Leerlingen of studenten die veel taken aan AI uitbesteden, leren oppervlakkig. Dat is tenminste de logische aanname. Een nieuw internationaal onderzoek onder 912 studenten uit China, Europa en de VS laat zien dat deze aanname niet altijd klopt.
Wang en Zhang (2026) onderzochten hoe studenten in het hoger onderwijs (business schools) omgaan met ChatGPT, Claude en Gemini. Ze vonden twee paradoxale resultaten die relevant zijn als je over AI-gebruik in de klas nadenkt.
De eerste paradox zit in de houding van studenten. Wie AI benadert als samenwerkingspartner in plaats van als simpel gereedschap, doet tegelijkertijd twee dingen die tegenstrijdig lijken. Zo iemand is kritischer op wat de AI produceert én delegeert meer routineuze taken aan diezelfde AI. Die twee houdingen blijken samen op te treden, terwijl je zou verwachten dat meer delegeren gelijkstaat aan een minder kritische houding.
De tweede paradox is nog interessanter. De onderzoekers verwachtten dat het delegeren van cognitief werk zou leiden tot oppervlakkig leren. Het tegenovergestelde bleek waar. Als studenten substantiële taken overlaten aan AI, komt er mentale ruimte vrij voor reflectie op een hoger niveau. Juist door routinewerk uit handen te geven, kunnen ze dieper nadenken over het grotere geheel. Er is wel een drempel: bij oppervlakkig AI-gebruik ontstaat dit effect niet. Pas bij diepgaande inzet voor complexe opdrachten komt dit voordeel naar boven.
Een derde bevinding raakt aan een ander vooroordeel. Studenten die snel en efficiënt willen werken, blijken doorgaans net zo kritisch of zelfs scherper op AI. De onderzoekers noemen dit pragmatisch risicomanagement: een fout in AI-output laten staan kost achteraf meer tijd dan hem vooraf controleren. Efficiëntie en kritisch kijken bijten elkaar dus niet.
Belangrijke kanttekening: het onderzoek speelt zich af in het hoger onderwijs, dus vertaal de bevindingen met gezond verstand naar jouw onderwijssituatie. Wel geeft het reden om terughoudend te zijn met het oordeel dat leerlingen die veel delegeren aan AI automatisch minder leren. De manier waarop ze AI benaderen telt meer dan de hoeveelheid hulp die ze ervan accepteren. Opdrachten die studenten uitnodigen om AI als gespreksspartner te gebruiken en hun eigen werk te laten tegenspreken, activeren meer diepte dan opdrachten waarbij ze alleen een antwoord hoeven te vinden.
