Pas op de dag van hun uitslag kregen pabo-studenten van de Christelijke Hogeschool Ede (CHE) een mail: je beoordeling is uitgesteld. De reden bleek vervelend concreet. De opleiding had bij één afstudeeronderzoek ongeoorloofd AI-gebruik vastgesteld, en checkte daarop voor de zekerheid álle scripties van diezelfde lichting. Eén geval, een hele groep in de wachtkamer. Het laat zien hoe AI het afstuderen in 2026 op scherp zet.
Wat er gebeurde in Ede
De CHE stelde vorige week vast dat een pabo-student — een aankomend basisschoolleraar — kunstmatige intelligentie op een ongeoorloofde manier had ingezet voor het afstudeeronderzoek (Bron: Nationale Onderwijsgids). Om andere gevallen uit te sluiten, controleerde de hogeschool meteen alle overige scripties van die afstudeergroep extra.
Dat had een direct gevolg voor de andere studenten: hun uitslag kwam later. De vertraging bleef beperkt tot maximaal twee dagen, en de getroffen pabo-studenten zouden uiterlijk woensdag 17 juni hun resultaat horen. Herkansingen en diploma-uitreikingen liepen geen vertraging op. Belangrijk detail: de extra controle leverde géén nieuwe fraudegevallen op.
Beginner-tip:“Ongeoorloofd AI-gebruik” betekent niet dat álle AI verboden is. Het gaat om AI inzetten op een manier die de opleiding niet toestaat — bijvoorbeeld een taalmodel je onderzoek laten schrijven en dat als eigen werk inleveren. AI gebruiken om je tekst te controleren of ideeën te ordenen mag bij veel opleidingen wél, zolang je het verantwoordt.
Hoe je een scriptie eigenlijk op AI controleert
Hier zit de kern van het verhaal, en die is technischer dan “de computer zegt fraude”. Detectietools zoals Turnitin geven tegenwoordig een AI-indicatie bij ingeleverd werk, maar die indicatie is een signaal, geen bewijs. De detectie is simpelweg niet betrouwbaar genoeg om er een student definitief op te laten zakken: een eerlijk geschreven, vlotte tekst kan een vals alarm geven, en een herschreven AI-tekst kan er soms doorheen glippen. Hoe wankel die detectie precies is — inclusief de bias tegen niet-moedertaalsprekers — leggen we uit in AI-detectie zoals Turnitin werkt maar half.
Daarom kijken opleidingen naar wat eronder ligt. Ze vragen de ruwe onderzoeksdata op, de aantekeningen, de opnames van interviews. En ze laten studenten mondeling toelichten waarom ze bepaalde keuzes maakten en hoe hun methode in elkaar zit. Wie het werk echt zelf deed, heeft dat materiaal liggen en kan de vragen beantwoorden. Wie een model het zware werk liet doen, loopt daar vast. Het is dezelfde verschuiving die we eerder bij internationale opleidingen zagen, waar studenten massaal zakten en AI de schuld kreeg: take-home-opdrachten waar een taalmodel in seconden doorheen walst, meten niet langer wat iemand kan. Hoe hard dat kan uitpakken, bleek onlangs in de Ivy League: een Brown-professor zag zijn tentamengemiddelde instorten van 96 naar 48 punten zodra het tentamen weer op locatie was.
De grens tussen hulpmiddel en fraude
De CHE noemt AI-gebruik door studenten een voldongen feit in het hoger onderwijs. De hogeschool controleert daarom streng, maar praat ook met studenten over verantwoord gebruik tijdens hun studie. Dat is geen tegenstrijdigheid, het is precies de lijn die de meeste opleidingen nu trekken.
De grens loopt langs transparantie. Een model gebruiken om je gedachten te ordenen, je Engels te slijpen of feedback te krijgen op een opzet: prima, mits je het vermeldt. Wat per opleiding precies mag en hoe je het verantwoordt, zetten we op een rij in mag je AI gebruiken voor je scriptie. Een model je hele onderzoek laten schrijven en het inleveren alsof je het zelf bedacht: dat is plagiaat. En een model gegevens of bronnen laten verzinnen — iets waar taalmodellen berucht om zijn, ze produceren overtuigend klinkende hallucinaties — schuift op naar datavervalsing. Hoe makkelijk verzonnen bronnen ongemerkt blijven hangen, lieten we eerder zien rond AI-hallucinaties in de wetenschappelijke literatuur.
Gevorderden:Let op het onderscheid tussen plagiaat en datavervalsing, want de zwaarte verschilt. Een overgeschreven alinea is een integriteitsschending; verzonnen meetresultaten of niet-bestaande respondenten raken de kern van wetenschappelijk werk en wegen in examenreglementen zwaarder. Een taalmodel kan beide tegelijk veroorzaken: het schrijft de tekst én verzint de onderbouwing. Daarom is het opvragen van ruwe data zo’n effectieve check.
Waarom dit jou raakt
Misschien studeer je zelf niet, en lever je nooit een scriptie in. Toch raakt dit verhaal je. Een diploma is een belofte: deze persoon beheerst de stof. Bij de pabo gaat het nog een stap verder — dit zijn de mensen die straks jouw kinderen leren lezen en rekenen. Dat een opleiding een hele lichting tegen het licht houdt om die belofte hard te maken, is precies wat je van een diploma mag verwachten.
De bredere les zit in de manier waarop het onderwijs zich aanpast. De reflex zou kunnen zijn: AI verbieden, detectoren erop, klaar. Maar de CHE kiest een volwassener route. AI is er, studenten gebruiken het, en de echte vraag is niet óf maar hóe. Toetsvormen die om eigen redeneren vragen — een mondelinge verdediging, werk onder toezicht, het ruwe materiaal achter een betoog — worden belangrijker dan de ingeleverde tekst zelf. Niet omdat AI het vijandbeeld is, maar omdat een tekst alleen steeds minder bewijst.