AI verandert het werkveld verkeer en vervoer. Dat betekent vanzelf dat het onderwijs – het kraambed van de nieuwe professionals in het werkveld – moet meebewegen. Maar hoe? We stonden hierbij stil tijdens een ouderwetse, niet-AI-gestuurde discussie met vertegenwoordigers uit het onderwijs. Hoe ervaren zij de ontwikkelingen? Hoe gaan zij ermee om? En vooral: wat moet er volgens hen anders in het onderwijs?
In de vergaderruimte van Café Labs op de campus van TU Delft treffen we het gezelschap van onze ‘discussie Onderwijs en AI’. Aan tafel zitten directeur Serge Hoogendoorn van de Graduate School Civiele Techniek en Geowetenschappen van de TU Delft, opleidingsdirecteur Arjan van Binsbergen van TU Delft MSc Transport, Infrastructure & Logistics, onderwijscoördinator Transport & Planning Niels van Oort van TU Delft, en directeur Jan Anne Annema van TRAIL Research School. Via een videoverbinding op de laptop is ook Raymond Hoogendoorn aangesloten, lector Artificial Intelligence voor de Logistiek aan de Hogeschool Rotterdam.
Een dwarsdoorsnede van onderwijzend Nederland zijn de heren allerminst. Maar met deze groep hebben we wel enkele decennia aan ervaring te pakken in het verkeer- en vervoeronderwijs. We zijn dan ook nieuwsgierig naar hun kijk op de AI-revolutie die we voor onze ogen zien gebeuren.
Hijgend erachteraan
Want een revolutie mag je het wel noemen, vindt Jan Anne. Al was het maar vanwege de snelheid waarmee alles verandert.
Dr. Jan Anne Annema, directeur TRAIL Research School.
Jan Anne: “Laten we eerlijk zijn: AI is ons overkomen. Studenten gebruiken AI om te programmeren. Ze gebruiken het om teksten samen te vatten. Slaan soms gewoon colleges over, omdat AI wel een mooi lijstje met leerpunten voor ze maakt. En wij als docenten lopen er hijgend achteraan.”
Niels: “Het verandert ook het werkveld. Als je flink gaat zitten prompten, kan je heel veel bouwen. Je zet zo een fancy dashboard op, inclusief modellen. Dat is nogal wat.
“De vraag is wel waar die ‘revolutie’ zich dan precies afspeelt. De voorbeelden die veel worden genoemd, zijn vooral van generatieve AI: het prompten en vibecoden. Maar AI is natuurlijk veel breder. Die technologie dringt overal binnen, van verkeersmodel tot voertuig.”
Arjan: “Machine learning is óók AI. Dat zit al jaren in ons onderwijsprogramma. Ik denk dat we als universiteiten op dat vlak juist vooróplopen. Als je ziet hoe we machine learning tegenwoordig inzetten om onze verkeersmodellen te verbeteren: dat zijn mooie ontwikkelingen.”
Het probleem met tools
Serge: “Laten we eerst stilstaan bij dat generatieve AI. Studenten gebruiken dat dus veel. Maar moeten we dat een probleem vinden? Of zijn er ook voordelen?”
Dr. ir. Niels van Oort, onderwijscoördinator Transport & Planning van TU Delft.
Niels: “Ik denk dat sommige vaardigheden minder relevant worden. Je tekst checken of een samenvatting maken: dat doet toch bijna niemand meer zelf? Ook programmeren staat met dat vibecoding op z’n kop. En zo zullen er nog wel wat andere vaardigheden binnen ons vakgebied zijn die door AI hun relevantie kwijtraken. Ik zie dat niet per se als probleem.”
Jan Anne: “Nee, zeker. Docenten hebben er ook hun voordeel van. De essays of papers die ze na moeten kijken, zien er tegenwoordig standaard prachtig uit. De argumentatie klopt als een bus, er zit structuur in het verhaal, het is in fatsoenlijk Engels… Maar tegelijk: je hebt geen idee wat de studenten nog zelf gedaan hebben. Je weet niet eens of ze hun eigen paper wel begrijpen. Daar moeten we iets mee.”
Arjan: “Maar zijn die zorgen wel zo nieuw?Bij verkeersmodellen zag je vroeger ook mensen die een paar variabelen veranderden zonder te begrijpen wat ze deden. In beide gevallen geldt het principe: als je een tool gebruikt – of die nu AI heet of wat ook – moet je in control zijn. Als gebruiker van die tool ben jij verantwoordelijk en moet jij uit kunnen leggen hoe je tot een resultaat bent gekomen. Dat was altijd al zo.”
Jan Anne: “Maar we hebben het nu over het genereren van bepaalde content die op zich prima is of in ieder geval prima lijkt. Hoe bepaal je dan of die student wel begreep wat hij deed? Je ontkomt er bijna niet aan om studenten maar mondeling te gaan overhoren.”
Serge: “Dat lijkt me een lastige als je een paarhonderd studenten hebt. Maar ik ben wel met je eens: we moeten op de een of andere manier de regie weer terug zien te krijgen.”
Hoe de docent weer ‘in control’ komt
In control blijven – daar lijkt het bij zowel docenten als studenten om te gaan. Voor de docenten geldt dat ze op z’n minst moeten weten wat er speelt op het gebied van AI.
Dr. ir. Raymond Hoogendoorn, lector Artificial Intelligence voor de Logistiek aan de Hogeschool Rotterdam.
Raymond: “Voor mij is die docentprofessionalisering het grootste issue. Onze docenten zijn uitstekend in hun eigen vak, maar hebben vaak minderverstand van AI. Dan wordt het heel lastig om de AI-skills van studenten in goede banen te leiden. We moeten meer gaan inzetten op AI literacy.
“Dat raakt ook governance. Hoe toets je eerlijk? Dat is het punt van Jan Anne. Maar bijvoorbeeld ook: hoe zorg je dat iedere student gelijke toegang heeft tot AI?”
Niels: “Er zijn wel AI-trainingen, maar dat hangt nog te veel af van de persoonlijke drive van een docent of dat serieus wordt opgepakt. En ja, die gelijke toegang is ook een uitdaging. Laatst gaf een student mij heel open feedback over wat hij voor zijn thesis met AI had kunnen doen. ‘Ik heb zelf voor die AI betaald’, zei hij.‘Maar er zijn ook studenten die dat niet kunnen betalen.’ Daar wordt nu wel over nagedacht, begreep ik, maar opgelost is het nog niet.”
De student helpen ‘in control’ te blijven
Dan de student zelf. Hoe helpen we die om in control te blijven? Twee zaken springen eruit in de discussie: ethiek en domeinkennis.
Jan Anne: “Ik denk dat jonge mensen bij de tijd genoeg zijn om hele slimme dingen met AI te doen. Maar onze verantwoordelijkheid als onderwijsinstelling is om ze te helpen op een ethische manier met AI om te gaan. Dus vragen als: wanneer ga je te ver ermee en wanneer doe ik het nog op een goede manier? Dat moet duidelijk zijn.”
Niels: “Dat zou prima passen in het vak onderzoeksvaardigheden. Vroeger werd je naar de bibliotheek meegenomen: kijk hier staan informatieboekjes. Toen kregen we internet en nu dus AI. Maar het idee is hetzelfde: hoe gebruik je je tools en bronnen op een verantwoorde manier?”
Jan Anne: “Ik denk eerlijk gezegd dat het nog een niveau dieper mag dan vaardigheden. Het is ethisch onderwijs. Waarom? Anders worden het regels, dan wordt het boxjes afvinken. Maar je moet internaliseren waarom het belangrijk is om het zus aan te pakken en niet zo. Ga die discussie aan: wat is het probleem als je niet ethisch omgaat met AI?”
Serge: “En dan ook laten zien wat de gevolgen van de-skilling zijn – dat we zoveel op tools vertrouwen dat we onze skills verliezen. Het is heel simpel: in ons vak civiel moet je het werkveld snappen. We hebben het over kritische systemen. Een brugontwerp bijvoorbeeld… Een tool kan wel helpen met ontwerpen, maar jíj bent verantwoordelijk voor het resultaat.”
Dr. ir. Arjan van Binsbergen, opleidingsdirecteur TU Delft MSc Transport, Infrastructure & Logistics.
Arjan: “Dat is een fundamentele regel. Je moet je werk kunnen uitleggen en je moet kunnen laten zien waar je bronnen vandaan komen. Kan je dat niet, dan is dat fraude.”
Raymond: “En juist omdát AI steeds meer antwoorden genereert, blijft domeinkennis zo belangrijk. Je bent eigenlijk de validator van de antwoorden. Als jij niet kunt beoordelen of de output klopt, heb je een groot probleem.”
Arjan: “Dat betekent dat je je als docent moet afvragen: wat zijn in mijn vak de kernkennis en kernvaardigheden die je moet beheersen voor die interpretatie en uitlegbaarheid? Ik heb dat al aan veel docenten gevraagd, maar dat blijkt geen makkelijk te beantwoorden vraag. Het is wel de essentie. Niet: hoe gebruiken we AI? Maar: wat is de kern van ons vak? Welke kennis moet een student straks écht nog zelf beheersen?”
Serge: “Sommige dingen schuiven ook, hadden we al vastgesteld. Dat programmeren bijvoorbeeld. Of een statistische methode om data te analyseren: dat doet straks ook iedereen met AI.”
Niels: “Hoe dan ook: je moet het kunnen uitleggen. Er komt zes uit. Ja, maar waarom komt er zes uit? Dat zijn die kernkennis en kernskills.”
Wie trekt de kar?
Goed: AI literacy voor docenten en ethiek en domeinkennis voor studenten. Dat zijn wat eerste stappen. Maar hoe organiseer je dat? Wie neemt het voortouw? Zou dat landelijk geregeld moeten worden?
JanAnne: “Er gebeurt links en rechts wel wat op een overkoepelend niveau, maar in het onderwijs werken we nu eenmaal met een enorme vrijheid. Iedere universiteit doet het anders, iedere faculteit doet het anders en soms zelfs iedere opleiding. Dat is ook mooi.”
Niels: “Ik zou vooral best practices ophalen. Er zijn docenten die heel goede dingen doen. Laat die voorbeelden rondgaan.”
Prof. dr. ir. Serge Hoogendoorn, directeur Graduate School Civiele Techniek en Geowetenschappen van de TU Delft.
Serge: “Iedereen is er wel mee bezig, maar veranderingen kosten tijd. Onderwijs is net een mammoettanker. Dat is ergens ook goed, want je wilt zorgvuldig zijn. Alleen: AI ontwikkelt zich zó snel dat je je afvraagt hoe je daar ooit gelijke tred mee kunt houden.”
Arjan: “Dat kan alleen als je algemene uitgangspunten hanteert. Als je met regels gaat werken, loop je al achter eer je ze op papier hebt gezet. En hoe specifieker die regels, hoe makkelijker mensen eromheen werken.”
Tot slot
Met de suggesties over ethiek en domeinkennis lijkt het net alsof het er in de AI-revolutie vooral om gaat om alle gevaren op afstand te houden. Maar zo somber zijn de tafelgasten zeker niet. Zoals ze al aangaven, gebeurt er in het hoger onderwijs heel veel moois dánkzij AI. Van Large Language Model tot Physics-Informed Neural Network – er is geen AI-ontwikkeling of ze wordt ingezet voor het beter doorgronden, modelleren en voorspellen van ons verkeerssysteem.
Serge: “Docenten op de TU zijn natuurlijk zelf ook onderzoekers. Vrijwel iedereen is bezig met toepassingen van kunstmatige intelligentie binnen zijn of haar vakgebied. Dat moet misschien nog goed landen. Maar dat gaat landen, dat weet ik zeker.”
Jan Anne: “Ik praat met alle TRAIL-promovendi die binnenkomen en als je dat ziet… dat is top of the bill hoor. Dus dat komt goed – die positieve AI-toepassingen komen vanzelf wel. Mensen zien de voordelen. Maar juist daarom moeten wij ons als onderwijs richten op het indammen van eventuele negatieve effecten. Niet omdat we er niet in geloven, maar om het potentieel te benutten.”
Niels: “Je hebt data scientists die alles met AI kunnen maar geen verstand van verkeer en vervoer hebben. Geef hun een bak verkeersdata en ze kunnen er niks mee. Maar heb jij vakkennis en weet je hoe je AI kan inzetten, dan ben je met diezelfde data goud waard.”
