AI in feedback: van oordeel naar ontwikkeling
Je geeft feedback. Veel feedback. Maar wat nemen studenten er echt van mee? Daar zit de crux: feedback werkt pas als het richting geeft én gebruikt wordt. Tijdens de Boom Blended Week liet Barend Last zien hoe generatieve AI daarbij kan helpen, mits je scherp blijft op de didactische uitgangspunten. Feedback is geen losse opmerking, maar een proces van feed up, feedback en feed forward. Zonder doel blijft elke correctie hangen en verliest feedback zijn waarde. AI kan dat proces versterken, maar niet vervangen. Wat betekent dat concreet voor je lespraktijk? Vijf manieren om daar morgen al mee te starten.
Begin bij het doel, niet bij de correctie
Veel feedback start bij wat er misgaat. Dat is logisch, maar vaak te vroeg. Als een student niet scherp heeft wat ‘goed’ is, heeft correctie weinig effect. In de praktijk zie je dat bij schrijfopdrachten: opmerkingen als “onderbouw beter” blijven vaag zonder concreet beeld van kwaliteit. Gebruik AI om samen met studenten voorbeelden of succescriteria te verkennen. Laat een model twee versies van een antwoord genereren en bespreek welke beter aansluit bij het doel en waarom. Zo maak je feed up zichtbaar en bespreekbaar. De vervolgstap ligt voor de hand: waar zit jouw werk ten opzichte van dit voorbeeld?
Verschuif van taak naar proces
Feedback blijft vaak steken op taakniveau: een fout antwoord, een ontbrekende bron. Dat is nuttig, maar beperkt. Effectiever is feedback op procesniveau, waarin je kijkt naar aanpak en strategie. AI kan hier helpen door alternatieve oplossingsroutes te laten zien. Laat studenten bijvoorbeeld hun aanpak invoeren en vraag het model om een andere strategie te beschrijven. Bespreek vervolgens samen: wat werkt hier beter, en waarom? Je verschuift de aandacht van ‘wat ging fout’ naar ‘hoe pak je dit aan’. Daarmee bouw je aan overdraagbare vaardigheden.
Feedback zonder doel is eigenlijk zinloos.
Maak feed forward concreet en klein
Veel feedback stopt bij een oordeel. Studenten weten wat niet klopt, maar niet wat ze nu moeten doen. Juist feed forward maakt het verschil: de eerstvolgende stap. AI kan suggesties doen, maar die worden niet automatisch opgepakt. De sleutel ligt in concretisering. In plaats van “werk je argument uit” formuleer je samen een volgende actie: “voeg één tegenargument toe en onderbouw dat met een bron”. Laat studenten AI gebruiken om die stap te verkennen, maar laat ze zelf kiezen en verwoorden wat ze gaan doen. Zo blijft de regie bij de lerende.
Werk bewust aan feedbackgeletterdheid
Dat studenten niets doen met feedback, is vaak geen onwil maar onvermogen. Ze weten niet hoe ze feedback moeten interpreteren of toepassen. Zie feedback daarom als een vaardigheid die je ontwikkelt. Een eenvoudige werkvorm: laat studenten na feedback één ‘topper’ en één ‘stopper’ formuleren in hun eigen werk. Dat dwingt tot reflectie en maakt de vertaalslag concreet. AI kan ondersteunen door vragen te stellen of structuur te bieden, maar het denken moet bij de student blijven. Dat is precies waar leren plaatsvindt.
Let op taal en timing
Hoe je feedback formuleert, bepaalt of deze landt. Te vaag, te complex of te veel tegelijk werkt averechts. AI kan helpen om feedback te herschrijven naar heldere, concrete taal. Maar minstens zo belangrijk is het moment: feedback werkt het best tijdens het leerproces, niet erna. Als het cijfer al vaststaat, verschuift de aandacht naar beoordelen in plaats van verbeteren. Gebruik AI bijvoorbeeld om tussentijds snelle analyses te maken, zodat je eerder in het proces kunt bijsturen. Klein, gericht en op het juiste moment.
Morgen beginnen?
Wil je morgen beginnen, kies dan één opdracht en stel jezelf deze vraag: waar blijft mijn feedback nu hangen, en welke kleine stap kan ik toevoegen zodat studenten er direct mee verder kunnen? Begin daar. In Chatten met Napoleon 3.0 vind je veel meer concrete werkvormen en voorbeelden om dit verder uit te bouwen in je praktijk.
