Door Gert Jan Schop
Zelf de weg leren vinden
Je leert de weg pas echt kennen wanneer je de omgeving zelf gaat verkennen. Gaandeweg herken je wegen en kruispunten, ontdek je hoe verschillende plekken met elkaar verbonden zijn en krijg je gevoel voor de omgeving. Na verloop van tijd weet je zelfstandig de weg te vinden. Zelfs wanneer een weg is afgesloten, kun je een andere route bedenken. Je hebt een eigen beeld van het landschap opgebouwd.
De Nederlandse filosoof Ad Verbrugge gebruikt deze vergelijking om duidelijk te maken hoe mensen kennis verwerven. Hij vergelijkt leren met het ontdekken van een landschap. Door zelf op onderzoek uit te gaan, verbanden te leggen, fouten te maken en opnieuw te proberen, ontwikkel je geleidelijk een samenhangend beeld van een kennisgebied.
Wie voortdurend een navigatiesysteem volgt, kan zijn bestemming bereiken zonder het landschap werkelijk te leren kennen. Volgens Verbrugge dreigt bij het leren iets vergelijkbaars. Wanneer technologie steeds meer denkwerk overneemt, kunnen we antwoorden vinden zonder de kennis en het inzicht te ontwikkelen die nodig zijn om die antwoorden zelfstandig te begrijpen en te beoordelen.
Je kunt dus op je bestemming aankomen zonder de weg te kennen. En daarin zit een interessante vraag voor het onderwijs in een tijd waarin AI steeds meer denkwerk kan overnemen.
Een waarschuwing die al bijna tien jaar oud is
Verbrugge beschreef deze gedachte in 2017 in zijn essay Wie weet hier de weg? Over kunde en onkunde door digitalisering van het onderwijs, opgenomen in de bundel Onderwijs in tijden van digitalisering, die hij samen met Jelle van Baardewijk samenstelde.
Generatieve AI, zoals ChatGPT, bestond toen nog niet in de vorm waarin we die nu kennen. Verbrugge hield zich bezig met de bredere gevolgen van computers, internet en digitalisering voor het onderwijs.
Zijn uitgangspunt was dat er een belangrijk verschil bestaat tussen informatie beschikbaar hebben en kennis werkelijk beheersen. Informatie kun je opzoeken. Kennis vraagt dat je informatie kunt begrijpen, beoordelen en plaatsen binnen een groter geheel.
Dat onderscheid is met de komst van generatieve AI alleen maar interessanter geworden. AI kan inmiddels teksten schrijven, analyses uitvoeren, verbanden leggen en adviezen formuleren. Werkzaamheden die voorheen veel denkwerk van studenten vroegen, kunnen nu binnen enkele minuten worden uitgevoerd.
Maar wat betekent dat voor het leren zelf?
Je hebt een eigen kennislandschap nodig
Wie veel van een onderwerp weet, kan nieuwe informatie gemakkelijker plaatsen. Je herkent begrippen, ziet verbanden en kunt beoordelen of een redenering logisch is. Je beschikt als het ware over een eigen kaart van het kennisgebied. Neem een ervaren bedrijfskundige. Die begrijpt hoe strategie, structuur, cultuur, leiderschap en processen met elkaar samenhangen. Wanneer zich een organisatieprobleem voordoet, kan hij vanuit verschillende invalshoeken naar mogelijke oorzaken kijken.
Voor een beginnende student zijn deze begrippen vaak nog losse onderdelen. Hij kent misschien de theorie over het 7S-model, heeft gehoord van een SWOT-analyse en weet wat procesmanagement inhoudt. Maar hoe deze onderwerpen met elkaar samenhangen en wanneer je welke kennis gebruikt, moet hij nog ontdekken. Juist door te oefenen, vraagstukken te onderzoeken en theorie toe te passen, ontstaat geleidelijk een samenhangend kennislandschap. Nieuwe informatie krijgt daarin een plek. De student leert steeds beter zelfstandig zijn weg te vinden.
Dat is ook waarom het ontwikkelen van vakkennis zo belangrijk blijft. Wie zelf onvoldoende van een onderwerp begrijpt, kan moeilijk beoordelen of een antwoord van AI klopt, welke informatie ontbreekt en of een advies in een bepaalde situatie toepasbaar is.
AI als navigatiesysteem of als hulpmiddel bij het leren?
De landschapsmetafoor helpt om onderscheid te maken tussen twee manieren waarop studenten AI kunnen gebruiken.
AI als navigatiesysteem
Een student vraagt AI om een organisatieprobleem te analyseren. Binnen enkele minuten ontvangt hij een overzicht van mogelijke oorzaken, passende managementmodellen en aanbevelingen. De tekst ziet er verzorgd uit en de redenering lijkt logisch. Met enkele aanpassingen kan de student het resultaat gebruiken in zijn rapport.
Maar wat heeft hij zelf geleerd? Begrijpt hij waarom bepaalde modellen zijn gekozen? Kan hij uitleggen hoe de conclusies tot stand zijn gekomen? En zou hij bij een vergelijkbaar probleem zelfstandig een analyse kunnen uitvoeren? De student is op zijn bestemming aangekomen, maar heeft mogelijk nauwelijks geleerd hoe het landschap eruitziet.
AI als hulpmiddel bij het verkennen van het landschap
Dezelfde student kan AI ook anders inzetten. Hij begint met een eigen verkenning van het organisatieprobleem. Vervolgens gebruikt hij AI om kritische vragen te laten stellen, mogelijke verklaringen te onderzoeken en alternatieve invalshoeken te ontdekken.
Misschien blijkt zijn eerste analyse te beperkt. AI wijst hem op een verband dat hij nog niet had gezien of stelt een vraag waarop hij geen goed antwoord heeft. Dat dwingt hem opnieuw naar zijn redenering te kijken. In dit geval helpt AI de student om het kennislandschap verder te verkennen. Hij blijft zelf verantwoordelijk voor het begrijpen van het probleem, het leggen van verbanden en het onderbouwen van zijn keuzes.
Het verschil tussen beide toepassingen is groot. In het eerste geval kan AI een belangrijk deel van het leerproces overnemen. In het tweede geval ondersteunt AI het leren en kan het juist bijdragen aan verdieping.
Moeten studenten dan alles zelf blijven doen?
De metafoor van Verbrugge is waardevol, maar vraagt ook om enige nuance. Om te beginnen is zelfstandig worstelen met een probleem niet altijd leerzaam. Een student die onvoldoende basiskennis heeft, kan lang blijven zoeken zonder werkelijk verder te komen. Goede uitleg, begeleiding en feedback blijven belangrijk. AI kan daarin een nuttige rol spelen.
Daarnaast hoeft het uitbesteden van werkzaamheden geen probleem te zijn. Een ervaren financieel manager gebruikt software voor ingewikkelde berekeningen en een onderzoeker laat gegevens analyseren door een computer. Daardoor ontstaat tijd voor andere werkzaamheden, zoals het interpreteren van resultaten of het afwegen van alternatieven.
Het gaat er dus om welke kennis en vaardigheden iemand moet ontwikkelen en welke werkzaamheden verantwoord kunnen worden uitbesteed. Bovendien kan AI het leren juist verrijken. Het kan nieuwe perspectieven aanreiken, ingewikkelde theorie uitleggen, voorbeelden geven en studenten uitdagen hun aannames ter discussie te stellen.
Dat vraagt wel dat we bewuste keuzes maken. Wanneer helpt AI iemand om verder te leren? En wanneer neemt AI juist het denkwerk over dat nodig is om kennis en inzicht te ontwikkelen?
Wat betekent dit voor onze opleidingen?
Bij BKOU werken we met studenten die hun opleiding combineren met een baan. Zij brengen veel praktijkervaring mee en willen nieuwe kennis direct toepassen binnen hun organisatie. Dat biedt interessante mogelijkheden. Een student die een strategisch advies ontwikkelt, kan AI gebruiken om alternatieve scenario’s te onderzoeken. Maar hij moet zelf kunnen uitleggen waarom hij een bepaald vraagstuk heeft gekozen, welke analyses nodig zijn en hoe hij tot zijn aanbevelingen is gekomen.
Hetzelfde geldt voor een student die een veranderplan opstelt. AI kan helpen om mogelijke weerstand in kaart te brengen of verschillende veranderstrategieën te vergelijken. Maar de student moet begrijpen welke belangen spelen, waarom medewerkers verschillend reageren en welke aanpak in de betreffende organisatie passend is.
Ook voor professionals die al jaren ervaring hebben, blijft dit relevant. Zij beschikken vaak over een uitgebreid kennislandschap binnen hun eigen vakgebied. Toch moeten ook zij nieuwe kennis en inzichten ontwikkelen. AI kan daarbij helpen, zolang zij kritisch blijven nadenken over de uitkomsten. Dit heeft gevolgen voor de manier waarop we ons onderwijs vormgeven. We moeten steeds opnieuw bepalen welke denkstappen studenten zelf moeten leren uitvoeren, waar AI ondersteuning kan bieden en hoe we kunnen vaststellen dat iemand de kennis daadwerkelijk beheerst.
Daarmee raakt de landschapsmetafoor aan een bredere vraag over de toekomst van het onderwijs. Als AI steeds meer werkzaamheden kan uitvoeren, welke kennis en vaardigheden willen we dan dat onze studenten zelf ontwikkelen? En hoe richten we het onderwijs zo in dat dit ook werkelijk gebeurt?
Een goed eindproduct is nog geen bewijs van leren
De landschapsmetafoor van Ad Verbrugge maakt duidelijk waarom het leerproces zelf zo belangrijk is. Door te onderzoeken, te oefenen, fouten te maken, verbanden te leggen en keuzes te verantwoorden, ontwikkelen studenten hun eigen kennislandschap.
AI kan hen daarbij ondersteunen. Maar wanneer studenten uitsluitend de aanwijzingen van AI volgen, bestaat het risico dat zij wel een goed resultaat bereiken, terwijl hun eigen kennis en inzicht onvoldoende groeien.
Voor mij leidt dit tot een belangrijke conclusie: bij het beoordelen van leren moeten we twee vragen blijven onderscheiden. Wat heeft iemand geproduceerd en wat heeft iemand daadwerkelijk geleerd? Een overtuigend adviesrapport, een goede analyse of een professioneel veranderplan vertelt ons iets over de kwaliteit van het eindproduct. Of de student ook zelfstandig de weg weet te vinden, vraagt om meer.
En uiteindelijk is dat waar onderwijs voor bedoeld is: mensen helpen om zich kennis en vaardigheden eigen te maken, zodat zij ook in nieuwe en onbekende situaties zelfstandig kunnen denken, oordelen en handelen.
– Gert Jan Schop is organisatieadviseur, ondernemer en algemeen directeur van Bedrijfskunde Opleiding Utrecht. Hij heeft ruim 30 jaar ervaring met strategie, bedrijfsvoering en verandermanagement. Bij BKOU geeft hij les in Verandermanagement & Organisatiekunde en begeleidt hij afstudeerders. Daarnaast adviseert hij organisaties bij complexe verandertrajecten. Praktisch, scherp en altijd met oog voor mensen.
AI in het onderwijs: wie kent de weg nog zelf?
Bronnen
Verbrugge, A. (2017). Wie weet hier de weg? Over kunde en onkunde door digitalisering van het onderwijs. In A. Verbrugge & J. van Baardewijk (red.), Onderwijs in tijden van digitalisering (pp. 191–244). Boom.
Van der Schoot, M. (2025, 4 september). Taal als denkruimte: wat we verliezen door AI. Didactief.
