Aan de University of California, Berkeley — een van de bekendste informatica-opleidingen ter wereld — zakte dit voorjaar een ongekend aantal studenten voor de instapvakken. In CS 10 haalde 35,3% een onvoldoende, in CS 61A 10,6%. In de twee jaar daarvoor bleef dat percentage onder de 10. Docenten wijzen naar een combinatie van AI, weggezakte wiskunde en personeelstekort. Het verhaal zegt iets over hoe AI het leren verandert — ook buiten Californië.
Wat er precies gebeurde
De cijfers komen uit Berkeleytime, het cijferarchief van de universiteit, en werden naar buiten gebracht door studentenkrant The Daily Californian. Voor CS 10 — een vak dat juist is ontworpen voor beginners — kreeg meer dan een op de drie studenten een F. De faculteitsrichtlijn gaat uit van ongeveer 7% onvoldoendes in lagere jaarvakken. De werkelijkheid lag daar dit voorjaar ver boven (Bron: The Daily Californian).
Het bleef niet bij de instapvakken. In EECS 127, een hoger optimalisatievak van associate teaching professor Gireeja Ranade, lag het zakcijfer op 16,8% — ruim drie keer de gebruikelijke norm van zo’n 5% voor gevorderde vakken (Bron: The Daily Californian).
AI als belangrijkste verdachte
Teaching professor Dan Garcia is uitgesproken: de “belangrijkste oorzaak” van de abnormaal hoge zakcijfers is volgens hem een “enorme toename van academische oneerlijkheid” door het gebruik van grote taalmodellen — hij noemt expliciet Claude, ChatGPT en Google Gemini. In CS 10 werden bijna dertig studenten betrapt op spieken bij take-home-tentamens (Bron: The Daily Californian).
De logica is wrang maar simpel. Een model dat in seconden een werkende oplossing levert, helpt een student door de opdracht — maar niet door het tentamen waar diezelfde stof gevraagd wordt zónder hulpmiddel. Wie de denkstappen overslaat tijdens het oefenen, mist ze als het erop aankomt.
Beginner-tip:AI is geen valsspeelmachine of wondermiddel — het is een gereedschap dat je leerproces kan versnellen óf ondermijnen, afhankelijk van hoe je het inzet. Laat het je eigen code uitleggen of je fout opsporen, in plaats van het antwoord te laten invullen. Hoe je dat als beginner aanpakt, lees je inAI-geletterdheid regelen zonder dure cursus.
Het is niet alleen AI
Garcia en zijn collega’s noemen nadrukkelijk meer dan één oorzaak. Naast het spieken speelt een weggezakte wiskundige basis bij instromers, en een tekort aan onderwijsstaf. Ranade moest door personeelsgebrek zelfs een onderdeel van haar vak schrappen waar studenten doorgaans hoog op scoorden — wat het gemiddelde verder onder druk zette.
Die nuance is belangrijk. AI is hier geen losse boosdoener die uit het niets opduikt, maar een versneller van een bredere ontwikkeling: studenten die met minder voorbereiding binnenkomen, in grotere groepen, met een gereedschap dat het makkelijk maakt om de moeilijke stukken te ontwijken.
Gevorderden:Let op het meetprobleem dat hieronder schuilt. Het zakcijfer meet niet alleen “kennen studenten de stof”, maar ook “meet de toetsvorm nog wat hij bedoelt te meten”. Een take-home-opdracht die vóór 2023 een prima proxy was voor begrip, is dat in het tijdperk van capabele coding-assistenten niet meer. Een deel van de “stijging” is dus een correctie: docenten zien nu pas wat eerder verborgen bleef. Zie ook ons overzicht van debeste AI-coding-assistenten van 2026.
De reactie: terug naar gestandaardiseerde toetsen
Zowel Garcia als Ranade behoren tot meer dan 1.300 UC-docenten die een petitie tekenden om SAT- en ACT-toetsscores terug te brengen bij de toelating voor STEM-studies. De bijbehorende open brief beschrijft soortgelijke zorgen over de wiskundige voorbereiding van instromers (Bron: The Daily Californian). De UC schafte het verplichte gebruik van die toetsen eerder af; de docenten willen ze terug als signaal van basisvaardigheid.
Of dat de oplossing is, is omstreden. Maar de onderliggende vraag is universeel: hoe toets je vaardigheid in een wereld waarin een machine de uitkomst kan leveren?
Wat dit voor Nederland betekent
Nederlandse opleidingen staan voor precies dezelfde vraag. De les uit Berkeley is niet “verbied AI” — dat lukt toch niet — maar “pas je toetsing aan”. Opdrachten die een model in één prompt oplost, meten niet langer wat een student kan. Mondelinge toetsing, programmeren onder toezicht en opdrachten die om eigen redeneren en uitleg vragen, worden waardevoller. En de Berkeley-docenten leggen de vinger op iets wat los staat van AI: zonder stevige wiskundige basis loopt een student vast op een punt waar geen enkel taalmodel overheen compenseert.
Voor wie zelf leert programmeren met AI als hulp, geldt de kern net zo goed: gebruik het als oefenpartner die je dwingt te begrijpen, niet als antwoordautomaat die je het begrijpen bespaart. Dat sluit aan op wat we eerder schreven over hoe je AI menselijk en verantwoord houdt, en op de persoonlijke reis met AI leren werken.
Samenvatting — de 5-minuten-versie
- Aan UC Berkeley zakte dit voorjaar 35,3% van de CS 10-studenten en 10,6% van CS 61A — historisch hoog, tegen minder dan 10% in eerdere jaren.
- De faculteitsrichtlijn rekent op zo’n 7% onvoldoendes in instapvakken; ook gevorderd vak EECS 127 schoot met 16,8% ver boven de norm.
- Docent Dan Garcia noemt spieken met taalmodellen (Claude, ChatGPT, Gemini) de belangrijkste oorzaak; bijna 30 studenten werden op één vak betrapt.
- Ook weggezakte wiskunde en personeelstekort spelen mee — AI versnelt een bredere trend, het veroorzaakt hem niet alleen.
- Meer dan 1.300 docenten willen SAT/ACT terug bij STEM-toelating; voor opleidingen én zelflerenden is de les: pas toetsing en gebruik aan.