In dit artikel maakt Frank Bovenkerk ons wegwijs in de mogelijkheden die kunstmatige intelligentie (AI), en dan met name GPT, biedt voor programmaontwikkeling en de vertaling van programma’s naar lessen. En de mogelijkheden reiken verder, tot aan gepersonaliseerd leren toe. AI kan steeds meer, maar blijft een hulpmiddel voor docenten en onderwijsontwikkelaars.
Frank nodigt de lezer uit om actief te zijn, maak vooral de opdrachten die hij geeft!

AI en GPT

Kunstmatige intelligentie (AI) is een technologie die computers in staat stelt om taken uit te voeren waarvan gedacht werd dat daar menselijke intelligentie voor nodig is, zoals redeneren, leren en het begrijpen van taal (Rijksinspectie Digitale Infrastructuur, 2025). In dit artikel beperk ik me tot specifiek generatieve AI en dan specifiek op Generative Pre-trained Transformers (GPT), een AI-model dat teksten kan genereren en analyseren op basis van enorme hoeveelheden data. Denk hier bijvoorbeeld aan ChatGPT van OpenAI of Gemini van Google.

AI in het onderwijs

AI, zoals GPT, ondersteunt onderwijsontwikkeling door lesideeën, opdrachten en casussen te genereren. Het helpt docenten bij reflectievragen, gespreksimulaties en feedback. Daarnaast structureert het lesmateriaal, ontwerpt het syllabi en vereenvoudigt het complexe teksten. Strategisch ingezet, wordt AI een partner die creativiteit en efficiëntie versterkt, terwijl de menselijke rol centraal blijft. Dit artikel richt zich op onderwijsprogramma’s met GPT; voor een breder perspectief verwijs ik naar Den Hollander (2024a, 2024b).

Partner in ontwikkelen

Technologie en mensen werken steeds vaker samen en raken onlosmakelijk met elkaar verwikkeld [1]. Van het helpen rekenen met een rekenmachine, tot tegenwoordig het schrijven van artikelen, onderwijs en ook … het opzetten van een onderwijsprogramma.

Onderwijsprogramma opzetten met een GPT
Om een effectief onderwijsprogramma te ontwerpen beginnen onderwijsontwikkelaars met het definiëren van de eindkwalificaties voor een opleiding of de leeruitkomsten van een module/cursus voor kleinere programma’s. Om met een systematische aanpak tot meer tastbare minder complexe vaardigheden en kennis te komen kan men skill decomposition gebruiken, een aanpak waarbij complexe vaardigheden worden ontleed in kleinere, beheersbare vaardigheden. Dit leidt tot een skill hierarchy, waarin de relaties tussen vaardigheden inzichtelijk worden gemaakt (Van Merriënboer & Kirschner, 2025, p. 97-102). Zo’n skill hierarchy wordt ook wel een skill tree genoemd [2].

Ik neem jullie mee in hoe je samen met een GPT een nieuwe opleiding of cursorisch onderwijs ontwikkelt. Dit doe ik aan de hand van voorbeelden voor een nieuwe cursus over ‘Brood bakken’. Wat goed is om te weten: zie GPT als je partner. Hoe betere vragen jij stelt, hoe sterkere antwoorden je krijgt. Jij geeft richting en visie mee aan de GPT.

Eerst formuleer je het beginpunt voor de GPT. Dit kan je doen door het noemen van het domein of beroep, een of meerdere eindkwalificaties of een losse vaardigheid. Je vraagt vervolgens aan de GPT om hier een skill tree voor te maken. (Ja letterlijk, gewoon vragen aan bijvoorbeeld ChatGPT (https://chatgpt.com/) of Gemini (https://gemini.google.com/). Hoe meer kaders en richting je meegeeft, hoe meer het resultaat in de buurt komt van wat je in gedachten hebt. Hieronder twee voorbeelden, één zonder kaders en één met. Probeer ze uit en kijk naar het verschil in het resultaat.

Zonder kaders:
Je bent een onderwijsontwikkelaar. Ontwerp een skill tree voor het bakken van brood.

Met kaders:
Je bent een onderwijsontwikkelaar. Je theoretisch kader is Jeroen van Merriënboer, Paul Kirshner en Cees van Vleuten. Ontwerp een skill tree voor het bakken van brood volgens het Four Component Instructional Design model. Beschrijf de leeruitkomsten volgens de standaard NLQF Framework. Gebruik niveaus 1 tot en met 8.

GPT helpt bij het verfijnen en hiërarchisch ordenen van vaardigheden door middel van doorvragen, alsof je met een menselijke partner spreekt. Dit iteratieve proces leidt tot een gestructureerde skill tree voor jouw onderwijsprogramma. AI biedt inspiratie en snelheid door nieuwe perspectieven te vinden en het verfijnen van het onderwijsprogramma of leeruitkomsten efficiënter te verwoorden. Gebruik GPT voor een eerste versie en verfijn deze samen op iteratieve wijze. Probeer dit ook eens met je eigen opleiding/onderwerp en kijk hoe passend de antwoorden zijn. Een logische vervolgstap is om per onderdeel in de skill tree een uitwerking te laten genereren. Meestal kunnen GPT dat niet in één keer. Vraag het voor elk laagste/kleinste onderdeel in de skill tree. Hiermee gaan we nu aan de slag.

Op naar de uitwerking van het onderwijs

Zodra de overkoepelende structuur van vaardigheden en kennis in een skill tree zijn vastgesteld, vertaal je deze naar onderwijsactiviteiten. Dit proces hangt af van de gekozen onderwijsvisie en het onderwijsmodel. Hoewel een GPT ook hier kan inspireren, is dit iets wat juist om een menselijke beslissing vraagt. De volgende tips moeten dus nog naar je eigen onderwijsvorm vertaald worden. Ik geef een paar voorbeelden om van een skill tree tot daadwerkelijk onderwijs te komen.
De eerste stap is om de inhoud uit de skill tree te verdelen over de tijd die je voor het programma hebt. Onderstaand een voorbeeld waarbij je de GPT de vrije hand geeft of deze stuurt met kaders.

Zonder kaders:
Gegeven de eerdere skill tree. Verdeel deze over een programma van 8 weken.

Met kaders:
Gegeven de eerdere skill tree. Verdeel deze over een programma van 8 weken waarbij de student 4 uur contacttijd en 8 uur zelfstudie heeft. Gebruik een concentrische opbouw in de leerstof. Gebruik de vijf fases van Learning Arch Design (Kavanagh).

In het voorbeeld geef ik een aantal kaders mee. Waarschijnlijk zijn er bij jouw curriculum of cursus andere en/of meer kaders. Op basis van enkel de bovenstaande vraag krijg je al een eerste schets van een opzet voor het programma. Goed om te weten, afhankelijk van de grootte van de skill tree moet je dit per onderdeel doen of kan het in één keer. GPT zijn nog niet goed genoeg om dit voor wat grotere skill trees in één keer te doen. Hiervoor moet je wat experimenteren. Eigenlijk net als met een echte partner.
Vanaf dit punt hangt het erg van je onderwijsvisie en -model af hoe je kan doorvragen. Het volgt dezelfde systematiek, stelt vragen om een deel verder uit te laten werken in de voor jouw onderwijsmodel relevante producten. Om toch een beeld te schetsen geef ik voorbeeldstappen om verder te komen.

Vraag hoe de lessen in het programma per week te verdelen. De meeste GPT-modellen onthouden eerdere antwoorden en kunnen die gebruiken voor volgende.
Vraag om lesplannen per les die genoemd wordt.
Vraag om een uitwerking van de werkvormen die genoemd zijn.
En in het geval dat materiaal nodig is, laat de GPT het materiaal genereren.

Vergezicht gepersonaliseerd leren met AI

Wat ik eerder schetste was hoe GPT kan helpen bij onderwijsontwikkeling. In de voorbeelden gebruikte ik bestaande (semi)openbare GPT zoals ChatGPT of Gemini. Deze modellen kunnen echter ook vanuit programmeercodes worden aangestuurd.

Als een GPT met gemak een onderwijsprogramma kan genereren tot aan de lessen zelf dan kunnen applicaties of websites ook direct specifiek voor een student een skill tree genereren. De student zou dan zijn eigen, op maat gemaakt lesprogramma kunnen laten genereren inclusief lesmateriaal. Verpak je dit in een applicatie of website waarbij de docent niet meer zelf de vragen aan de GPT hoeft te geven, maar deze onderwijskundige kennis vooraf in de applicatie heeft ‘gestopt’, dan hoeft een student enkel aan te geven wat deze weet en wat deze wil leren om een op maat gemaakte studie te krijgen op basis van de unieke eigenschappen van de student.

In dit vergezicht is het leren geborgd, het summatief toetsen zal echter mensenwerk blijven en zal om een verschuiving vragen van vooropgezet onderwijs naar volledig gepersonaliseerd, discipline-overstijgend onderwijs.

Risico’s van gebruik GPT

Bij het gebruik van GPT is het belangrijk om te beseffen dat hoewel het gegenereerde materiaal heel aannemelijk eruitziet, het enkel materiaal is waarvan het systeem de grootste kans acht dat dit is wat je wilt horen. Het systeem geeft niet per se de waarheid terug.

Ook AI heeft te maken met bias. Als in de data van het systeem vooroordelen zitten, dan komen deze ook tot uiting in de antwoorden. Degene die een GPT gebruikt moet hier erg bewust van zijn en kritisch blijven kijken of de gegeven antwoorden wel ethisch zijn.

Specifiek voor toetsing vormen GPT een risico. Alle toetsvormen zonder direct toezicht van een examinator vormen een risico voor fraude bij gebruik van GPT door studenten. (Themagroep AI – Toetsing van HAN Leernetwerk, 2024).

Daarnaast zorgt het ‘cognitive offloaden’ dat je eigen kritisch vermogen daalt (Gerlich, 2025).

Als laatste, bij de meeste (online) GPT wordt het ingevoerde materiaal ook gebruikt om het model verder te trainen. Deel enkel informatie die ook publiekelijk mag zijn.

Om tijdens de samenwerking met GPT de risico’s te ondervangen moet je altijd kritisch blijven op wat je naar het systeem opstuurt en op wat het systeem genereert zodat je als mens in de lead blijft.

Samenvattend

GPT kan geen compleet programma ontwerpen zonder menselijke sturing. De mens bepaalt de kaders en past AI-voorstellen aan. Hoe specifieker de instructies, hoe beter het resultaat. AI herkent patronen en genereert structuren, maar mist onderwijskundig inzicht en pedagogisch-didactische afwegingen. Het is daarom een hulpmiddel, geen autonome ontwikkelaar. Effectieve samenwerking vereist een iteratief proces waarin AI suggesties doet en de docent kritisch bijstuurt. Zo versnelt AI onderwijsvernieuwing zonder de kwaliteit of menselijke kern te ondermijnen.

We kunnen AI dus gebruiken voor de volgende zaken voor onderwijsontwikkeling:

Genereren van de leeruitkomsten of competenties voor een programma
Opzetten van een lesprogramma
Uitwerken van dat lesprogramma

Door dit met AI als ‘partner’ te doen, levert het volgende op:

Versnellen eigen proces
Inspiratie & onverwachte richtingen

Deze valkuilen moeten we wel vermijden:

GPT vertelt niet altijd de waarheid
In de data kunnen vooroordelen zitten
Verlagen van je kritisch denkvermogen
Bewust zijn van privacy en ethische vraagstukken

En als je hebt meegedaan, dan heb je nu een lesprogramma om brood te bakken. Eet smakelijk!

Frank Bovenkerk studeerde software engineering aan de Vrije Universiteit in Amsterdam en Interaction Design aan de Hogeschool voor de Kunsten Utrecht. Bij &ranj combineerde hij beide domeinen om aan serious games and gamification projecten te werken. Daarna startte hij samen met Hanneke van den Berg Studio Vloos, een kleine ‘independent’ serious game studio met de focus op een combinatie van pedagogiek, spel en natuur. Op de Hogeschool van Arnhem en Nijmegen ontwikkelt hij onderwijs en doet onderzoek op het gebied van Creatieve Technology met een focus op Serious Games, XR en generatieve AI.

“I suggest that systematic symbiotic thinking leads to the Symbiocene, a new era that nurtures all aspects of being human in a world of other beings.” – Glenn Albrecht
(Cymbiocene: partnerschap tussen de mens en zijn (digitale) omgeving.)

Referenties

Albrecht, G. (z.d.). An invitation to the Symbiocene. Retrieved: 28-2-2025. https://symbioscene.com/invitation-to-the-symbiocene/.

Deen, M., Agterberg, R., Kessels, W. (2017) Skill Tree: gamification van een co-assessment tool. Onderwijsinnovatie, 2017 (1) , 36-29.

Delft, van, A. (2020). Handleiding formuleren leeruitkomsten NCP NLQF 2020. ’s-Hertogenbosch: Nationaal Coördinatiepunt NLQF.

Den Hollander, I., Vaske, B. (2024a). Technologie in de volwasseneneducatie – Inclusieve technologie in educatieve trajecten voor volwassenen (deel 1). OverOefenen. Retrieved: 16-02-2024. https://overoefenen.nl/nieuws/technologie-in-de-volwasseneneducatie-inclusieve-technologie-in-educatieve-trajecten-voor-volwassenen-deel-1/.

Den Hollander, I., Vaske, B. (2024b). Technologie kan ook in de volwasseneneducatie (deel 2). OverOefenen. Retrieved: 16-02-2024. https://overoefenen.nl/nieuws/technologie-kan-ook-in-de-volwasseneneducatie-deel-2/.

Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Retrieved: 28-2-2025. https://www.mdpi.com/2075-4698/15/1/6.

Kavanaugh, S. (2019). Learning Arch Design: User Manual. Århus: Kaospilot.

OpenAI. (2025). ChatGPT (GPT-4) [Grote taalmodel]. OpenAI. Retrieved: 16-02-2024. https://openai.com.

Rijksinspectie Digitale Infrastructuur. (2025), Wat is kunstmatige intelligentie (AI)? Retrieved: 16-02-2025. https://www.rdi.nl/onderwerpen/kunstmatige-intelligentie/wat-is-kunstmatige-intelligentie.

Sluis-Thiescheffer, W. (2023). Ontwerpen voor een symbiose met creatieve technologie. Arnhem: HAN.

Themagroep AI – Toetsing van HAN Leernetwerk Toetsing. (2024). Risicoanalyse Toetsvormen en AI. Nijmegen/Arnhem: HAN.
De herschreven tekst is deels gegenereerd met behulp van ChatGPT (OpenAI, 2025).

Van der Sloot, R. (2018) Skilltree, hoe zet je ze in tijdens de les? Retrieved: 20-2-2025/ https://vernieuwenderwijs.nl/skilltree-hoe-zet-je-ze-in-tijdens-de-les/.

Van Merriënboer, J.G. & Kirschner, P.A. (2025). Ten steps to complex learning – A systematic approach to four-component instructional design. New york: Routledge.

Noten

[1] Sluis-Thiescheffer, W. (2023). Ontwerpen voor een symbiose met creatieve technologie. Arnhem: HAN. https://www.han.nl/onderzoek/lectoraten/lectoraat-media-design/Ontwerpen_voor_een_symbiose_met_creatieve_technologie_web.pdf.

[2] Voorbeeld van een skilltree in de les: https://vernieuwenderwijs.nl/skilltree-hoe-zet-je-ze-in-tijdens-de-les/ of hoe je deze inzet als tool voor assessment: https://www.linkedin.com/pulse/skill-tree-een-gamified-co-assessment-tool-ict-game-van-pelt-deen/.