Twee studenten leveren een vrijwel identiek verslag in. Bij allebei staat onderaan: ‘gemaakt met behulp van ChatGPT’. De eerste heeft de opdracht in de prompt geplakt, op enter gedrukt en het antwoord overgenomen. De tweede heeft eerst zelf een structuur bedacht, AI om tegenargumenten gevraagd, die tegen twee andere bronnen gelegd en de helft verworpen. Zelfde tool, zelfde eindproduct, zelfde bronvermelding, maar een wereld van verschil in wat er in het hoofd van de student is gebeurd. Hoe maak je dat verschil zichtbaar? En hoe beoordeel je het als je niet in dat hoofd kunt kijken?

WAAR WE GEBLEVEN WAREN
In het vorige nummer IP #6 beschreef ik het DIPS-model: een empirisch onderbouwde kaart van hoe mensen een informatieprobleem oplossen mét generatieve AI. De belangrijkste boodschap daar was een verschuiving in de rol van de mens: van uitvoerder naar regisseur. Niet meer alles zelf zoeken en samenvatten, maar de AI sturen, beoordelen en bijschaven. En precies daar gingen beginners de mist in: ze delegeerden het denkwerk en verloren de regie.

Het DIPS-model laat zien dat het proces verandert. Maar het laat een lastige vraag onbeantwoord: hoe zie je in een concrete taak wíe de regie heeft: de mens (student) of de AI? En hoe geef je daar feedback op? Daarvoor ontwikkelden we een tweede instrument: de Human-AI Agency Rubric.

HET PROBLEEM MET BESTAANDE TOETSING
De meeste rubrics voor informatievaardigheden zijn ontworpen voor een pre-AI-wereld en kijken naar het eindproduct: is de vraagstelling scherp, zijn de bronnen betrouwbaar, klopt de synthese? Dat werkt niet meer. Een student kan met AI een uitstekend verslag inleveren zonder ook maar één van de onderliggende vaardigheden te bezitten. Het product verhult dan een leerproces dat niet heeft plaatsgevonden.

De reflex in veel instellingen is een ja/nee-vraag: mág AI hier wel of niet? Maar dat is een botte knop. Voor het ontwerpen van een presentatieslide gelden andere regels dan voor een wetenschappelijk essay, en zelfs binnen één opdracht verschilt het per fase of leunen op AI verstandig is. De vraag ‘mag het?’ mist waar het om gaat. De echte vraag is: hoe bewust deelt iemand het denkwerk met AI en klopt die verdeling bij wat de taak vraagt? Bestaande rubrics kijken naar het eindproduct, maar het product verhult juist het informatievaardighedenproces dat we willen beoordelen.

AGENCY ALS CONTINUÜM, NIET ALS SCHAKELAAR
De rubric bouwt voort op het DIPS-model, met de zes fasen Definiëren, Zoeken, Selecteren, Verwerken, Synthetiseren, Creëren (zie figuur links) en combineert dat met de theorie van human-AI-regulatie (Molenaar, 2022). Het kernbegrip is agency: hoeveel cognitieve regie de mens houdt tegenover de AI. Dat is geen aan-uitschakelaar, maar een continuüm met drie niveaus:

1. Vervangen – AI neemt het cognitieve werk over. De mens geeft de opdracht, de AI voert het uit.

2. Aanvullen – Mens en AI werken samen. De mens vraagt bijvoorbeeld om feedback op eigen werk, of controleert en verfijnt de AI-output.

3. Verrijken – AI verdiept het menselijke denken. De mens denkt zelf en zet AI in om dat denken scherper, breder of kritischer te maken.

Geen van de drie is per definitie goed of fout. Substitutie bij een bijzaak kan slim zijn; augmentatie bij een kerntaak is vaak precies wat je wilt. Het punt is dat de student de keuze herkent en er bewust naar handelt.

WAT WE DEDEN
De rubric is niet door een bureau bedacht, maar ontwikkeld via educational design-based research: vier ontwerprondes waarin ontwerp en praktijk elkaar afwisselen.

1. Ontwikkeling. We analyseerden hardop-denk-opnames, schermopnames en interviews van 26 deelnemers – 14 beginners en 12 ervaren docenten – tijdens een realistische AI-ondersteunde informatietaak. Uit hun werkelijke gedrag destilleerden we de indicatoren.

2. Expertvalidatie. Drie focusgroepen met 20 experts – bibliothecarissen, AI-specialisten, docenten en onderzoekers – toetsten of de rubric klopte en bruikbaar was.

3. Gebruikerstest. Implementatie met 30 studenten van de lerarenopleiding in een echte onderwijscontext.

4. Betrouwbaarheidstoets. Een inter-rater reliability (IRR)-check op de definitieve versie: beoordelen twee mensen hetzelfde gedrag ook hetzelfde?

Het resultaat is een gevalideerde rubric met 55 gedragsindicatoren, georganiseerd als een checkboxformat: per DIPS-fase kun je aanvinken op welk agency-niveau iemand opereerde (zie boven: de Human-AI Agency Rubric). Meerdere vinkjes binnen één fase mogen – omdat mensen in de praktijk schakelen. Contextfactoren zoals taakcomplexiteit, voorkennis en het belang van de taak worden apart vastgelegd, want ze bepalen welke agency-verdeling gepast is.

GEEN VASTE TYPES, MAAR PATRONEN
Toen we het gedrag over alle fasen heen bekeken, tekenden zich herkenbare patronen af: terugkerende manieren waarop iemand de regie met AI verdeelt. De ene deelnemer besteedde vrijwel het hele proces uit aan AI en nam de output ongecontroleerd over. Een ander legde elke AI-claim systematisch naast externe bronnen. Weer een ander deed al het inhoudelijke werk zelf en gebruikte AI pas op het eind, alleen voor de taalpuntjes.

Belangrijk: dit zijn geen persoonlijkheidstypes. Ze beschrijven gedrag binnen een taak, geen vaste eigenschap van een persoon. Dezelfde student kan de zoekfase gedachteloos aan AI overlaten en in de verwerkingsfase juist kritisch elke zin wegen. Wie iemand indeelt in een hokje (‘jij bent een uitbesteder’) mist precies het punt. Het doel is niet om studenten te labelen, maar om ze te leren bewust te schakelen tussen agency-niveaus, afhankelijk van wat de situatie vraagt.

Die patronen – we onderscheiden er negen, elk met een eigen drijfveer als efficiëntie, authenticiteit of epistemisch eigenaarschap – verdienen een eigen verhaal. Daarover gaat het volgende deel in deze serie.

DE REFLECTIEVE CYCLUS IN DRIE STAPPEN
Waar de rubric echt voor bedoeld is, is niet afrekenen maar reflecteren. Ons onderzoek liet een scherp verschil zien: ervaren AI-gebruikers ervaren bij élke AI-beslissing een afweging. Ze wegen af wat hun AI-gebruik doet voor efficiëntie, precisie en eigenaarschap. Studenten ervaren AI-gebruik daarentegen zelden als een keuze; ze doen het gewoon. Precies dáár zit de leerwinst.

De rubric ondersteunt daarom een cyclus in drie stappen:

1. Bewustwording – Zie wat je eigenlijk deed. Welke fasen heb ik aan AI overgelaten, en welke deed ik zelf?

2. Herkenning van het dilemma – Besef dat er in elke AI-beslissing iets op het spel staat: tijd tegen grip, snelheid tegen eigenaarschap.

3. Weloverwogen keuze – Beslis bewust óf, wanneer en hoe je AI inzet, inclusief de keuze om het níét te doen.

Zo verschuift het gesprek van ‘heb je AI gebruikt?’ naar ‘waarom hier wel en daar niet?’. Dat is een gesprek dat een informatieprofessional bij uitstek kan begeleiden.

ROL VAN DE INFORMATIEPROFESSIONAL
Het instrument maakt iets zichtbaar wat lang onzichtbaar bleef: niet wát een student maakt, maar hoe doordacht hij de AI aanstuurt. Dat is precies het terrein van de informatieprofessional, die van oudsher niet het product beoordeelt maar het proces van informatie zoeken en beoordelen begeleidt. De rubric geeft daar een gedeelde taal voor. Concrete aanknopingspunten voor informatiespecialisten zijn:

> Gebruik de rubric als reflectie-instrument, niet als afrekeninstrument. De winst zit in het gesprek dat de vinkjes losmaken, niet in de score.

> Laat studenten hun eigen proces scoren en vergelijk dat met hoe jij het ziet. Het verschil is het lesmateriaal.

> Maak het agency-continuüm expliciet: bespreek wanneer uitbesteden slim is en wanneer het je je eigen leerproces kost.

> Koppel de rubric aan een AI-dagboek of intentielogboek: laat studenten per fase vastleggen of, waarom en hoe ze AI inzetten.

> Erken dat gepast AI-gebruik contextafhankelijk is: dezelfde handeling is bij de ene taak verstandig en bij de andere een gemiste leerkans.

TOT SLOT
Het DIPS-model liet zien dát de rol van de mens verschuift van uitvoerder naar regisseur. De Human-AI Agency Rubric maakt die regie zichtbaar en bespreekbaar – per fase, per taak, met een gedeelde taal die verder komt dan ‘mag het of mag het niet’. Het doel is niet om menselijke regie te maximaliseren en AI zo veel mogelijk buiten de deur te houden. Het doel is bewust gebruik: herkennen wat er op het spel staat bij elke AI-beslissing en daarnaar handelen.

In het volgende deel maak ik die patronen concreet: de negen herkenbare gezichten van mens-AI-samenwerking, van de Offloader tot de Co-Creator.

> De volledige rubric met alle 55 indicatoren is vrij beschikbaar onder een CC-BY-licentie.

> Eerdere artikelen dit jaar over ontwerpprincipes voor informatievaardighedenonderwijs vind je in het archief op informatieprofessional.nl (meest recente artikel bovenaan):

> Het DIPS-model voor informatievaardigheden – van zoekmachine naar promptmachine

> Validatie ontwerpprincipes voor informatievaardigheden – informatiespecialisten als proefkonijn

> Zeven ontwerpprincipes – wegwijzers naar informatievaardigheden <

IP | vakblad voor informatieprofessionals | 07 / 2026