De studie biedt een systematisch overzicht van 2.223 wetenschappelijke publicaties over kunstmatige intelligentie in het onderwijs (AIED). Door middel van bibliometrische en inhoudsanalyses onderzochten de auteurs drie hoofdvragen: (1) welke typen AI-toepassingen in het onderwijs bestaan, (2) wat de belangrijkste onderzoeksthema’s en bevindingen zijn, en (3) welke theoretische en methodologische kaders het veld kenmerken.
1. Typen AI-toepassingen
Uit de analyse komen vier hoofdgroepen naar voren:
1 Adaptief leren en gepersonaliseerde tutoring – systemen die zich aanpassen aan het kennisniveau, de leerstijl en emoties van de leerling (zoals intelligente tutoren en adaptieve leerplatforms). Dit is het meest onderzochte domein (≈ 40 %).
2 Intelligente beoordeling en leerbeheer – toepassingen voor automatische evaluatie, feedback en administratie, zoals AI-gestuurde toetsing of leermanagementsystemen.
3 Profilering en voorspelling – datagedreven modellen die leerprestaties, uitval of succes voorspellen met behulp van algoritmen.
4 Opkomende producten – o.a. chatbots, educatieve robots, en toepassingen van virtual en augmented reality.
2. Belangrijkste onderzoeksthema’s
Vier onderzoekslijnen domineren het veld:
• Systeem- en applicatieontwerp (meest voorkomend): ontwikkeling en vergelijking van AI-modellen en didactische systemen.
• Impact van AIED: bewijs dat AI het leerresultaat, de motivatie en concentratie van studenten kan verbeteren.
• Adoptie en acceptatie: beïnvloed door factoren als gebruiksgemak, vertrouwen en toegevoegde waarde.
• Uitdagingen: technische beperkingen, datakwaliteit, ethische kwesties (privacy, bias) en het ontbreken van menselijke betrokkenheid.
3. Onderzoeksmethoden en theorieën
De meerderheid van de studies gebruikt experimenteel onderzoek (≈ 38 %), gevolgd door statistische analyses en enquêtes. Theoretisch steunt het veld op concepten uit psychologie en onderwijskunde, met name:
• Constructivistische leertheorie (actief kennis construeren),
• Leerstijl- en cognitieve leertheorieën,
• Item Response Theory (psychometrische toetsanalyse).
Het merendeel van het onderzoek speelt zich af in hoger onderwijs (≈ 46 %) en K-12-onderwijs (≈ 32 %).
4. Trends en kennishiaten
Sinds 2017 is het aantal publicaties explosief gegroeid, mede door de COVID-19-pandemie en de verschuiving naar online leren. De auteurs signaleren echter lacunes:
• Beperkte aandacht voor generatieve AI (zoals ChatGPT) en voorschoolse educatie;
• Weinig onderzoek naar emotie, ethiek en gebruikerservaring;
• Gebrek aan theoretische diepgang en multidisciplinaire samenwerking.
5. Conclusie
AI transformeert het onderwijsfundament door personalisering, automatisering en nieuwe leerervaringen. Toch blijft de onderzoeksbasis gefragmenteerd: meer theorie-gedreven, ethisch verantwoorde en mensgerichte benaderingen zijn nodig. De auteurs pleiten voor integratie van nieuwe AI-technologieën, nadruk op menselijke samenwerking met AI, en het versterken van wetenschappelijke onderbouwing. AI-onderwijs bevindt zich in een snelle ontwikkelingsfase met groot potentieel voor leerpersonalisatie en efficiëntie, maar het veld mist nog theoretische consistentie, ethisch kader en aandacht voor menselijke dimensies.
Dit is een door AI gegenereerde samenvatting van het artikel Artificial Intelligence in Education: A Systematic Literature Review. Expert Systems with Applications geschreven door Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Lees hier het hele artikel.