Stel je voor: je bent docent aan een community college in Californië. Het semester begint, je opent je online leeromgeving, en je denkt: wie zijn al deze mensen? Of beter: zijn ze wel mensen? Wat volgt is een ongelooflijk verhaal dat ik oppikte uit The Chronicle of Higher Education, iets dat ik nog niet direct verwacht in Vlaanderen of Nederland. Alhoewel, misdadigers zijn overal creatief.
Wat klinkt als een flauwe sciencefictionfilm, is sinds een paar jaar de nieuwe realiteit voor docenten als Julie Brown. Zij geeft marketingvakken en moest vorig semester dertig studenten uit haar online cursus schrappen omdat ze ervan overtuigd was dat het bots waren. Geen verlegen eerstejaars, geen onhandige typers — gewoon digitale oplichters, vaak gestuurd door mensen die uit zijn op één ding: studiefinanciering.
Het gaat hier niet om een paar slimme AI-gegenereerde essays. We hebben het over grootschalige, georganiseerde fraude. Fake studenten die zich inschrijven via een centraal aanmeldsysteem, zich voordoen als ‘terugkerende studenten’ om minder controle te krijgen, en die met genoeg finesse hun weg vinden naar een inschrijving én een uitbetaling. Tot wel $2.500 per nepstudent, per semester. Doe dat een paar duizend keer, en je hebt een businessmodel.
De schade? Onnoemelijk. Financieel uiteraard, met miljoenen aan misbruikte subsidies. Maar de echte pijn zit bij de docenten en de échte studenten. Want voor elke bot die een plaats bezet, is er een echte student die achter het net vist. En de docenten? Die worden plots speurders, fraude-experts en gezichtsherkenningsalgoritmes ineen. “Stuur me een foto van jezelf, schrijf een essay, reageer op klasgenoten, toon je gezicht op Zoom, of ik zet je uit de klas.” Het zijn geen maatregelen uit een dystopisch controleboek, het is gewoon wat er nodig is om enigszins grip te houden.
Wat het nog verwarrender maakt: AI maakt de grens tussen nep en echt waziger dan ooit. Een student die ChatGPT gebruikt voor een opdracht is misschien geen bot, maar hoe weet je dat nog zeker als ze je nooit in levenden lijve spreken, met flinterdunne digitale sporen, vage foto’s, en video’s die voelen alsof ze uit een slecht nagesynchroniseerde Netflixreeks komen?
Docenten gaan diep. Reverse image searches van profielfoto’s. Telefoonnummers natrekken. Video’s bekijken en lichaamstaal analyseren. En ondertussen moeten ze ook nog gewoon lesgeven, toetsen maken, feedback geven en proberen een band op te bouwen met de studenten die wél echt zijn.
En het ironische is: elke maatregel tegen bots is ook meteen een mogelijke drempel voor de kwetsbare studenten waarvoor community colleges juist bestaan. Lage kosten, open toegang, een tweede kans voor wie het nodig heeft. Maar hoe hou je dat ideaal overeind als je het tegelijk moet verdedigen tegen een georganiseerde bot-invasie?
Het is een bizar soort vak geworden, waarin docenten lesgeven aan een deels onzichtbare, deels oncontroleerbare klas. En waar vertrouwen — ooit de basis van elke onderwijssituatie — steeds vaker plaats moet maken voor controle en achterdocht.
De bots zijn slim. De fraudeurs leren elke dag bij. Ze weten hoe ze spamfilters moeten ontwijken, hoe ze systemen als ID.me kunnen omzeilen, en zelfs hoe ze docenten moeten mailen met excuses die menselijk genoeg klinken. “Mijn wifi was weg.” “Mijn oma is overleden.” “De bosbranden waren dichtbij.” En eerlijk: soms klopt dat. Maar hoe weet je dat nog zeker?
Sommige instellingen investeren nu in AI-gedreven detectiesystemen. Anderen zetten taskforces op, fraud squads, met mensen uit IT, administratie en onderwijs. Maar de schaal is zodanig dat veel instellingen vooral brandjes blussen. En ondertussen vragen docenten zich af: wie zit er eigenlijk aan de andere kant van mijn scherm?
Misschien is dat de kern van het hele probleem. Niet alleen het geld dat we verliezen. Niet alleen het extra werk. Maar de erosie van het vertrouwen. De twijfel aan de ander. De constante angst om misleid te worden. En het verdriet van die ene echte student die geen plaats kreeg, omdat er toevallig net een bot sneller was.
Je zou er bijna nostalgisch van worden naar een klaslokaal met krijtstof en krijsende stoelen. Want daar kon je tenminste in iemands ogen kijken.
Het 𝐓𝐞𝐜𝐡𝐧𝐨𝐬𝐤𝐞𝐩𝐭𝐢𝐜𝐢𝐬𝐦 𝐈𝐜𝐞𝐛𝐞𝐫𝐠-𝐫𝐚𝐚𝐦𝐰𝐞𝐫𝐤 biedt uitkomst. Het benadert digitalisering en digitale geletterdheid vanuit een kritisch perspectief.
Het model – ontwikkeld door de Amerikaanse wetenschappers Pleasants, Krutka en Nichols – laat zien hoe technologie verder gaat dan wat direct zichtbaar is. De metafoor van een ijsberg benadrukt dat technologie niet alleen een praktische tool is, maar ingebed is in bredere systemen en maatschappelijke waarden.
𝐙𝐢𝐜𝐡𝐭𝐛𝐚𝐫𝐞 𝐥𝐚𝐚𝐠 – technologie wordt vaak gepresenteerd als een neutraal hulpmiddel dat eenvoudige taken oplost.
𝐎𝐧𝐝𝐞𝐫𝐥𝐢𝐠𝐠𝐞𝐧𝐝𝐞 𝐥𝐚𝐠𝐞𝐧 – technologie maakt deel uit van complexe systemen die onbedoelde effecten hebben en waarden weerspiegelen over wat wenselijk en goed is, en voor wie.
Het raamwerk onderscheidt drie dimensies om de diepere lagen te onderzoeken:
𝟏. 𝐓𝐞𝐜𝐡𝐧𝐢𝐬𝐜𝐡 – hoe werkt een technologie? Welke ontwerpkeuzes zijn gemaakt, en waarom pakt het gebruik ervan anders uit voor verschillende mensen?
𝟐. 𝐏𝐬𝐲𝐜𝐡𝐨𝐬𝐨𝐜𝐢𝐚𝐚𝐥 – hoe verandert technologie de manier waarop we denken, ons gedragen en samenleven?
𝟑. 𝐏𝐨𝐥𝐢𝐭𝐢𝐞𝐤 – wie bepaalt de regels en de wetten rondom technologie, en wiens belangen staan centraal in deze beslissingen hierover?
De ‘ijsberg’ biedt ook een praktische ingang om met leerlingen kritisch naar AI te kijken. Dat kun je bijvoorbeeld zo doen:
▪️ 𝐓𝐞𝐜𝐡𝐧𝐢𝐬𝐜𝐡 𝐧𝐢𝐯𝐞𝐚𝐮 – laat leerlingen onderzoeken hoe generatieve AI zoals ChatGPT werkt. Welke algoritmes en data maken deze technologie mogelijk, kunnen we dat zien? Hoe beïnvloeden die precies die ‘output’? Denk aan bias en ecologische consequenties.
▪️ 𝐏𝐬𝐲𝐜𝐡𝐨𝐬𝐨𝐜𝐢𝐚𝐚𝐥 𝐧𝐢𝐯𝐞𝐚𝐮 – bespreek hoe AI ons denken en gedrag beïnvloedt. Bijvoorbeeld: hoe verandert het ons idee van creativiteit als teksten en beelden door AI gegenereerd kunnen worden? Verandert ons beeld van menselijke expressie?
▪️ 𝐏𝐨𝐥𝐢𝐭𝐢𝐞𝐤 𝐧𝐢𝐯𝐞𝐚𝐮 – voer een discussie over wet- en regelgeving rond AI. Wie bepaalt hoe AI mag worden ingezet? Hoe werkt de lobby van grote techbedrijven?
Door deze dimensies in lessen te integreren leren leerlingen niet alleen hoe (generatieve) AI werkt, maar ook wat de bredere maatschappelijke gevolgen ervan zijn.
Hun artikel over het raamwerk verscheen bij Harvard Educational Review.