Twee jaar leerwinst in zes weken, of 17 procent achteruit: hetzelfde model, ander ontwerp
In juni en juli 2024 volgden leerlingen op negen openbare middelbare scholen in de Nigeriaanse deelstaat Edo zes weken lang een naschools programma waarin GPT-4 dienstdeed als taalcoach. De Wereldbank lootte wie mocht meedoen en wie niet. Wie was ingeloot scoorde daarna ongeveer 0,3 standaarddeviatie hoger op een toets over Engels, AI-kennis en digitale vaardigheden. Dat staat gelijk aan bijna twee jaar gewone leerwinst, behaald in zes weken. Afgezet tegen een database van gerandomiseerde onderwijsexperimenten in ontwikkelingslanden presteerde het programma beter dan tachtig procent van alle geteste interventies.
Een vergelijkbaar experiment in Turkije leverde het omgekeerde op. Onderzoekers van Wharton en de University of Pennsylvania gaven bijna duizend scholieren toegang tot GPT-4 bij het oefenen van wiskunde. Tijdens die oefensessies loste de groep met een kale chatinterface 48 procent meer opgaven goed op dan de controlegroep. Daarna volgde een toets zonder hulpmiddelen. Diezelfde groep scoorde 17 procent slechter dan leerlingen die nooit AI hadden gebruikt.
Hetzelfde model, tegengestelde uitkomst. Het verschil zat in het ontwerp, niet in de techniek.
Hoe aandacht schaars werd
Benjamin Bloom beschreef in 1984 wat hij het twee-sigma-probleem noemde: leerlingen met een persoonlijke begeleider presteerden ver boven het klassikale gemiddelde. Latere replicaties vonden kleinere effecten, maar de richting bleef overeind. Een-op-een aandacht werkt. Ze is alleen onbetaalbaar, want ze kost menselijke uren.
Die uren worden in Nederland schaarser. Uit de tekortmeting van Centerdata over 2024 blijkt een landelijk lerarentekort in het primair onderwijs van 8,1 procent van de werkgelegenheid, ongeveer 7.730 fte. Daarin zitten ook verborgen tekorten, zoals samengevoegde klassen of een onderwijsassistent voor de groep. Binnen de vijf grote steden loopt dat op tot 15,8 procent, daarbuiten blijft het op 6,6 procent. De aanwas loopt terug: het aantal pabo-afgestudeerden daalt naar verwachting van circa 4.230 in 2025 naar 3.790 in 2034. De onvervulde werkgelegenheid van leraren en schoolleiders groeit in diezelfde periode van 5.180 fte naar 5.950 fte.
Schaarste aan uitleg is dus geen natuurwet maar een prijs. Een taalmodel duwt die prijs richting nul. Precies daarom doen de twee experimenten hierboven ertoe.
De kruk en de coach
In het Turkse onderzoek kreeg een tweede groep geen kale chatbot, maar een versie met ingebouwde beperkingen: hints in plaats van antwoorden, opgesteld met inbreng van docenten. Die groep presteerde tijdens het oefenen 127 procent beter dan de controlegroep. Op de toets scoorde ze ongeveer gelijk aan de controlegroep. De schade was weggenomen, de winst niet geboekt. Dat is een nuchtere uitkomst: begrenzing voorkomt afhankelijkheid, maar levert niet vanzelf leerwinst op.
Waar wel winst werd geboekt, was het ontwerp specifieker. In Edo werkten leerlingen in tweetallen, onder toezicht van een docent, met prompts die redeneren afdwongen in plaats van antwoorden. Aan Harvard bouwde natuurkundedocent Gregory Kestin een tutor voor 194 studenten die per bericht maar een stap mocht zetten en kort moest blijven, om cognitieve overbelasting te voorkomen. Studenten leerden daarmee meer dan twee keer zoveel in minder tijd dan in de klassikale variant met actieve werkvormen. Dat onderzoek verscheen in juni 2025 in Scientific Reports en betreft een enkele cursus met een kleine steekproef, dus terughoudendheid is op zijn plaats.
Het patroon over de drie studies heen is consistent. De marginale kosten van uitleg zijn gekelderd. De marginale kosten van goede begeleiding niet. Docentinbreng, prompt-ontwerp, toezicht en toetsing zonder hulpmiddel zijn arbeidsintensief en schalen slecht. Wie die laag overslaat, koopt de kruk. Dat is ook de goedkoopste optie, en daarmee de standaardoptie. Daar zit het reboundrisico: hoe goedkoper de toegang, hoe groter de kans dat een school de ongeremde variant neemt en het verschil pas twee toetsweken later ziet.
Implicatie voor de onderwijs-stack
Voor de onderwijs-stack verschuift daarmee de bindende beperking. Niet de toegang tot uitleg is nog schaars, maar het ontwerp waarin die uitleg wordt aangeboden. Dat is een inkoop- en curriculumvraag, geen technologievraag. Een verbod op chatbots in de klas beschermt weinig, want de kale variant staat thuis op elke telefoon. Eisen stellen aan de didactische inrichting doet dat wel.
Voor Nederland is dat concreet. Bij een tekort van 7.730 fte kan een goed ontworpen tutor de docent tijd teruggeven voor precies datgene wat de Turkse en de Nigeriaanse uitkomst van elkaar scheidde: toezicht, correctie en de vraag of een leerling het ook zelf kan. In de ontwikkelingen-feed is dezelfde beweging zichtbaar in andere stacks, waar open modellen de prijs van intelligentie hard omlaag duwen terwijl de waarde verschuift naar de laag eromheen.
Wat te volgen
Drie indicatoren voor de komende twaalf maanden. Ten eerste: of de leerwinst in Edo standhoudt bij een langere vervolgmeting, want alle drie de studies meten korte periodes. Ten tweede: of Nederlandse schoolbesturen didactische randvoorwaarden opnemen in hun inkoopcriteria voor AI-leermiddelen, of alleen op prijs en privacy toetsen. Ten derde: de ontwikkeling van toetsresultaten die zonder hulpmiddelen worden afgenomen, want dat is het enige meetpunt waarop het verschil tussen kruk en coach zichtbaar wordt.