Niet op één theorie. EAI brengt drie lagen bij elkaar: wat we al weten over leren en onderwijs, wat recent onderzoek laat zien over AI in onderwijs, en de ontwerpkeuzes die EAI daar zelf bovenop legt.
Een bestaand didactisch mechanisme is iets anders dan een recente AI-studie. En geen van beide maakt een nieuw EAI-begrip vanzelf gevalideerd. Op deze site proberen we dat onderscheid zichtbaar te houden.
Ophalen uit geheugen, feedback verwerken, zelfregulatie, scaffolding, afbouw van hulp, transfer en actieve verwerking zijn geen EAI-uitvindingen. EAI gebruikt zulke mechanismen wanneer AI een deel van de taak kan uitvoeren.
Onderwijs gaat niet alleen over taakprestatie. Ook autonomie, leerlingstem, relatie, proportionaliteit, professionele verantwoordelijkheid en de vraag waartoe je onderwijst spelen mee.
Recente studies laten zien dat effecten van generatieve AI sterk afhangen van taak, ondersteuning en wat AI precies overneemt. Daarom analyseert EAI handelingen in plaats van alleen 'AI-gebruik'.
Dat klinkt bijna te vanzelfsprekend. Toch wordt een sterk AI-ondersteund product gemakkelijk gelezen alsof het iets zegt over zelfstandige beheersing. EAI houdt ondersteunde prestatie, zelfstandig uitvoeren, later opnieuw uitvoeren en transfer daarom uit elkaar.
Onderzoek naar retrieval en opnieuw uitvoeren laat zien waarom een nieuwe poging iets anders kan laten zien dan opnieuw bestuderen of herkennen.
Recente studies onderscheiden eveneens sterke prestatie mét AI van wat later zonder dezelfde ondersteuning beschikbaar blijft.
Scaffolding gaat niet om zo min mogelijk helpen. Het gaat om passende hulp, contingentie, afbouw en overdracht van verantwoordelijkheid. Dat wordt extra relevant wanneer AI onbeperkt hints, uitleg en modellen kan geven.
In de scaffoldingliteratuur keren juist contingentie, fading en transfer of responsibility steeds terug.
AI-tutoring kan leren ondersteunen wanneer de hulp zo is ontworpen dat leerlingen actief blijven; onbeperkte antwoordvoorziening kan in sommige situaties juist latere prestaties schaden.
Een verbeterde tekst is niet automatisch bewijs dat de leerling de verbetering zelf kon uitvoeren. Daarom eindigen EAI-werkvormen rond feedback vaak met revisie of een nieuwe poging door de leerling.
Wanneer AI automatisch doelen herformuleert, een route kiest, voortgang beoordeelt of hulp opschaalt, kan niet alleen inhoudelijk werk maar ook regulatie verschuiven. Daarom behandelt EAI die stappen afzonderlijk.
Zelfregulerend leren omvat doelgericht plannen, monitoren en bijstellen; het is meer dan leerlingen simpelweg alleen laten werken.
Autonomie, competentie en verbondenheid zijn relevante psychologische voorwaarden wanneer we nadenken over eigenaarschap en sturing in onderwijs.
Een leerling kan selecteren, vergelijken, verklaren, wegen of zelf iets construeren. Zulke verschillen zijn belangrijk wanneer AI precies een van die bewerkingen kan uitvoeren.
EAI houdt observatie, interpretatie, leerlingperspectief, onzekerheid en beslissing uit elkaar. Dat is deels een vraag van professioneel handelen en deels een pedagogische vraag: welk doel dient de beslissing en hoe blijft de leerling daarin als persoon aanwezig?
De vraag waartoe onderwijs dient kan niet worden vervangen door alleen meetbare opbrengsten of technische efficiëntie.
Recente studies beschrijven hoe initiatief, epistemische agency en professionele verantwoordelijkheid anders verdeeld kunnen raken wanneer docenten met AI werken.
De huidige literatuur is heterogeen. Gemiddelde positieve of negatieve effecten vertellen weinig zonder te weten welke taak, welk vak, welke ondersteuning en welke menselijke activiteit in beeld was.
STEM, generatieve AI en cognitieve leeruitkomsten. Onder meer relevant voor het onderscheid tussen augmenteren en vervangen van leerlingactiviteit.
Bron →Langdurige data uit Chinees voortgezet onderwijs; homeworkprestaties en latere gesloten toetsen lopen niet automatisch gelijk.
Bron →Gemiddeld positieve effecten, maar duidelijke moderatie door onder meer vak, duur en instructievorm.
Bron →Teacher-AI samenwerking als verdeling van detecteren, diagnosticeren, beslissen en professioneel handelen.
Bron →De EAI Standard koppelt context, doel, actor en fase aan een kernhandeling, kleinere microstructuren, concrete AI-acties en passend bewijs. De precieze EAI-taxonomie blijft kandidaat en vraagt verdere construct- en interbeoordelaarsvalidatie.
Bekijk de evidence claims in de EAI Standard →
Bekijk de construct map en validatiestatus →