AI verandert de wereld, het economieonderwijs moet mee

Inleiding

De manier waarop studenten leren verandert en hetzelfde geldt voor het werk waarvoor we hen opleiden. Maar wat eigenlijk nog hetzelfde is, zijn hun onderliggende behoeften: studenten willen cognitief en sociaal leren, zich ontplooien (soms net in een andere verhouding dan wij graag zouden zien), een diploma behalen en daarna een baan vinden.

Wat wel verandert, is hoe het beste aan die behoeften kan worden voldaan. Generatieve AI verandert in rap tempo de manier waarop studenten informatie zoeken, verwerken en beoordelen: van zelf zoeken en selecteren naar interactief vragen, samenvatten en “laten” structureren. Tegelijkertijd verandert AI de arbeidsmarkt. Niet zozeer doordat banen massaal verdwijnen, maar doordat het takenpakket van veel functies verandert.

Het is tijd om het economieonderwijs aan te passen aan de veranderende wereld. De behoefte aan kennis, ontwikkeling, sociale interactie en een goede voorbereiding op de arbeidsmarkt verandert daarmee niet; wel verandert de manier waarop studenten die doelen kunnen bereiken en de manier waarop economen hun vak in de praktijk uitoefenen.

In dit artikel bespreek ik vier ontwikkelingen die daarbij richting geven: een steilere leercurve, meer flexibiliteit, een andere manier van toetsing en een andere kijk op studentenbetrokkenheid.

Steilere leercurve

Studenten geven aan dat ze door AI minder tijd kwijt zijn aan hun studie (Nieuwsuur, 20 sept jl.) en efficiënter de beoogde leerdoelen bereiken. Dat klinkt als winst, maar studenten kunnen zich gemakkelijk verkijken op deze verhoogde productiviteit. Een student die weinig naar college komt, thuis niet genoeg studeert of te sterk op AI leunt, kan van een koude kermis thuiskomen: weinig studiepunten, een negatief BSA of zelfs een fraudezaak. Aangezien dit tegen het zere been van veel bestuurders is, voelen docenten een prikkel om de lat lager te leggen om zo toch het gewenste slagingspercentage en de gewenste studentenevaluaties te behalen.

Studenten geven aan dat ze door AI minder tijd kwijt zijn aan hun studie en efficiënter de beoogde leerdoelen bereiken. Dat klinkt als winst, maar studenten kunnen zich gemakkelijk verkijken op deze verhoogde productiviteit.

Ik pleit er echter voor om het omgekeerde te doen: leg de lat hoger, daag studenten juist meer uit als ze het sneller kunnen.

Een van de richtingen waarin ik jonge economen sterk zie groeien, is die van datavaardigheden. AI wordt daarbij steeds vaker als hulpmiddel wordt ingezet. Het merendeel van de jonge economen doet inmiddels empirisch werk voor zijn master- dan wel bachelorscriptie. Tegelijkertijd worden de gebruikte modellen complexer: geavanceerde paneldatamodellen, experimenteel onderzoek en machine learning. Daarbij wordt het steeds belangrijker om studenten te bevragen of ze precies weten wat ze doen. Mondelinge verdedigingen en gedegen begeleiding zijn daarvoor een vereiste.  

Meer flexibiliteit

AI maakt het beter mogelijk om te differentiëren en studenten meerdere wegen te bieden die naar de eindstreep van de economiestudie leiden. AI geeft studenten steeds meer mogelijkheden om zelf te leren op de manier die bij hen het beste past.

Een voorbeeld is het Tilburgse AI-platform Tilly. Docenten kunnen daarin hun cursusinformatie laden, waarna studenten tentamenvragen kunnen genereren en oefenen. Zo veel als ze willen en op de manier die bij hen past.

Zo ontwikkelde een docent met Tilly een applicatie waarbij studenten een salarisonderhandeling kunnen aangaan met de chatbot als fictieve werkgever [...] AI biedt daarmee niet alleen mogelijkheden om onderwijs efficiënter, maar ook creatiever en meer gepersonaliseerd aan te bieden.

Maar Tilly kan ook worden ingezet om onderwijs creatiever te maken. Zo ontwikkelde een docent met Tilly een applicatie waarbij studenten een salarisonderhandeling kunnen aangaan met de chatbot als fictieve werkgever. Beide partijen hebben daarbij onvolledige informatie over de tegenpartij. AI biedt daarmee niet alleen mogelijkheden om onderwijs efficiënter, maar ook creatiever en meer gepersonaliseerd aan te bieden.

Daarnaast kan AI studenten helpen om creatiever te worden en onderzoek sterker naar hun eigen hand te zetten. Onlangs begeleidde ik een scriptie waarbij de student met AI een reclameboodschap in verschillende dialecten liet inspreken en verschillen in consumentreacties ging meten. Ook zelfgecreëerde fictieve influencers heb ik al in experimenten zien opduiken.

Uitdaging wat betreft de toetsing van geschreven werk

AI zet de traditionele manier van toetsen onder druk. Bij opdrachten en scripties is het steeds moeilijker vast te stellen wat het werk van AI is en wat dat van de student is. Er zijn grofweg twee oplossingen voor dit probleem. Een eerste oplossing is om AI streng aan banden te leggen en geschreven werk minder sterk te laten meewegen in het berekenen van eindcijfers. Hier is op grote schaal voor gekozen - en dat is te begrijpen. Ook in de onderzoekswereld is men immers nog zoekende naar de toekomst van academische artikelen (Scienceguide, 2026).

Een tweede oplossing is om AI te omarmen, maar zowel opdrachten als beoordeling hieraan aan te passen. Een voorbeeld hiervan is een opdracht waarbij studenten met behulp van AI verdwenen merken tot leven moesten laten komen en opnieuw in de markt moesten zetten. Daarbij moesten zij met fictieve consumenten interviews houden in AI, een techniek die tegenwoordig zelfs bij marktonderzoekers in zwang komt (De Freitas et al., 2025).

Laten wij de studenten wel de juiste vraag stellen en AI-output kritisch beoordelen? Of verwachten wij nog steeds te veel dat zij een juist antwoord of oplossing geven op de vraag die wij hebben verzonnen?

Ik pleit ervoor om de verandering niet enkel in de eerste, maar ook in de tweede oplossing te zoeken. De arbeidsmarkt zal zich namelijk ook aan AI aanpassen.

Robert Dijkgraaf (2026) betoogde onlangs nog dat het voor wiskundigen steeds minder relevant wordt om een oplossing voor een probleem te vinden, maar om de juiste (vervolg)vraag te stellen. Voor economen geldt waarschijnlijk iets soortgelijks. Maar laten wij de studenten wel de juiste vraag stellen en AI-output kritisch beoordelen? Of verwachten wij nog steeds te veel dat zij een juist antwoord of oplossing geven op de vraag die wij hebben verzonnen?

Minder nadruk op aanwezigheid, meer op betrokkenheid

Ook onze kijk op de betrokkenheid van studenten vraagt om herziening. Daarbij is het belangrijk om onderscheid te maken tussen cognitieve en sociale betrokkenheid (engagement).

Bestuurders zien graag sociale betrokkenheid die de campus levendig maakt en studenten warm maakt voor studentbesturen en -raden. Maar die sociale betrokkenheid maakt studenten niet noodzakelijkerwijs tot een goede econoom. Sterker nog, onderzoek laat zien dat vooral cognitieve betrokkenheid bijdraagt aan het bezoeken van colleges; sociale betrokkenheid kan de relatie tussen cognitieve betrokkenheid en het bezoeken van colleges zelfs verzwakken (Leenheer en Nelissen, 2026). De vraag is dan wel weer hoe erg dat is.

De afwezigheid bij colleges vinden we vaak nog moeilijk om los te laten. “We willen ze graag gewoon weer in de colleges terug hebben”, is een veelgehoorde kreet. Maar net als bij vijf dagen werken op kantoor zullen we er waarschijnlijk aan moeten wennen dat fysieke aanwezigheid niet langer vanzelfsprekend is.

Als wij ervan overtuigd zijn dat een bepaalde leeractiviteit cruciaal is voor studenten, moeten we die activiteit durven verplicht te stellen. Als zij optioneel is, zullen we moeten accepteren dat de aanwezigheid lager is dan we altijd gewend zijn geweest. Colleges voor de happy few en de rest kijkt online terug of vindt een andere manier om de stof tot zich te krijgen.

Blik vooruit

AI biedt het economieonderwijs grote kansen, maar ook grote uitdagingen. Het is aan onderwijsinstellingen om die aan te gaan en zich niet in te graven in de tijd van vroeger.

Toen ik studeerde, was het internet net bezig voet aan de grond te krijgen en ook dat was schrikken. Studenten zouden voortaan alles simpelweg van het internet kopiëren in plaats van zich te verdiepen in dikke boeken en eindeloos staan te kopiëren. Dat kopiëren was trouwens de angst van de vooruitgang van de generatie ervoor. Studenten zouden niet meer naar colleges komen als ze simpelweg aantekeningen konden kopiëren.

Die twee vernieuwingsgolven heeft het onderwijs kranig doorstaan en ik denk dat dat ook is waar het met AI op uit zal lopen. Maar we zijn nog niet zo ver.

Referenties

De Freitas, J., Nave, G., & Puntoni, S. (2025). Ideation with generative AI—in consumer research and beyond. Journal of Consumer Research, 52(1), 18-31.

Dijkgraaf, R. (2026, 24 september). Wat betekent het om wiskundige te zijn? De komst van AI dwingt ons over die vraag na te denken. NRC.

Leenheer, J. & Nelissen, R. (2026). What brings them back to campus does not necessarily bring them back to class: a study on retaining attendance behavior of Dutch university students. Manuscript in preparation.

Nieuwsuur (2026, 20 september). Studenten besteden steeds minder tijd aan studie. NOS/NTR.

ScienceGuide (2026, 29 september). De universiteit heeft nog geen antwoord op AI.