Evaluatieve AI is AI die werk of beslissingen van mensen beoordeelt in plaats van ze over te nemen: ze laat zien wat ervoor en wat ertegen pleit, en laat het oordeel bij de mens.
Het begrip komt niet uit het onderwijs, maar uit onderzoek naar beslissingsondersteuning: systemen die mensen helpen kiezen, zoals een arts die een diagnose stelt. Tim Miller stelde het kader in 2023 voor op FAccT, een internationale conferentie over eerlijkheid, verantwoording en transparantie van algoritmes.
Zijn uitgangspunt: een systeem dat een aanbeveling geeft ("doe dit"), wordt vaak genegeerd of juist blind gevolgd, ook als de aanbeveling niet klopt. Miller stelt daarom voor dat het systeem geen antwoord geeft. De mens komt met een idee of een keuze, en het systeem laat zien wat daarvoor en wat daartegen pleit. De beslissing blijft bij de mens.
Miller bakent het zelf af. Evaluatieve AI is volgens hem niet voor elke situatie bedoeld, maar vooral voor beslissingen waarbij redelijk tot veel op het spel staat, waarbij de mens verantwoordelijk blijft en tijd heeft om af te wegen. Hij schrijft er ook bij dat het meer denkwerk vraagt van wie beslist, en dat mensen dat werk liever vermijden.
Eind 2025 verscheen online een experiment dat het kader toetst. Jaroslaw Kornowicz liet leken een eenvoudige schattingstaak uitvoeren, zonder hulp of met verschillende vormen van AI-hulp, waaronder een systeem dat bewijs voor en tegen liet zien. Die vorm van hulp leidde niet tot significant betere beslissingen, en een aanzienlijk deel van de deelnemers ging oppervlakkig om met het bewijs dat ze kregen.
De auteur noemt zelf de grenzen van zijn studie. De deelnemers waren leken, terwijl Miller het kader bedoelde voor beslissingen met meer op het spel, waarvoor vermoedelijk vakkennis nodig is. Ook het AI-model zelf deed het niet significant beter dan de deelnemers, wat volgens de auteur kan verklaren waarom er geen verbetering was. Hij vraagt om vervolgonderzoek met experimenten in een specifiek vakgebied en met situaties waarin meer op het spel staat.
Eerlijk samengevat: evaluatieve AI is een uitgewerkt voorstel met een heldere redenering, maar geen bewezen werkwijze. Wie zegt dat het aantoonbaar betere resultaten oplevert, gaat verder dan wat onderzoek nu laat zien.
Generatieve AI maakt iets nieuws: een tekst, een samenvatting, een lijst met ideeën, code. Evaluatieve AI maakt niets. Ze kijkt naar wat er al is, bijvoorbeeld je eigen scriptie, en zegt wat ze ziet: waar een claim verder gaat dan je bronnen, waar je redenering een stap overslaat, welke vraag een lezer zou stellen.
Toegepast op het onderwijs gaat het om een ander soort beslissing: wat een student met de eigen tekst doet. Die toepassing is een vertaling van Millers idee, geen onderdeel van zijn onderzoek. Ook de definitie bovenaan deze pagina is een samenvatting in eigen woorden, vrij naar Miller: hij spreekt over beslissingen, niet over het beoordelen van werk.
Uit een paper van Tim Miller (2023) over beslissingsondersteuning, gepresenteerd op de conferentie FAccT. Miller gebruikt de term voor een manier waarop AI mensen helpt beslissen, niet specifiek voor het onderwijs.
Nee. Een experiment met leken (Kornowicz, 2026) vond geen significant betere beslissingen. De auteur noemt het gebruik van leken zelf een beperking: het kader is bedoeld voor beslissingen met meer op het spel. Hij vraagt om vervolgonderzoek.
Nee. Een detector probeert in te schatten of een tekst door AI geschreven is. Evaluatieve AI beoordeelt de inhoud van werk dat je zelf schreef en laat het oordeel bij jou.
Dat hangt af van je hogeschool of universiteit, je opleiding en soms je begeleider. Ook evaluatieve AI is AI-gebruik, ook als ze niets voor je schrijft. Kijk in je OER en de scriptiehandleiding. Staat er niets over feedbacktools, vraag het dan aan je begeleider, het liefst per mail.
Niet altijd. Gegevens van een stageplek of opdrachtgever, interviewdata of patiëntgegevens horen niet zomaar in een externe tool. Lees wat de dienst met je tekst doet: waar hij verwerkt wordt, hoe lang hij bewaard blijft en of hij gebruikt wordt om modellen te trainen.
Vraagt je opleiding om een verantwoording van hulpmiddelen of AI, noem dan welke tool je gebruikte, waarvoor, voor welke delen van je tekst en wat je met de feedback deed. Noteer het tijdens het schrijven kort, dan hoef je het achteraf niet te reconstrueren.
Ja. Bij je verdediging moet je elke zin in je eindtekst kunnen uitleggen, ook de passages die je na feedback herschreef.
Esmond werkt in die geest. Het is een evaluatieplatform: je uploadt je eigen tekst, van werkstuk tot scriptie, en krijgt opmerkingen bij passages, als vraag of als observatie. Esmond schrijft geen tekst voor je om over te nemen en geeft geen cijfer; wat je met de opmerkingen doet, bepaal jij. Wie er achter Esmond zit, lees je op Scriptie laten nakijken.