Australische universiteiten verdeeld over AI‑ondersteunde beoordeling van studentwerk: uiteenlopende beleidslijnen en hun gevolgen

Divergente institutionele beleidslijnen

Er is een duidelijke tweedeling ontstaan onder Australische hogeronderwijsinstellingen wat betreft het gebruik van generatieve kunstmatige intelligentie voor het beoordelen van studentopdrachten. De University of New South Wales, de University of Melbourne en de University of Sydney hebben algehele verboden ingesteld die docenten verbieden AI‑tools te gebruiken bij het evalueren van werkstukken. Daarentegen hebben de University of Adelaide, de University of Newcastle, Deakin University en RMIT een voorwaardelijke benadering gekozen, waarbij docenten AI‑ondersteunde beoordeling mogen inzetten mits de academicus de uiteindelijke verantwoordelijkheid voor cijfer en feedback behoudt.

Deze tegengestelde houdingen weerspiegelen verschillende risicobeoordelingen en strategische prioriteiten. De prohiberende groep wijst op zorgen over academische integriteit en de betrouwbaarheid van door machines gegenereerde beoordelingen, terwijl de permissieve instellingen potentiële efficiëntiewinst benadrukken en de mogelijkheid dat AI kan dienen als een aanvullende beoordelaar.

Voorwaardelijk gebruik en opt‑out‑mechanismen

Waar AI‑ondersteuning is toegestaan, hebben universiteiten beschermende maatregelen ingevoerd. De University of Newcastle biedt bijvoorbeeld studenten het recht om zich af te melden voor AI‑ondersteunde beoordeling, zodat hun werk uitsluitend door menselijke beoordelaars wordt geëvalueerd. Deakin University stelt expliciet dat staf AI mag gebruiken om de efficiëntie te verbeteren en beoordelingsactiviteiten te ondersteunen, maar dat het systeem geen cijfers autonoom mag toekennen. Western Sydney University versterkt een “human‑centred” model en eist dat het toekennen van cijfers, graden en feedback altijd de verantwoordelijkheid van het academisch personeel blijft.

Deze beleidsregels trachten een evenwicht te vinden tussen de wens om de werklast te verlichten en de noodzaak om academische standaarden en het vertrouwen van studenten te behouden. Door de uiteindelijke menselijke beoordeling te behouden, proberen instellingen het risico op foutieve of bevooroordeelde AI‑uitkomsten te beperken, terwijl ze toch de ondersteunende rol van de technologie verkennen.

Instellingen die nog in de verkennende fase zitten

Verschillende universiteiten hebben AI nog niet ingezet voor beoordeling, maar integreren de technologie wel in bredere onderwij- en beoordelingspraktijken. Monash University, de University of Wollongong en James Cook University geven aan dat AI nog niet wordt gebruikt in het beoordelingsproces, maar wel wordt ingezet om het leren van studenten te ondersteunen via schrijf‑assistenten en gepersonaliseerde feedbackgeneratoren. De University of Queensland ontwikkelt beleid dat expliciet waarborgt dat academici het werk direct blijven beoordelen, wat duidt op een voorzichtige benadering van automatisering.

Deze verkennende stappen illustreren een voorzichtige adoptiecurve, waarbij instellingen AI eerst in laag‑risico‑situaties testen voordat ze overwegen het uit te breiden naar beoordelingsbeslissingen met hoge impact.

Critici waarschuwen voor een potentiële “slop‑cycle”

Tegenstanders van grootschalige AI‑beoordeling betogen dat dit een “slop‑cycle” kan in gang zetten, waarbij studenten steeds vaker AI‑gegenereerde opdrachten inleveren die vervolgens door AI worden beoordeeld. Deze feedback‑lus kan leiden tot verificatiedrift, waarbij de authenticiteit van werk moeilijker te bevestigen is en gefantaseerde inhoud ongemerkt kan doorglippen. Critici stellen dat een dergelijke cyclus de reputatie van universiteiten kan ondermijnen als lage‑kwaliteit of gefabriceerde inzendingen als legitieme academische output worden geaccepteerd.

De waarschuwing benadrukt een systemisch risico: zodra AI de primaire beoordelaar wordt, kan de prikkel voor studenten om AI‑generatie te gebruiken toenemen, waardoor de ontwikkeling van kritisch denken en schrijfvaardigheden mogelijk wordt aangetast.

Werklastdruk en de belofte van een “tweede paar ogen”

Academisch personeel in heel Australië rapporteert een hoge werklast, waarbij beoordeling een substantieel deel van hun beperkte tijd opeist. Sommige docenten zien AI als een potentiële “tweede paar ogen” die inconsistenties of plagiaat kan signaleren, waardoor de handmatige belasting wordt verlicht. De voordelen blijven echter grotendeels ongetest, en stafleden hebben hun zorgen geuit dat een te grote afhankelijkheid van AI kan leiden tot een “ramp” als de technologie niet in staat is de nuancevolle oordeelsvorming te vangen die nodig is voor complexe opdrachten.

De spanning tussen potentiële efficiëntie en onbewezen betrouwbaarheid onderstreept de noodzaak van rigoureuze evaluatie voordat AI‑ondersteunde beoordeling op grote schaal wordt uitgerold.

QUT’s “assessment uplift” project en zorgen van staf

Queensland University of Technology (QUT) heeft een “assessment uplift” project gelanceerd dat gericht is op het behouden van authentieke, vertrouwde, schaalbare en toekomstgerichte beoordeling in een AI‑enabled omgeving. Terwijl het initiatief streeft naar modernisering van evaluatiepraktijken, hebben medewerkers hun bezorgdheid geuit dat het project het volume van menselijke beoordeling kan verminderen, waardoor de voornaamste inkomstenbron voor sessie‑docenten die afhankelijk zijn van beoordelingswerkzaamheden onder druk komt te staan.

De QUT‑case illustreert hoe institutionele strategieën om AI te integreren kunnen botsen met arbeidsvraagstukken, en roept vragen op over de toekomstige rol van contractdocenten.

Studentenweerstand tegen AI‑gedreven beoordeling

Studentenopinies voegen een extra laag complexiteit toe. Een QUT‑student creatief schrijven, Alex Cameron, uitte een sterke afwijzing van AI‑grading en stelde dat hij niet voor een graad zou betalen als beoordelingen door machines werden uitgevoerd. Camerons opmerking weerspiegelt bredere weerstand onder studenten tegen AI‑gedreven beoordeling, vooral in disciplines waar genuanceerde feedback van grote waarde is.

Zo’n weerstand suggereert dat elke verschuiving naar geautomatiseerde beoordeling rekening moet houden met de verwachtingen van studenten voor menselijke interactie en mentorschap.

Onzekende effectiviteit en gebrek aan empirische data

Universiteitsvertegenwoordigers erkennen dat de effectiviteit van AI‑ondersteunde beoordeling op grote schaal onbekend blijft. Claims over verbeterde kwaliteit of efficiëntie zijn grotendeels ongetest, en er is geen empirisch bewijs over uitkomsten of betrouwbaarheid gepresenteerd. Deze erkenning laat de impact van AI op beoordeling open voor verdere evaluatie en benadrukt het belang van systematisch onderzoek vóór institutionele uitrol.

Zonder robuust bewijs riskeren beleidsbeslissingen te worden gedreven door speculatie in plaats van aantoonbare voordelen.

Praktische implicaties voor organisaties

Voor organisaties die samenwerken met of afgestudeerden van Australische universiteiten in dienst nemen, signaleert het huidige landschap een behoefte aan waakzaamheid. Werkgevers moeten zich bewust zijn dat beoordelingsnormen sterk kunnen variëren afhankelijk van het AI‑beleid van de instelling, wat de consistentie van graduate‑competenties kan beïnvloeden. Waar AI‑beoordeling is toegestaan, kunnen organisaties overwegen de credential‑verificatie aan te vullen met aanvullende vaardigheidstesten om te waarborgen dat afgestudeerden een rigoureuze menselijke evaluatie hebben ondergaan. Omgekeerd kunnen instellingen die AI‑grading verbieden afgestudeerden opleveren met meer traditionele feedbackervaringen, wat voordelig kan zijn voor functies die nuance‑rijke analytische vaardigheden vereisen. In alle gevallen kan transparante communicatie met onderwijs­partners over beoordelingspraktijken helpen verwachtingen af te stemmen en risico’s van uiteenlopende beoordelingsbenaderingen te mitigeren.

• University of New South Wales, University of Melbourne, University of Sydney – verbieden AI‑beoordeling.
• University of Adelaide, University of Newcastle, Deakin University, RMIT – staan AI‑ondersteuning toe onder menselijk toezicht.
• Queensland University of Technology – assessment uplift project gericht op AI‑enabled authenticiteit.
• Monash University, University of Wollongong, James Cook University – integreren AI in onderwijs maar niet in beoordeling.