Studenten willen AI als leerhulp, maar vrezen afhankelijkheid

Inside Higher Ed publiceerde op 11 juni 2026 nieuwe Student Voice-data over AI in het hoger onderwijs. De uitkomst is genuanceerd: studenten gebruiken AI steeds vaker als leerhulp, maar maken zich tegelijk zorgen over afhankelijkheid, hun toekomstige loopbaan en de wisselende manier waarop opleidingen ermee omgaan.

Voor onderwijsprofessionals in Nederland en Belgie is dit relevant voor MBO, HBO en WO. Ook hier schuift AI op van losse studietool naar een structurele vraag voor curriculum, toetsing, studiebegeleiding en beroepsvoorbereiding.

Wat de peiling laat zien

De flash survey werd in mei uitgevoerd onder 1.038 studenten van 203 instellingen. Volgens Inside Higher Ed is het beeld niet simpelweg pro of contra AI:

• ongeveer vier op de tien studenten maken zich expliciet zorgen over afhankelijkheid van AI-tools;
• zes op de tien zien de grootste waarde van AI juist in leerondersteuning;
• 55 procent verwacht dat AI negatieve gevolgen kan hebben voor hun loopbaanperspectief;
• slechts een op de tien vindt dat de eigen instelling zeer goed en proactief met AI omgaat;
• de meest genoemde wensen zijn: studenten leren AI effectief en verantwoord gebruiken, en authentiek leren beschermen via curriculum- en toetsontwerp.

Dat laatste punt is belangrijk. Studenten vragen niet alleen om toegang tot tools of een korte AI-workshop. Ze willen vooral duidelijkheid over hoe AI past bij leren, beoordelen en voorbereiden op werk.

De spanning: hulp zonder afhankelijkheid

AI als leerhulp klinkt aantrekkelijk. Studenten kunnen begrippen laten uitleggen, oefenen met vragen, sneller feedback krijgen of een eerste structuur maken voor een opdracht. Maar precies daar zit ook de spanning: wanneer helpt AI om beter te denken, en wanneer neemt AI het denkwerk over?

Die vraag raakt direct aan de onderwijspraktijk. Als studenten AI vooral gebruiken om sneller tot een product te komen, wordt het eindresultaat minder geschikt als bewijs van begrip. Als AI daarentegen wordt ingezet als oefenpartner, uitleggever of criticus, kan het leerproces juist sterker worden. Het verschil zit niet in de tool, maar in de opdracht en de begeleiding.

Inconsistent beleid werkt verwarrend

Een herkenbaar signaal uit het artikel is dat studenten verschillen ervaren tussen vakken en docenten. De ene docent ontmoedigt AI, de andere verwerkt AI actief in opdrachten. Dat hoeft niet altijd verkeerd te zijn, want elk vak heeft andere leerdoelen. Maar zonder heldere verwachtingen ontstaat verwarring.

Voor MBO, HBO en WO betekent dit dat generiek beleid niet genoeg is. Studenten moeten per opdracht weten:

• waarvoor AI wel en niet gebruikt mag worden;
• welk eigen denkwerk zichtbaar moet blijven;
• hoe zij AI-gebruik moeten verantwoorden;
• wanneer menselijke feedback of beoordeling doorslaggevend is;
• welke gegevens, casussen of praktijkinformatie nooit in een externe tool mogen.

Zonder zulke afspraken wordt AI-gebruik een gokspel: studenten proberen in te schatten wat deze docent, deze opleiding of deze examencommissie bedoelt.

Loopbaanvoorbereiding hoort erbij

Opvallend is dat veel studenten AI niet alleen koppelen aan studie, maar ook aan werk. Als AI banen verandert, willen studenten weten welke vaardigheden straks nog onderscheidend zijn. Dat maakt AI-geletterdheid breder dan prompten.

Voor beroepsgericht en hoger onderwijs ligt hier een duidelijke opdracht. Studenten moeten leren wanneer AI bruikbaar is voor een eerste versie, oefening of analyse, maar ook wanneer menselijk oordeel, vakkennis, bronkritiek, ethiek en persoonlijke stem noodzakelijk blijven. Juist die combinatie bepaalt of AI een professionele vaardigheid wordt in plaats van een sluiproute.

Wat instellingen hiermee kunnen doen

De praktische les uit dit nieuws is dat AI niet als los technologiethema behandeld moet worden. Het hoort in vakken, opdrachten, toetsing en begeleiding. Docenten kunnen bijvoorbeeld hardop modelleren hoe zij AI gebruiken: output controleren, tegenspraak organiseren, bronnen nalopen en keuzes verantwoorden.

Voor teams is een bruikbare startvraag: welk oordeel moet de student hier zelf leren vormen? Vanuit dat antwoord kun je bepalen of AI mag helpen bij verkennen, oefenen of herschrijven, en waar de student zelf moet kunnen uitleggen, kiezen, onderbouwen of verdedigen.

De kern

De nieuwe Student Voice-data laten zien dat studenten AI niet blind omarmen. Ze gebruiken het, maar voelen ook dat afhankelijkheid, toetsing en loopbaanvoorbereiding ingewikkelder worden. Voor onderwijsprofessionals is dat een kans om AI-gebruik minder vrijblijvend te maken: niet alleen regels opstellen, maar opdrachten ontwerpen waarin studenten leren denken met AI zonder hun eigen oordeel kwijt te raken.