Onderwijsinstellingen staan voor een dubbele uitdaging. Enerzijds neemt het gebruik van AI onder leerlingen en studenten razendsnel toe, vaak zonder enige begeleiding of kader. Anderzijds worstelen docenten en onderwijspersoneel met een groeiende hoeveelheid interne kennis: beleid, regelgeving, procedures en ondersteuningsdocumenten die verspreid liggen over systemen en afdelingen.
Generieke AI-tools zoals ChatGPT bieden geen oplossing voor beide problemen. Ze werken op basis van algemene trainingsdata, geven geen inzicht in de herkomst van antwoorden en zijn niet ingericht op de specifieke context van een school of onderwijsinstelling. RAG AI wel.
Waarom generieke AI niet past bij het onderwijs
Leerlingen en studenten in het voortgezet onderwijs, het MBO en het HBO en WO gebruiken AI-tools al dagelijks. Dat gebeurt grotendeels buiten het zicht van de instelling. De grens tussen leren en vrije tijd vervaagt, en scholen hebben weinig controle over wat er buiten de schoolomgeving gebeurt met die tools.
Dat is problematisch om meerdere redenen. Generieke AI-modellen verzinnen antwoorden als ze het niet weten, bevatten vooroordelen uit hun trainingsdata en houden zich niet altijd aan Europese privacywetgeving. Leerlingendata die in dergelijke systemen terechtkomt, kan buiten de EU worden opgeslagen of verwerkt.
Voor docenten en onderwijspersoneel geldt een vergelijkbaar probleem. Een docent of beleidsmedewerker die een generieke chatbot gebruikt om interne vragen te beantwoorden, krijgt antwoorden gebaseerd op algemene informatie, niet op het specifieke beleid van de eigen instelling.
Wat RAG AI anders doet
RAG AI, oftewel Retrieval Augmented Generation, werkt niet op basis van algemene trainingsdata maar op basis van kennis die de instelling zelf beheert en valideert. Bij elke vraag zoekt het systeem eerst relevante informatie op in de beschikbare kennisbronnen, selecteert de meest trefzekere onderdelen en formuleert pas daarna een antwoord.
Het resultaat is een AI-systeem dat uitsluitend antwoordt op basis van wat de instelling zelf heeft vastgelegd. Als het antwoord niet beschikbaar is in de kennisbank, geeft het systeem dat expliciet aan.
Dit maakt RAG AI fundamenteel geschikter voor het onderwijs dan generieke alternatieven, zowel voor docenten en onderwijspersoneel als voor studenten en leerlingen.
RAG AI voor docenten en onderwijspersoneel: grip op interne kennis
Onderwijsinstellingen hebben een grote hoeveelheid interne kennis die moeilijk vindbaar is. Denk aan:
- CAO-afspraken en HR-beleid
- Klachten- en bezwaarprocedures
- Ondersteuningsprotocollen voor leerlingen met extra behoeften
- Examenreglementen en vrijstellingsprocedures
- AVG-beleid en beveiligingsrichtlijnen
- Roostersystemen, aanvraagprocedures en interne formulieren
In de praktijk kost het docenten en onderwijspersoneel veel tijd om het juiste antwoord te vinden. Ze zoeken in gedeelde mappen, sturen e-mails rond of bellen een collega. RAG AI maakt die kennis direct doorzoekbaar en toegankelijk, in de juiste taal.
Concreet voorbeeld: een nieuwe docent bij een MBO-instelling vraagt het systeem hoe hij een vrijstelling voor een student aanvraagt. Het systeem haalt de relevante procedure op uit het eigen examenreglement en geeft een stapsgewijs antwoord, inclusief verwijzing naar het brondocument.
Kennismanagement als voorwaarde
RAG AI is zo betrouwbaar als de kennis waarop het is gebaseerd. Dat betekent dat ongestructureerde, verouderde of inconsistente documenten ook leiden tot onbetrouwbare antwoorden. Voordat RAG AI effectief werkt, moet de kennisbasis op orde zijn: gevalideerd, actueel en logisch gestructureerd.
Bij Qsource beginnen we daarom altijd bij het kennismanagement. Kenniseigenaren binnen de instelling bepalen wat klopt. De AI maakt het toegankelijk.
RAG AI voor studenten en leerlingen: verantwoorde ondersteuning
De inzet van AI ter ondersteuning van het leerproces biedt kansen, maar vraagt om duidelijke kaders. De meerwaarde zit vooral in gerichte, smalle toepassingen waarbij AI een specifieke ondersteunende rol vervult, niet een vervangende.
Met RAG AI kan een instelling een AI-assistent inrichten die studenten ondersteunt op basis van uitsluitend door de instelling goedgekeurd materiaal. Denk aan:
Voortgezet onderwijs: leerlingen die buiten schooltijd vragen stellen over leerstof krijgen antwoorden gebaseerd op de methodes en materialen die de school zelf gebruikt, niet op willekeurige internetteksten.
MBO: studenten die vragen hebben over hun opleiding, stageregels of examenplanning krijgen direct het juiste antwoord uit het eigen studentenhandboek, zonder te hoeven wachten op een medewerker.
HBO en WO: studenten die werken aan opdrachten of onderzoek kunnen een RAG-systeem bevragen op basis van literatuur en bronnen die de instelling zelf heeft goedgekeurd en beschikbaar gesteld.
Wat RAG AI niet doet
RAG AI schrijft geen opdrachten voor studenten en vervangt het leerproces niet. Het systeem antwoordt op basis van beschikbare kennis en verwijst altijd naar de bron. Dat maakt het transparant en controleerbaar, in tegenstelling tot generieke AI-tools die antwoorden genereren zonder herleiding.
Leren blijft mensenwerk. De relatie tussen docent en leerling is de belangrijkste factor voor succes in het onderwijs. RAG AI ondersteunt die relatie door routinevragen op te vangen, zodat docenten meer tijd hebben voor wat echt telt: persoonlijke begeleiding en inhoudelijk onderwijs.
Privacyborging en GDPR-compliance
Een van de grootste bezwaren tegen generieke AI-tools in het onderwijs is de omgang met persoonsgegevens. Leerlingendata, voortgangsgegevens en communicatie mogen niet buiten de EU worden opgeslagen of verwerkt zonder expliciete toestemming.
RAG AI kan volledig GDPR-compliant worden ingericht. Qsource werkt met een self-hosted opzet waarbij de vectordatabase en het taalmodel binnen de Europese infrastructuur draaien. Geen data-uitwisseling met externe partijen, geen opslag buiten de EU. De instelling behoudt volledige controle over haar data.
Voor welke onderwijsinstellingen is Qsource geschikt?
Qsource is ontwikkeld voor organisaties waar betrouwbaarheid, verantwoording en kennisbeheer centraal staan. In het onderwijs geldt dat in het bijzonder voor:
Voortgezet onderwijs met meerdere locaties en complexe interne communicatie over beleid, ondersteuning en procedures.
MBO-instellingen die werken met grote groepen studenten, diverse opleidingen en een veelheid aan regels rondom stages, examinering en studieloopbaanbegeleiding.
HBO- en WO-instellingen met uitgebreide kennisbases, onderzoeksinfrastructuur en een grote behoefte aan consistente informatieverstrekking richting studenten en onderwijspersoneel.
Veelgestelde vragen
Kunnen leerlingen het systeem misbruiken om opdrachten te laten maken? Nee. RAG AI beantwoordt vragen op basis van beschikbare kennisbronnen en is niet ingericht als schrijftool. Het systeem formuleert antwoorden op basis van wat er in de kennisbank staat, niet als creatieve tekstgenerator.
Hoe lang duurt de implementatie? Dat hangt af van de staat van de bestaande kennisinfrastructuur. Bij een goed gestructureerde kennisbasis is een eerste werkende implementatie binnen enkele weken mogelijk. Qsource begint altijd met een kennisscan om te bepalen wat er klaar is voor gebruik.
Is RAG AI duur voor onderwijsinstellingen? De kosten zijn afhankelijk van de schaal en het gebruik. Omdat RAG AI geen volledig nieuw AI-model vereist maar werkt bovenop bestaande taalmodellen en jouw eigen kennisinfrastructuur, zijn de kosten aanmerkelijk lager dan het zelf trainen van een model.
Moeten docenten en onderwijspersoneel technische kennis hebben? Nee. Medewerkers gebruiken het systeem via een eenvoudige interface, vergelijkbaar met een zoekmachine of chatvenster. Het technische beheer ligt bij Qsource.
Conclusie
Generieke AI-tools zijn niet gemaakt voor het onderwijs. Ze missen de context, de controle en de privacywaarborgen die onderwijsinstellingen nodig hebben. RAG AI biedt een alternatief waarbij de instelling zelf bepaalt welke kennis beschikbaar is, wie er toegang toe heeft en hoe antwoorden worden geformuleerd.
Voor docenten en onderwijspersoneel betekent dat minder zoekwerk en meer consistentie. Voor studenten en leerlingen betekent het toegang tot betrouwbare ondersteuning op basis van goedgekeurd materiaal. En voor de instelling betekent het grip op kennis, in plaats van afhankelijkheid van externe AI-tools.
Benieuwd wat RAG AI kan betekenen voor jouw onderwijsinstelling? Neem contact op met Qsource of lees meer over hoe RAG AI werkt.
Bronnen: Kennisnet, Mediawijsheid.nl, eigen expertise Qsource
