Professor dr. Vincent Ginis is opdrachthouder Artificial intelligence en datagedreven strategische beleidsvoorbereiding aan de VUB. “De OO-scan, onze interne oefening waarbij we 4.684 opleidingsonderdeelfiches automatisch via AI lieten scannen op AI-frauderisico, was een van de stokpaardjes van ons AI-beleid. Andere universiteiten keken hier met grote ogen naar.”
Hoe krijg je AI geïmplementeerd in een AI-omarmende en tegelijk kritische VUB?
“Het was en is een uitdaging op vele niveaus. Bij de start zo’n tweeëneenhalf jaar geleden lanceerden we vanuit het vicerectoraat Onderwijs en Studentenzaken een oproep naar alle docenten en personeelsleden om een soort van ‘inspireer ons’-inzendingen te delen. Ze lieten ons weten op welke manieren zij hun eigen onderwijsactiviteiten of -methoden idealiter zagen veranderen. We merkten dat er een experimenteercultuur bestaat op onze campussen en we hebben een paar early adopters kunnen identificeren die al met AI aan de slag waren. Zo’n oproep gaan we binnenkort overigens opnieuw lanceren waarin we VUB’ers vragen ons ervaringen te vertellen uit hun praktijk die wij nog niet kennen.”
“Er ging enorm veel werk en tijd in wat we bijna evangeliseren zouden noemen: studenten en proffen wegwijs maken in het gebruik van AI”
“Er ging enorm veel werk en tijd van het vicerectoraat in wat we bijna het evangeliseren zouden noemen: studenten en proffen wegwijs maken in het gebruik van AI. Wat zijn daarbij de valkuilen, maar ook de misverstanden, wat de best practices en opportuniteiten. Lezingenreeksen werden hierover gelanceerd, samen met het team AI for Education. Er was ook al vroeg een speciale cel die taalmodelondersteuning bij onderzoekers voorziet. Dat is allemaal een beetje onopvallend werk: het gaat niet altijd over grote projecten, maar er kruipt extreem veel tijd in.”
Hoe verliep de implementatie zelf?
“Moderne AI, en dan heb ik het over de grote taalmodellen, is in zekere zin heel atypische software waarbij een top-downredenering veel minder efficiënt is dan een bottom-up redenering. Typische software als SAP of een Microsoft Office-omgeving worden top-down geïmplementeerd en dan moet iedereen daarmee beginnen werken. Maar bij de grote taalmodellen moet de manier waarop je ermee kunt werken vaak on the spot uitgevonden worden. Het is een persoonlijke assistent. De gebruikers ervan moeten dus vaak ad-hoc uitzoeken hoe gedetailleerde processen kunnen worden aangepast en hoe dat op een efficiënte manier gebeurt. Dat is de reden waarom er aan de VUB in grote mate veel bottom-up initiatieven zijn opgezet, zoals binnen opleidingsraden of inspiratiesessies, waarbij collega’s er letterlijk zelf mee aan de slag moeten en daardoor ook anderen inspireren om ermee te experimenteren.”
“We maakten tegelijk de bedenking dat door de snelle evolutie van GPT’s het gevaarlijk is om op één bepaald model grote systemen te bouwen. Want zes maanden later is er vaak een nieuw model wat al het voorgaande werk overbodig maakt. Daarom zijn veel van onze projecten laaghangend fruit. Het zijn met andere woorden geïsoleerde casussen die mooi omkaderd zijn en waarvan we weten wie de betrokken stakeholders zijn die ermee aan de slag kunnen. Dat is veel veiliger, overzichtelijker en werkbaarder dan werken binnen nieuwe, gigantische softwareomgevingen.”
Alle vakken aan de VUB werden door AI gescand. Waarom?
“Te veel mensen beschouwen AI als een tool om tijdsefficiënter te worden in wat ze al doen. Een van de negatieve voorbeelden daarvan vind ik bijvoorbeeld sneller e-mails schrijven. De OO-scans van de opleidingsonderdelen zijn een voorbeeld van iets wat we voorheen helemaal niet konden, van een proces dat vroeger niet bestond. De manier waarop het vicerectoraat Onderwijs en Onderwijszaken nu met de docenten over hun OO-fiches in dialoog kan gaan, geeft een extra dimensie in de ondersteuning van kwaliteitsmeting. We kunnen nu scans organiseren op heel wat thema’s: evaluatievormen, werkvormen of zelfs de verwevenheid van leerlijnen doorheen een curriculum. Terwijl dit vroeger enkel via steekproeven of op een anekdotisch niveau gebeurde. Het was een van de stokpaardjes van ons AI-beleid het afgelopen jaar. Andere universiteiten keken met grote ogen naar wat we hier deden. Dit soort voorbeelden, waarbij we niet enkel kijken om alles sneller en efficiënter te doen, maar ook nieuwe mogelijkheden implementeren waardoor de kwaliteit verbetert, zijn de meest enthousiasmerende voorbeelden van wat we met AI kunnen doen.”
“We kijken ook naar de nieuwe kansen die AI biedt om ons onderwijs en onderzoek structureel te verbeteren”
“Als je nationaal, of zelfs internationaal, vergelijkt hoe universiteiten met AI-vraagstukken omgaan, dan zie je een soort van boswachtersfocus op detectie van AI-geproduceerde teksten. Op manieren dus om studenten te vatten die op onrechtmatige wijze taalmodellen gebruikt hebben. Dat is uiteraard logisch, maar het fijne is dat we aan de VUB ook aandacht schenken aan de nieuwe mogelijkheden die AI ons biedt om ons onderwijs en onderzoek structureel te verbeteren. Die visie was ook enkel mogelijk dankzij de gedeelde mindset op onze vicerectoraten.”
Wat is het beleid rond onderzoek en welke ondersteuning bied je hen?
“AI beïnvloedt het onderzoek op een andere manier. Dat heeft veel te maken met de finaliteit, bij onderzoek draait die meestal rond het oplossen van een welbepaald maatschappelijk probleem. Dat impliceert dat onderzoekers een pak vrijer zijn in het gebruik van AI-tools. Bij onderwijs is bijvoorbeeld de finaliteit van een masterthesis nooit de thesis zelf, maar wel de student die een proces doorlopen heeft. De finaliteit ligt eigenlijk binnen de student zelf. Je hebt dus verschillende kaders nodig voor onderzoekers en voor studenten. De regelgeving is veel strikter voor studenten naar het gebruik van tools. Bij onderzoekers hanteren we een meer omarmende houding om in principe een aantal tools vrij te gebruiken, mits inachtneming van een aantal checks die de onderzoekers moeten doorlopen. De reden voor die coulantere houding naar gebruik toe is simpel: als morgen een nieuw kankermedicijn wordt ontwikkeld via een taalmodel zullen we dat collectief vieren. Dat ligt helemaal anders wanneer studenten hun eigen leerproces ondermijnen door het schrijven van de thesis aan AI uit te besteden.”
“Je hebt verschillende beleidskaders nodig voor onderzoekers en studenten”
AI wordt ook ingezet bij het klimaatactieplan van de VUB.
“De universiteit besliste al jaren geleden om de kaart van de duurzaamheid te trekken. Daar komen heel wat verantwoordelijkheden bij kijken rond de activiteiten die ondernomen worden, rond de impact daarvan en de rapportering. Een complex proces, dus ‘gefundenes fressen’ voor een taalmodel. Want dat kan documentatie die op heel veel verschillende plekken aanwezig is bij elkaar brengen. We hebben een aantal sessies georganiseerd met de betrokken collega’s en zij kregen op die manier een versnelling van de berekeningswijze van hoe je al die duurzaamheidsmaatregelen in kaart kan brengen. Een taalmodel kan bijstaan door schattingen te maken of onvolledige informatie op basis van online-informatie aan te vullen. Je kunt zo’n model eigenlijk beschouwen als een goede en ijverige assistent.”
Een veelgehoorde kritiek is dat door AI de intellectuele capaciteit van de mens minder gebruikt zal worden.
“Dat is waar: If you don’t use it, you lose it. Als je jarenlang in de stad rondrijdt op Google Maps dan vind je minder snel de weg wanneer je geen navigatie gebruikt. Dat is de reden waarom ik liever het perspectief omarm waarin we afspreken dat we met AI dingen doen die we voordien niet deden. Dat wil niet zeggen dat we taken zomaar afstaan, maar dat we een groter arsenaal van taken volbrengen en daardoor een kwalitatievere output genereren. Een voorbeeld uit de eigen praktijk: ik geef een aantal vakken wiskunde voor grote groepen in de 1ste bachelors. Dat gaat over een 800-tal studenten. Vanaf dit jaar kan ik in de aula zes keer per semester de studenten een volledige test manueel laten invullen. Vroeger was dat tweemaal per jaar, multiple choice. Ik geef die handgeschreven testen aan een taalmodel, uiteraard volledig geanonimiseerd, met de vraag om een overzicht te geven van de meest gemaakte fouten. Dat kon ik vroeger niet: ik kreeg maar een keer per jaar een overzicht van hoe goed studenten manueel wiskundevragen kunnen beantwoorden. En dat was op het examen zelf, dus te laat om er dan nog in de lespraktijk op terug te kunnen komen. Nu heb ik doorheen het jaar verschillende meetmomenten en geeft GPT mij een overzicht dat bijvoorbeeld 60% van de studenten nog fouten maakt bij de logaritmische differentiatie. Dan weet ik dat ik daarop terug moet komen in de les.”
“De VUB-sharepointpagina ‘Generatieve AI en onderwijs’ bevat een schat aan informatie”
Steven Van Luchene is afdelingshoofd Onderwijsondersteuning en was bijzonder nauw betrokken bij het project rond de OO-scans.
“Alle concrete realisatie op het vlak van AI zijn eigenlijk dit jaar pas volop uitgerold. We bepaalden eerst een focus, want je kunt niet alles tezelfdertijd doen. Die focus in het onderwijs werd tweeledig: enerzijds de impact op evaluatie - hoe weten we of studenten de competenties die we vooropzetten effectief behalen - en anderzijds op AI-geletterdheid, zowel van docent als van student.”
“In het kader van de kwaliteit van evaluatie hebben we de fameuze OO-scan opgezet. Zoals Vincent al aangaf hebben we alle vakken aan de VUB automatisch laten scannen via AI. Dat deden we via de zogenaamde opleidingsonderdeelfiches of OO-fiches. Dat waren er 4.684. Die scan onderzocht in welke mate de evaluaties, zoals beschreven in de fiches, fraudegevoelig voor AI konden zijn. Bij 54% daarvan bleek dat risico te bestaan. Op basis van die scan in februari 2025 hebben we elk van de individuele docenten adviezen gegeven wat ertegen te doen. Na een tweede scan enkele maanden later bleek dat we van 54% risico zakten naar 40%. Op basis van die cijfers hebben we een aantal opleidingen met veel schriftelijke opdrachten proactief benaderd om ze te begeleiden bij het meer AI-proof maken van de examinering. Een ander initiatief zijn de curriculumvernieuwingsmandaten of CVM’s. We hebben vanuit OS 300.000 euro vrijgemaakt voor projecten die AI-geletterdheid bij studenten structureel in het curriculum willen inbedden.”
“De OO-scan was een kantelmoment: 4.684 vakken automatisch laten scannen op AI-frauderisico, dat konden we vroeger niet”
“Ik ben ook erg blij met de VUB-sharepointpagina ‘Generatieve AI en onderwijs’ die werd ontwikkeld door onze projectmedewerkers. Daar staat een schat aan informatie en tips en tricks voor docenten en opleidingen. We beschikken bijvoorbeeld over een aantal canvasmodules die een docent of opleiding kan copy-pasten in het curriculum. Dat zijn cursussen als ‘Leerstof begrijpen met GenAI’, of ‘Data-analyse met GenAI’. Studenten leren AI te gebruiken als persoonlijke tutor. Aan de kant van de docenten hebben we bij het verzamelen van inspirerende voorbeelden hele mooie cases gezien om voorbeeldexamens op te stellen, of om lesplanningen te maken. Ik raad alle docenten aan om eens in die pagina’s te gaan snuisteren!”
“Wat de toekomst betreft blijven we uiteraard verder inzetten op het benaderen en ondersteunen van opleidingen die de grote omslag nog moeten maken. Maar er staat ons een grotere omwenteling te wachten: Tot nu toe bekeken we hoe we met de impact van AI kunnen omgaan binnen het huidige onderwijs. De volgende stap die we moeten zetten, is veel groter: hoe moet het onderwijs zelf veranderen in tijden van AI? Welke competenties moeten we studenten meegeven en welke niet? Wat moet er geleerd worden en hoe moeten we het onderwijs dan inrichten zodat generaties die in het AI-tijdperk zijn opgegroeid, toekomstig bestendige universitairgeschoolden worden? Aan die grote stap zijn we nog niet toe: we zijn nu met een kleine groep aan het reflecteren, vooral naar het volgende beleidsplan toe, om tot een soort white paper te komen.”
Centrale interne beroepscommissie trotseert beroepentsunami
Sarah Heyl is juridisch adviseur bij Onderwijs- en Studentenzaken. Zij maakt voor haar werkzaamheden voor de centrale interne beroepscommissie gebruik van artificiële intelligentie.
“Elk jaar worden er vooral in de tweede week van september beroepen ingediend door studenten tegen studievoortgangsbeslissingen die de VUB heeft genomen. Jaar na jaar zit het aantal beroepen in een exponentieel stijgende lijn. Op elk beroep moet er een reactie komen. In een korte periode moeten er dus extreem veel data verwerkt worden.”
Studenten kunnen beroepen instellen tegen een hele lijst van beslissingen. Dat gaat over vrijstellingsaanvragen en uitzonderingsaanvragen, maar ook over examentuchtmaatregelen, examenbeslissingen en inschrijvingen die niet toegelaten worden of inschrijvingen onder bindende voorwaarden.
“We zien in het aantal beroepen een enorme stijging. Vorig jaar hadden we er zo’n 450 en dit jaar zitten we boven de 730. Het is een grote uitdaging om daar adequaat op in te kunnen spelen en er tegelijk voor te zorgen dat studenten niet langer moeten wachten op de beslissingen. Ongeveer de helft van die beroepen zijn tegen de niet toegelaten inschrijvingen of tegen de inschrijvingen onder bindende voorwaarden. Elk ontvankelijk dossier wordt op een zitting gebracht waarop een uitgebreide commissie over het dossier beraadslaagt en oordeelt. Onze dienst neemt zelf geen beslissingen. Dat doen wel drie stemgerechtigde leden die lid zijn van het ZAP en daarbij worden raadgevende leden waaronder onder andere een jurist, faculteitssecretaris, ombudspersoon en een studietrajectbegeleider uitgenodigd. Vroeger deden we die analyse handmatig, nu doet het team van Vincent Ginis dat door middel van AI, een belangrijke voorbereidende administratieve stap. Er wordt door AI ook een samenvattende formulering gemaakt en in sommige dossiers gebruiken we die als vertrekpunt. Maar we controleren uiteraard altijd of alles klopt en verbeteren dit desgewenst. We nemen het niet zomaar klakkeloos over.”
“AI helpt ons grote hoeveelheden dossierdata snel te verwerken. Dat maakt het mogelijk om studenten sneller duidelijkheid te geven”
“Het is wellicht nog prematuur maar we staan er open voor om ook voor andere stappen te automatiseren, uitgezonderd de juridische check natuurlijk. Uiteindelijke beslissingen worden door de beroepscommissie genomen. Aan hun beslissing willen we absoluut geen afbreuk doen. Een andere piste die onderzocht zou kunnen worden, is bij een vrijstellingsdossier. Je maakt dan een analyse van de leerdoelen van het opleidingsonderdeel die de student heeft verworven, en het opleidingsonderdeel dat hij nog moet afleggen. Die fiches zou je door AI automatisch kunnen laten opzoeken. Ook de vergelijking van die documenten kunnen automatisch gebeuren. Maar opnieuw, met een controle van onze juristen en van de betreffende beroepscommissie.”
