January 15, 2025
blog
Hoe kan AI formatieve feedback geven op de schrijfopdrachten van studenten?
Vraag een willekeurige student wat hem écht helpt bij leren, en de kans is groot dat je “feedback” hoort. Niet voor niets concludeerde John Hattie (2009) in zijn grootschalige onderzoek dat feedback een van de krachtigste leerinterventies is.
Maar wat verstaan we precies onder feedback? In hun bekende paper definiëren Hattie & Timperley (2007) het als: “informatie die een student krijgt over aspecten van zijn prestaties of begrip.”
Die informatie kan verschillende vormen aannemen. Soms is het een cijfer op een opdracht, ook wel summatieve feedback genoemd. Handig voor de administratie, maar er zit een groot nadeel aan: de student krijgt pas ná het inleveren te horen wat er beter kon, zonder de kans om die verbeteringen nog toe te passen. Het leerproces stopt eigenlijk te vroeg.
Daarom kiezen steeds meer docenten voor formatieve feedback: terugkoppeling vóór de eindbeoordeling. Zo kan de student nog actief aan de slag met verbeterpunten, de opdracht bijschaven en tegelijkertijd zijn begrip verdiepen. Voor leren is dit van onschatbare waarde.
Formatieve feedback geven kost veel tijd. En niet een beetje tijd, maar vaak uren aan het nakijken van lange verslagen, het formuleren van concrete aanwijzingen en het telkens opnieuw uitleggen van leerdoelen. Voor docenten of student-assistenten kan dit ronduit uitputtend zijn.
En dan rijst vanzelf de vraag:
Moet moderne technologie, zoals AI, hier niet een grotere rol in gaan spelen?
Wij vinden van wel. In dit blog nemen we je mee in die vraag: hoe kan AI formatieve feedback geven op schrijfopdrachten van studenten?
Wat maakt goede formatieve feedback?
Oké, we weten nu: formatieve feedback is goud waard voor leren. Maar… er zit een addertje onder het gras. Feedback kan namelijk óók compleet zijn doel missen. Of, zoals Valerie Shute (2008) het treffend verwoordde:
Valerie Shute (2008)
“Feedback can be extremely powerful if done well and extremely ineffective, or even harmful if done poorly.”
Met andere woorden: niet alle feedback is automatisch goed.
Simpel of uitgebreid?
Een mooi voorbeeld komt uit het onderzoek van Elder & Brooks (2008) bij een verpleegkundeopleiding. Studenten kregen daar twee soorten feedback:
simpel (“juist” of “onjuist”),
uitgebreid, mét uitleg over wat een beter antwoord zou zijn en waarom.
De uitkomst? Studenten met uitgebreide feedback scoorden beter op vervolgopdrachten én zeiden zelf meer inzicht te hebben in de leerstof. Klinkt logisch: uitleg + context = meer leren.
De drie grote vragen van Hattie & Timperley
Maar uitgebreide feedback alleen is niet genoeg. Hattie & Timperley (2007) formuleerden drie kernvragen die in goede feedback beantwoord moeten worden:
Feed up – Waar ga ik naartoe?
Feedback – Hoe doe ik het nu?
Feed forward – Wat is de volgende stap?
En om het nog concreter te maken, onderscheiden ze ook vier niveaus waarop je feedback kunt geven:
Taakniveau – Is het antwoord juist?
“Dit antwoord klopt omdat je de juiste formule hebt gebruikt.”Procesniveau – Hoe goed past de student strategieën toe?
“Goede aanpak, maar denk volgende keer ook aan X.”Zelfregulatieniveau – Hoe kan de student zichzelf verbeteren?
“Je controleert je werk grondig — dat helpt fouten voorkomen.”Persoonsniveau – Feedback op de persoon zelf.
“Goed gedaan, je hebt vast hard gestudeerd.” (niet effectief voor leren).
De zeven regels van Nicol & Macfarlane-Dick
Alsof dat nog niet genoeg is, formuleren Nicol & Macfarlane-Dick (2006) zeven “regels” voor goede feedback. Zie het als een checklist of mini-rubric:
Verduidelijkt leerdoelen en prestatienormen.
Stimuleert zelfevaluatie en reflectie.
✅ Geeft informatieve, bruikbare feedback.
✅ Bevordert dialoog tussen student en docent.
✅ Versterkt motivatie en zelfvertrouwen.
✅ Biedt concrete handvatten voor verbetering.
✅ Geeft docenten inzicht in leerproblemen.
Hun belangrijkste boodschap: feedback is geen eenmalig moment, maar een continu proces. Studenten hebben meerdere feedbackrondes nodig om hun leerproces echt te sturen en verbeteren (zie ook Shute, 2008; Hattie & Timperley, 2007; Juwah et al., 2004).
Maar…
Klinkt allemaal prachtig, toch? Alleen: dit alles kost enorm veel tijd. Hoe vaak lukt het docenten om bij élke student zulke uitgebreide, herhaalde en doordachte feedback te geven?
👉 En daar komt ons bruggetje naar AI.
Hoe AI het feedbackproces kan ondersteunen 🤖✍️
Toen ik (Jeroen van Gessel) in 2023 Eduface startte, stelde ik mezelf een simpele vraag: kan AI niet helpen bij het geven van formatieve feedback? Want eerlijk is eerlijk: zelfs de meest toegewijde docent vindt het een enorme uitdaging om feedback altijd precies zo te formuleren dat het aansluit bij de richtlijnen die we net hebben besproken.
En dat is nog los van de tijd die het kost om al die feedback te geven.
Hoe wij dat aanpakken
Met Eduface bouwen we een AI-feedbackmodel dat docenten ondersteunt bij het nakijken van schrijfopdrachten. Het model is didactisch onderbouwd, getraind op de belangrijkste onderzoeksbronnen (zoals Hattie & Timperley, 2007 en Nicol & Macfarlane-Dick, 2006) en geeft feedback die meteen bruikbaar is.
Een belangrijke keuze die we moesten maken: hoe presenteren we die feedback?
Veel docenten geven feedback onderaan een opdracht of in een apart document. Maar uit onderzoek van O’Donovan, Rust & Price (2015) blijkt dat dit vaak niet effectief is: studenten begrijpen zulke feedback minder goed, zien niet waar het probleem precies zit en passen het zelden toe.
Daarom geven wij feedback in de tekst zelf, precies op de plek waar verbetering nodig is. Kort, concreet, met uitleg én altijd met een feedforward: wat kan de student nu doen om verder te komen? Zo blijft de feedbackloop zo klein mogelijk.
(Hier een screenshot van een opmerking in de tool die goed is).
Veiligheid en transparantie
We weten dat docenten terecht kritisch zijn op AI. Daarom hanteren we vanaf dag één duidelijke beloftes:
🔒 Eigen AI-model – geen OpenAI, 100% zelf ontwikkeld voor onderwijs.
🇪🇺 Gebouwd in Europa – volledig compliant met de AI Act.
🧾 AVG-proof – bestanden zijn van jou, we trainen er niet op en verwijderen ze direct als jij dat wilt.
🎓 Didactisch getraind – afgestemd op schrijfopdrachten en onderwijskundige inzichten.
Met die garanties willen we ervoor zorgen dat AI niet iets engs of afstandelijks is, maar juist een hulpmiddel waarmee docenten tijd besparen en studenten beter leren.
Poll voor jou als lezer
Stel dat jij AI zou inzetten voor feedback op schrijfopdrachten. Waar zou je de meeste waarde in zien?
⏱️ Tijd besparen op nakijkwerk
🎯 Meer consistentie in feedback
📚 Directe koppeling met leerdoelen
💬 Duidelijkere feedback voor studenten
👉 Eén ding is zeker: AI kan formatieve feedback niet vervangen, maar wel versterken ook als het gaat om creativiteit. Het helpt docenten om het zware werk te verlichten en studenten de kans te geven hun opdrachten naar een hoger niveau te tillen.