Toen ik dit artikel las van Yong Zhao en collega’s moest ik even naar adem happen. Ze schreven onlangs The Death and Rebirth of Research in Education in the Age of AI (2025). En eerlijk? Ik ben er nog niet helemaal uit of ik vooral onder de indruk of eerder bezorgd moet zijn.
Eerst de cijfers die behoorlijk misselijkmakend zijn voor iemand die dacht dat hij het onderwijsonderzoek een beetje volgt: volgens hun berekening verschijnen er jaarlijks zo’n 140.000 wetenschappelijke artikels over onderwijs. Dat getal alleen al is duizelingwekkend.
En tegelijk blijft de vraag hangen: hoeveel daarvan maakt écht een verschil in de klas of in beleid? Zhao en collega’s stellen scherp dat die impact vaak minimaal is. Niet omdat onderzoekers niet hun best doen, maar omdat het hele systeem vol zit met ruis: peer review die hapert, een overdreven fixatie op cijfers, de oude “paradigma-oorlogen” tussen kwantitatief en kwalitatief, en de neiging om resultaten te veralgemenen over contexten en leerlingen die in werkelijkheid heel verschillend zijn. Tegelijk zie ik zelf ook veel goeie dingen gebeuren, maar het blijft vaak hard werk om het kaf van het koren te scheiden.
Waar het artikel sterk in is, is de analyse dat AI dit probleem niet oplost maar juist op scherp zet. De auteurs schetsen hoe generatieve AI de stabiliteit van onderzoek ondermijnt: een studie naar GPT-3 is al verouderd tegen de tijd dat GPT-4 of GPT-5 verschijnt. Bovendien maakt AI literatuurstudies sneller en breder, maar er dreigt tegelijk een verlies aan kritische diepgang – iets waar ik eerder al over schreef in deze blogpost.
Ze zien ook nieuwe kansen – meer participatief onderzoek, meer aandacht voor complexiteit, misschien zelfs een “epistemologische wedergeboorte”. Maar tegelijk sluipen er ook risico’s binnen: AI die patronen oplepelt zonder betekenis, onderzoekers die zich verschuilen achter efficiëntie, en een systeem dat nóg meer publicaties kan genereren zonder garantie dat de kwaliteit stijgt omdat – zoals anderen al waarschuwden – we al gauw AI krijgen die AI beoordeelt.
Mijn bedenkingen? Ten eerste: de oproep tot pluralisme en verbeelding is terecht, maar niet nieuw. De vraag is hoe die in praktijk te brengen in een academisch ecosysteem dat publicatievolume blijft belonen. Ten tweede: het idee dat AI een paradigm shift veroorzaakt, klinkt aantrekkelijk, maar misschien moeten we ook gewoon nuchter vaststellen dat veel van de oude problemen – bias, gebrek aan impact, oversimplificatie – niet verdwijnen door technologie. Ze krijgen er hooguit een nieuw jasje bij. Een van de grote problemen met AI is dat het getraind wordt met data en teksten die door mensen gemaakt worden. De bias wordt gewoon uitvergroot.
Kortom: dit artikel is een uitnodiging om onderwijsonderzoek opnieuw uit te vinden. Maar wie denkt dat AI de redder van de wetenschap wordt, vergist zich. De wedergeboorte die Zhao en co. voorspellen, vraagt meer dan slimme algoritmes. Ze vraagt om moedige keuzes, kritische reflectie en vooral: de wil om minder te publiceren, maar meer betekenisvol. Maar wacht dat pleidooi was er ook al voor ChatGPT, Gemini en andere handige ja-knikkers.
Abstract van het artikel:
Purpose
This article critically examines the enduring problems and emerging possibilities of educational research in light of rapid advances in artificial intelligence (AI). It seeks to understand why educational research has struggled to influence practice and policy meaningfully and explores how AI necessitates a fundamental rethinking of research purposes, methods, and epistemologies.
Design/Approach/Methods
The article adopts a conceptual and critical review approach, drawing on historical, philosophical, and methodological literature. It identifies and analyzes seven major problems in traditional educational research, including flaws in peer review, quantification bias, methodological fragmentation, overgeneralization, neglect of individual learner diversity, limited educational imagination, and narrow outcome measures. It then explores how AI technologies challenge and reshape core assumptions about knowledge production and educational inquiry.
Findings
Traditional educational research is constrained by outdated paradigms that emphasize generalizability, stability, and typicality at the expense of contextual sensitivity, individual variability, and imaginative possibilities. The rapid evolution of AI further undermines assumptions of stable treatments, linear causality, and human-centered cognition. AI opens new opportunities for participatory, iterative, and systems-oriented research, while also raising ethical and epistemological concerns that demand critical reflection.
Originality/Value
This article offers a timely and provocative analysis of the limitations of traditional educational research and articulates a vision for its rebirth in the age of AI. It contributes to the growing discourse on paradigm shifts in education by integrating critiques of research orthodoxy with emerging insights into AI-enabled learning. The article calls for methodological pluralism, ethical vigilance, and epistemological innovation, positioning researchers to better respond to the complex and evolving landscape of education in a post-AI world.