingsexamen middelbare school | −24% |
| Toelatingsexamen universiteit | −18% |
Dat cijfer van 20 procent haalde in juli de internationale pers. Twee dingen vielen daarbij vrijwel altijd af.
Het eerste is hoe hard dit verband is. De onderzoekers vergelijken leerlingen die al met AI werkten met leerlingen die dat nog niet deden, en gebruiken daarvoor dat niet iedereen op hetzelfde moment overstapte. Dat is een serieuze opzet, maar het is geen loting. De aanname eronder is dat het moment waarop een leerling met AI begint niets te maken heeft met een verandering in hoe die leerling ervoor stond. Grijpt iemand juist naar een chatbot wanneer het even tegenzit, dan meet je deels dat probleem in plaats van het effect van de chatbot. Dat de huiswerkcijfers tegelijk juist stegen pleit tegen de simpelste variant van dat bezwaar, en de auteurs vangen een deel op met leerling- en tijdseffecten. Waterdicht is het niet.
Reken dus met een sterk verband en een aannemelijke verklaring, niet met een bewezen oorzaak. Het is bovendien een CEPR discussion paper van 2 juni 2026, nog niet door peer review heen.
Het tweede dat afviel, staat in de samenvatting van het paper zelf.
De uitzondering die de regel verklaart
“AI users who maintain similar homework completion time as non-AI users experience small learning losses.” Wie AI gebruikt maar er evenveel tijd in blijft steken, verliest weinig.
Dat is geen voetnoot maar de verklaring. De leerverliezen zitten geconcentreerd bij ongeveer 80 procent van de AI-gebruikers, en die groep is aan één signatuur te herkennen: uitzonderlijk korte huiswerktijd, gecombineerd met hoge huiswerkcijfers. In gewone taal is dat uitbesteden.
De andere 20 procent gebruikte dezelfde chatbots. Zij lieten alleen de tijd staan. Vroegen om uitleg in plaats van om het antwoord, controleerden hun eigen werk, liepen een tweede keer door de stof. Voor hen is de rekening klein.
Beginner-tipEr bestaat geen vaste grens waaronder het mis is. Het gaat om de verandering ten opzichte van hoe je kind normaal werkt. Deed hij er altijd zeventig minuten over en nu twintig, dan is dat een signaal — ook als het cijfer een negen is. Wie van huis uit snel werkt, doet gewoon wat hij altijd al deed.
Waarom juist de goede leerlingen het hardst worden geraakt
De verliezen zijn het grootst bij sociale wetenschappen, daarna bij de bètavakken, en het kleinst bij talen. Naar type leerling zijn ze extra groot bij jongere leerlingen, bij jongens, en — dit is de opvallendste — bij hoogpresteerders.
Je zou het omgekeerde verwachten. De leerling die het al snapt, loopt toch het minste risico?
Denk het door en het klopt wel. Wie doorgaans achten en negens haalt, heeft van uitbesteden op de korte termijn niets te duchten. Het huiswerk was al goed, het cijfer blijft goed, niemand vraagt iets. Er is geen enkel moment waarop het misgaat. Bij een leerling die worstelt komt de correctie vanzelf, want bij de eerstvolgende toets is het zichtbaar. De hoogpresteerder merkt het pas bij het examen, twee jaar later, als er niets meer aan te doen is.
Nog een kanttekening: het Chinese voortgezet onderwijs is het onze niet. Een stelsel dat op een handvol examens draait met enorme gevolgen, met een huiswerklast die hier ongekend is. De prikkel om te versnellen is daar simpelweg groter.
Waar dezelfde chatbot wél leerwinst oplevert
Er is onderzoek dat de andere kant op wijst, en dat hoort erbij.
Datzelfde jaar verscheen in PNAS een gerandomiseerd experiment onder bijna duizend Turkse scholieren, die bij wiskunde toegang kregen tot GPT-4. Met de kale chatbot schoten de prestaties omhoog met 48 procent — en zakten ze 17 procent onder de controlegroep zodra de AI wegviel. Precies het patroon van de Chinese cijfers.
Maar de onderzoekers testten een tweede variant: dezelfde technologie, ingericht als tutor die niet zomaar antwoorden geeft maar de leerling door de stof loodst. Die groep presteerde beter tijdens het gebruik én liet het negatieve effect achteraf niet zien.
Aan Harvard ging het nog een stap verder. In een gerandomiseerd experiment onder 194 natuurkundestudenten leverde een speciaal ontworpen AI-tutor méér leerwinst op in minder tijd dan klassikaal actief leren — dat zelf al als de sterkste onderwijsvorm geldt. De auteurs benadrukken dat hun tutor volgens dezelfde onderwijskundige principes was gebouwd als de les, en contrasteren dat expliciet met eerder werk waarin ongestuurd chatbotgebruik weinig opleverde.
Twee experimenten, dezelfde conclusie: de uitkomst hangt niet aan het gereedschap maar aan de inrichting. Uitleg vragen, feedback krijgen, oefenvragen maken en je eigen redenering laten controleren zijn iets anders dan een antwoord ophalen. De Chinese data laten zien wat er gebeurt als de tweede vorm domineert; de Turkse en Amerikaanse laten zien dat de eerste bestaat.
Dat verplaatst de vraag. Niet: gebruikt mijn kind AI. Wel: kan het de stof daarna zelf uitleggen en toepassen.
Wat er in Nederland al gebeurde
De praktische conclusie was hier al getrokken voordat deze data er lag.
In april 2025 deed NOS Stories een rondgang langs tientallen scholen. Van de ruim 1.300 scholieren die reageerden gaven meer dan duizend aan AI te gebruiken voor school; bijna 500 wekelijks, ruim 300 dagelijks. Scholen bleken hun opdrachten aan te passen: verslagen in de klas, mondelinge overhoringen naast het schriftelijke werk (Bron: NOS).
Dat is precies de interventie die uit de Chinese cijfers volgt. Het gereedschap niet verbieden, maar de tijd op de taak beschermen.
Fijke Hoogendijk van de VO-raad wees in datzelfde stuk op waarom de andere route niet werkt: plagiaatscanners zijn te omzeilen, en ze beschuldigen soms de verkeerde. Scholierenorganisatie LAKS zei liever te zien dat scholen de vorm van opdrachten aanpassen dan dat leerlingen ten onrechte worden aangewezen. Hoe onbetrouwbaar die detectie is, zetten we eerder op een rij in ons stuk over AI-detectie en toetsing.
Wat je hiermee kunt
Ben je ouder, dan levert “heb je je huiswerk af?” minder op dan die vraag ooit deed. “Hoe lang deed je erover?” is informatiever. En de vervolgvraag die er echt toe doet is of je kind het nog een keer kan uitleggen zonder scherm erbij.
Geef je les, dan is de doorlooptijd een bruikbaarder signaal dan welke AI-detector ook, en bovendien niet te omzeilen zonder daadwerkelijk te werken. Een deel van het werk terug de klas in halen doet meer dan een beleidsdocument.
En leer je zelf iets, op welke leeftijd dan ook: het onderscheid dat deze studie blootlegt gaat niet over AI of geen AI. Het gaat over wel of niet zelf door de stof heen. Vraag om uitleg, niet om het antwoord. Laat de tijd staan.
Toen we eerder het bredere onderzoek naar vaardigheidsverlies op een rij zetten, kwam daar hetzelfde uit: vaardigheid die je niet oefent verdwijnt, en AI maakt niet-oefenen aantrekkelijk. Deze studie is daarvan de grootste waarneming tot nu toe — en tegelijk een aanwijzing dat het niet vanzelf gaat. Die 20 procent die de klok liet staan, kwam er goed doorheen.
Esther Bonfrer stond achter in de klas omdat ze zag wat er thuis gebeurde. Dertigduizend Chinese leerlingen later weten we hoe duur dat kan uitpakken, en waar precies je op moet letten.