AI-transparantie

Laatst bijgewerkt: 23 augustus 2026

Waarom deze verklaring

ToetsChecker kijkt toetsen na met kunstmatige intelligentie. Wie deels beoordeeld wordt door een systeem, hoort te weten hoe dat systeem tot zijn oordeel komt. Deze verklaring legt dat uit: wat de AI doet, wat zij niet doet, wat er gebeurt als het misgaat en wat u kunt doen als u het er niet mee eens bent.

Dit is geschreven om te voldoen aan de transparantie-eisen van de EU AI-verordening (Verordening (EU) 2024/1689, de AI Act) en aan het recht op begrijpelijke informatie over de gebruikte logica uit de AVG (art. 13 lid 2 sub f, art. 14 lid 2 sub g en art. 15 lid 1 sub h). Voor de gegevensverwerking zelf: zie de privacyverklaring.

De docent beslist, de AI stelt voor

ToetsChecker neemt geen beslissingen over leerlingen. De AI levert een voorstel: een aantal punten per vraag, een toelichting daarbij en feedback voor de leerling. Een docent bekijkt dat, past aan wat er niet klopt en geeft het resultaat pas daarna vrij.

Die volgorde is vastgelegd in de software, niet alleen in beleid. Zolang een docent een beoordeling niet heeft vrijgegeven, kan een leerling het cijfer, de feedback en het antwoordmodel niet zien. Er is dus geen geautomatiseerd besluit in de zin van AVG artikel 22, en er is geen pad waarlangs een AI-voorstel per ongeluk toch bij een leerling terechtkomt.

Besluiten met rechtsgevolgen (overgaan, examencijfers, doorverwijzing) horen nooit uitsluitend op deze output te steunen. Dat staat ook zo in de algemene voorwaarden.

Hoe een beoordeling tot stand komt

Elke nakijkbeurt doorloopt dezelfde stappen:

1. Tekstherkenning

Het ingeleverde werk (een scan of een foto van een gemaakte toets) wordt omgezet naar tekst. De docent ziet de herkende tekst en kan die corrigeren voordat er wordt nagekeken. Bij een digitaal afgenomen toets slaan wij deze stap over: dan is het antwoord al tekst.

2. Het correctiemodel gaat mee

De AI krijgt per vraag het correctiemodel: het aantal punten, eventuele subcriteria, de aanwijzingen die de docent zelf heeft meegegeven en het bronmateriaal (bijvoorbeeld een tekst waar de vragen over gaan). Zonder correctiemodel kan er niet worden beoordeeld.

3. Beoordelen per vraag, per criterium

Het model beoordeelt elk criterium apart: hoeveel punten, en waarom. Het krijgt daarbij de gekozen strengheid mee (mild, normaal of streng), die de docent instelt.

4. Vaste vraagtypen gaan buiten de AI om

Meerkeuze, waar/onwaar, koppelvragen, volgordevragen en invulvragen worden met een rekenregel nagekeken, niet door een taalmodel. Alles of niets, naar rato of een eigen puntentabel van de docent: de uitkomst ligt vast en is voor iedere leerling hetzelfde. Een taalmodel kan die score niet overschrijven.

5. Controle op volledigheid

Het systeem controleert of elke vraag daadwerkelijk beoordeeld is. Ontbreekt er een, dan wordt die vraag apart opnieuw nagekeken. Lukt dat ook niet, dan blijft de vraag zichtbaar staan als "niet automatisch beoordeeld", zodat de docent hem zelf kan nakijken.

6. Het cijfer

Het cijfer wordt berekend op basis van het aantal behaalde punten met de formule die de docent heeft ingesteld (standaardformule, cesuur of een eigen tabel). Die formule wordt bij het nakijken vastgelegd, zodat later te zien is met welke regels dit cijfer is berekend.

Wat u per vraag te zien krijgt

Uitleg achteraf is alleen wat waard als die bij het oordeel zelf staat. Daarom toont ToetsChecker per vraag:

De toegekende punten per criterium, niet alleen het totaal. U ziet dus welk deel van het antwoord punten opleverde en welk deel niet.
De feedback voor de leerling, in gewone taal.
Een zekerheidsscore tussen 0 en 1: hoe zeker het model was over dit oordeel. In het overzicht van een klas staat die zekerheid per toets als percentage, met kleur, zodat een twijfelgeval opvalt zonder ernaar te zoeken.
De herkende tekst naast het originele bestand, zodat te controleren is of het model het juiste antwoord heeft gelezen.
Het antwoordmodel waaraan is getoetst, zodra de docent de beoordeling heeft vrijgegeven.

Voor verslagen en langere opdrachten geldt hetzelfde, alleen loopt de beoordeling daar langs de beoordelingscriteria van de docent in plaats van langs vragen.

De tweede corrector

Na afloop van een nakijkronde controleert een tweede AI-model een steekproef van de nagekeken toetsen. Dat model krijgt niet te horen wat de eerste beoordeling was voordat het zelf aan het werk gaat: het leest de originele PDF opnieuw, maakt zijn eigen transcriptie en beoordeelt de open vragen zelf. Daarna worden de twee uitkomsten automatisch vergeleken. Dit gebeurt allemaal tijdens de nakijkronde, dus wijzigingen van de docent gaan niet verloren.

Standaard wordt ongeveer 20% van een nakijkronde gecontroleerd, met een minimum van 3 en een maximum van 25 toetsen.
Worden er meerdere fouten gevonden, dan wordt de steekproef vergroot naar ongeveer 40%.
Alleen bij hoge zekerheid (0,8 of hoger) wordt een score automatisch gecorrigeerd. Alles daaronder wordt gemarkeerd en aan de docent voorgelegd; het systeem wijzigt dan niets.
Vraagtypen die met een rekenregel zijn nagekeken worden overgeslagen: daar valt niets te controleren.
Elke correctie en elke markering is per vraag terug te zien, met de reden erbij.

Wordt de transcriptie van de tweede corrector als de betere gezien, dan wordt die vastgelegd bij de toets. Zo blijft het achteraf te herleiden welke lezing van het handschrift tot welk oordeel heeft geleid.

Wat wij vastleggen zodat het navolgbaar blijft

Uitlegbaarheid vraagt niet alleen om een toelichting op het moment zelf, maar ook om een spoor achteraf. Bij een beoordeling bewaren wij:

De versie van het correctiemodel waarmee is nagekeken. Wordt het model later aangepast, dan blijft zichtbaar welke versie voor dit cijfer gold.
De aanwijzingen aan de AI die op dat moment golden: zowel de algemene als die per vraag.
De cijferformule zoals die bij het nakijken was ingesteld.
Het oorspronkelijke AI-voorstel, zodat naast het definitieve cijfer altijd zichtbaar blijft wat de AI er zelf van maakte en wat de docent heeft gewijzigd.
De wijzigingsgeschiedenis: wie wanneer welke punten of welke toelichting heeft aangepast.

Het logboek van de school. Naast dit alles houdt het systeem automatisch een logboek bij van wat de AI heeft gedaan: wanneer een nakijkbeurt liep en hoe lang, wie hem startte, welk model en welke strengheid daarbij hoorden, tegen welk correctiemodel is nagekeken, of de tweede corrector iets heeft gecorrigeerd, en welke docent welke versie van het resultaat heeft vrijgegeven. Een schoolbeheerder kan dat logboek inzien en downloaden. Het bewaart zes maanden en wordt daarna automatisch verwijderd. Zolang het er staat kan het niet worden gewijzigd, ook niet door ons.

In dat logboek staat geen werk van leerlingen: geen antwoorden, geen namen, geen feedbackteksten. Van het antwoord van de leerling wordt alleen een cryptografische vingerafdruk bewaard, zodat achteraf te bewijzen is dát het precies deze tekst was zonder dat het logboek een tweede kopie van leerlingwerk wordt. Het correctiemodel en de instructie aan de AI worden wél volledig bewaard: dat zijn de stukken die de wet gereconstrueerd wil hebben, en het is materiaal van de docent, niet van de leerling. Elke keer dat iemand het logboek inziet of exporteert, komt dat er zelf als regel in te staan.

Zegt een docent zijn account op, dan gaat het meteen op slot, maar worden de gegevens waar het logboek naar verwijst pas na die zes maanden verwijderd. Dat is geen keuze van ons: een logboek dat naar een verdwenen toets wijst bewijst niets meer, en de wet vraagt dat het bewijs blijft staan. De docent krijgt bij het opzeggen een link waarmee hij tot die datum zijn eigen toetsen en beoordelingen kan downloaden via Mijn gegevens.

Als u het niet eens bent met een beoordeling

Elk oordeel is aanvechtbaar, en dat hoort niet via een formulier te lopen maar gewoon in het scherm waar het cijfer staat.

Leerlingen kunnen bij een vrijgegeven toets een vraag markeren en er een bericht bij typen. De docent ziet die markering staan en reageert in hetzelfde venster.
Docenten kunnen elke score en elke toelichting met de hand aanpassen.
Een hele toets kan opnieuw worden nagekeken, bijvoorbeeld na het corrigeren van de herkende tekst of na het bijwerken van het correctiemodel.
Wijzigt de docent het correctiemodel nadat er al cijfers zijn gegeven, dan vraagt het systeem expliciet of de bestaande cijfers moeten meebewegen. Cijfers veranderen dus nooit ongemerkt.

Wat de AI niet doet

Geen leerlingprofielen. Elke toets wordt op zichzelf beoordeeld. Er wordt geen beeld van een leerling opgebouwd over toetsen heen, en eerdere prestaties tellen niet mee in een nieuw oordeel.
Geen voorspellingen. Het systeem doet geen uitspraken over aanleg, motivatie, gedrag of toekomstige resultaten.
Geen training op uw gegevens. Toetsen, antwoorden en correctiemodellen worden niet gebruikt om AI-modellen te trainen.
Geen emotieherkenning en geen bijzondere persoonsgegevens. Het systeem beoordeelt vakinhoud, niet de persoon.
Geen toezicht op leerlingen buiten de toets. Bij een online afname registreren wij gedrag rond de afname zelf (bijvoorbeeld dat er is geplakt en hoeveel tekens), nooit de inhoud van wat er is geplakt en nooit iets buiten het toetsscherm.

Grenzen en bekende beperkingen

Een eerlijke uitleg noemt ook waar het systeem zwak is. Deze punten horen docenten te kennen voordat zij een voorstel overnemen:

Handschrift. Slecht leesbaar of erg klein handschrift wordt soms verkeerd gelezen. Een fout in de tekstherkenning wordt een fout in de beoordeling. Daarom staat de herkende tekst naast het origineel en is die te corrigeren.
Tekeningen, grafieken en formules. Wat niet als tekst te lezen is, kan het model maar beperkt beoordelen. Zulke vragen verdienen altijd een blik van de docent.
Variatie tussen beurten. Taalmodellen zijn niet volledig deterministisch: twee nakijkbeurten van hetzelfde werk kunnen licht verschillen. Vaste vraagtypen hebben daar geen last van, want die worden met een rekenregel gescoord.
Taal. Het systeem is gebouwd voor Nederlandstalig onderwijs. Voor andere talen is het zeker bruikbaar, maar iets minder getest.

Heeft u een fout gevonden? Dan horen wij dat graag via support@toetschecker.nl. Wij doen dan ons best om het probleem zo snel mogelijk op te lossen.

Welke modellen wij gebruiken

Welk model precies wordt ingezet verandert wanneer er een beter of veiliger alternatief beschikbaar komt. De actuele modelversies zijn op te vragen via privacy@toetschecker.nl. Welke gegevens daarbij worden verwerkt en waar dat gebeurt, staat in artikel 6 en 7 van de privacyverklaring.

Rollen en verantwoordelijkheden onder de AI-verordening

ToetsChecker is de aanbieder van dit AI-systeem. De school of docent die het inzet is de gebruiksverantwoordelijke. Die verdeling bepaalt wie wat moet doen:

Wat wij doen

Uitleggen hoe het systeem werkt en waar het faalt, de kwaliteit meten en bewaken (waaronder de steekproefcontrole), zorgen dat menselijke controle niet te omzeilen is, incidenten onderzoeken en deze verklaring actueel houden.

Wat de school doet

Het systeem gebruiken zoals het bedoeld is, ervoor zorgen dat de docent die vrijgeeft ook echt controleert, leerlingen en ouders informeren dat er AI wordt gebruikt bij het nakijken, en zorgen dat docenten voldoende weten van de mogelijkheden en de grenzen van het systeem (AI-geletterdheid, art. 4 AI Act).

AI-systemen die worden gebruikt om leerresultaten te beoordelen, worden in de AI-verordening als hoogrisico AI aangemerkt (bijlage III). Wij richten ToetsChecker daarom in naar de eisen die daarbij horen, ook waar een vrijstelling verdedigbaar zou zijn omdat het systeem uitsluitend een menselijke beoordeling voorbereidt: uitleg per oordeel, aantoonbare menselijke controle, een spoor van wat er is gebeurd en heldere informatie over de grenzen.

Vragen, meldingen en klachten

Denkt u dat het systeem structureel iets fout doet, of ziet u een uitkomst die u niet kunt verklaren? Meld het via privacy@toetschecker.nl. Wij onderzoeken elke melding en koppelen terug wat wij hebben gevonden. Gaat het om de verwerking van persoonsgegevens, dan kunt u ook bij ons terecht.