Kennis over toetsen, feedback en AI in het onderwijs
Praktische artikelen en vergelijkingen over toetsen nakijken met AI, digitaal toetsen afnemen en feedback geven, geschreven voor docenten, scholen en ICT-beheerders.
-
AI-nakijken per vak: waar zitten de punten, en wat leg je vast?
AI-nakijken werkt in elk vak volgens hetzelfde principe: het AI-model legt het antwoord langs jouw correctiemodel en jij keurt goed. Wat per vak verschilt, is wat je in dat correctiemodel moet vastleggen. Bij wiskunde en de exacte vakken zijn dat tussenstappen, doorwerkfouten, eenheden en significantie. Bij talen de vraag of een taalfout meetelt. Bij biologie, geschiedenis en economie de schakels in een redenering en de koppeling tussen bron en kennis. Dit overzicht zet de verschillen naast elkaar en verwijst naar een uitgewerkt artikel per vak.
-
Nakijken met AI voor wiskunde: deelpunten, tussenstappen en doorwerkfouten
Een AI-model kan wiskundetoetsen goed nakijken als het correctiemodel per tussenstap punten toekent en de afspraken over doorwerkfouten, ontbrekende berekeningen en afronden expliciet noemt. Handgeschreven formules worden herkend en getallen worden gelezen zoals ze er staan, dus een rekenfout blijft zichtbaar. Een grafiek of schets zet je als tekenvraag in het correctiemodel, met een voorbeeldtekening erbij.
-
Nakijken met AI voor natuurkunde en scheikunde: eenheden, significantie en reactievergelijkingen
Een AI-model kijkt natuurkunde- en scheikundetoetsen goed na als je de beoordeling opknipt in vaste onderdelen: formule, invullen, uitkomst met eenheid en significantie, of bij een reactievergelijking de formules voor en na de pijl en de coëfficiënten. De tekstherkenning neemt formules, eenheden en molecuulformules over zoals de leerling ze schreef en verbetert niets uit vakkennis. Structuurformules, schakelschema's en krachtenpijlen zet je als tekenvraag in het correctiemodel.
-
Nakijken met AI voor Nederlands: tekstbegrip, formuleren en schrijfopdrachten
Een AI-model kan tekstbegrip goed nakijken als je per vraag de kernelementen, toegestane omschrijvingen en veelgemaakte fouten noemt, en vastlegt hoe je omgaat met woordgrenzen, citeervragen en taalfouten. De tekstherkenning neemt spelling en interpunctie van de leerling ongewijzigd over, zodat taalverzorging eerlijk beoordeeld kan worden. Voor een betoog of beschouwing gebruik je criteria met niveaus in plaats van losse vragen.
-
Nakijken met AI voor Engels, Duits en Frans: grammatica, leesvaardigheid en schrijven
Bij Engels, Duits en Frans hangt de beoordeling af van wat je toetst. Bij grammatica en woordenschat is de exacte vorm het antwoord, en daar werk je het best met aanvulvragen waarin je per gat alle goede antwoorden noemt. Bij leesvaardigheid meet je begrip, en tellen taalfouten meestal niet mee. Bij schrijfvaardigheid beoordeel je op criteria met niveaus. De tekstherkenning neemt de spelling van de leerling ongewijzigd over, zodat een taalfout ook echt als taalfout beoordeeld kan worden.
-
Nakijken met AI voor biologie: begrippen, redeneerketens en onderzoeksvragen
Biologievragen draaien om redeneerketens: van oorzaak naar gevolg, met de juiste begrippen onderweg. Een AI-model kijkt die goed na als het correctiemodel elke schakel als apart subcriterium noemt, de begrippen vastlegt die verplicht zijn, en de bekende misvattingen opsomt die geen punten opleveren. Voor onderzoeksvragen leg je vast wat een goede hypothese, variabele of conclusie is. Een getekend schema of diagram zet je als tekenvraag in het correctiemodel.
-
Nakijken met AI voor geschiedenis: bronvragen, kenmerkende aspecten en argumentatie
Geschiedenisvragen combineren bijna altijd twee helften: een gegeven uit de bron en historische kennis, zoals een kenmerkend aspect of een historische context. Een AI-model kijkt die goed na als het correctiemodel beide helften als apart subcriterium noemt, en als de bron bij de vraag is gevoegd, zodat het AI-model de spotprent of het tekstfragment zelf kan bekijken. Voor vragen over betrouwbaarheid en standplaatsgebondenheid leg je vast welke redenering je verwacht.
-
Nakijken met AI voor economie: berekeningen, grafieken en verklaarvragen
Een AI-model kijkt economie goed na als het correctiemodel een berekening in stappen opknipt, bij een verklaarvraag de verplichte schakels noemt (vaak met ceteris paribus als randvoorwaarde) en bij grafiekvragen vastlegt welke lijn welke kant op verschuift. De tekstherkenning leest bedragen, procenten en tabellen zoals de leerling ze schreef en rekent niets na, zodat een rekenfout zichtbaar blijft. Een getekende grafiek zet je als tekenvraag in het correctiemodel.
-
Woordjes leren in het VO: wat werkt echt en hoe pak je het aan?
Woordjes leren werkt het beste door actief terughalen uit het geheugen (testing effect) en gespreide herhaling (spaced repetition). In plaats van een lijst dertig keer over te lezen, test je jezelf met steeds grotere tussenpozen. Met de gratis app [Woordvos](https://woordvos.nl) kun je onbeperkt woordjes leren, spraak en mondelingen oefenen en grammatica trainen.
-
De beste nakijksoftware van 2026: een eerlijk overzicht voor scholen
De keuze voor de beste nakijksoftware hangt sterk af van hoe je school toetsen afneemt. Waar traditionele OMR-scanners alleen meerkeuzeformulieren verwerken, bieden moderne AI-platforms ondersteuning voor handgeschreven open vragen, geassisteerd nakijken, automatische klasinzichten en AVG-compliant databeheer.
-
Toetsen genereren met AI in ToetsChecker: van leerdoel tot compleet correctiemodel
Met ToetsChecker genereer je in een handomdraai representatieve toetsen op basis van jouw eigen lesstof of leerdoelen. De ingebouwde AI stelt eerst een valide toetsmatrijs op, verdeelt de vragen over taxonomiestructuren zoals RTTI of Bloom, en levert een kant-en-klaar digitaal correctiemodel op waarmee je ingeleverde toetsen direct kunt afnemen en nakijken.
-
Nakijken met AI: hoe werkt het en wat levert het op voor docenten?
Nakijken met AI stelt docenten in staat om handgeschreven toetsen en open vragen geautomatiseerd te laten vergelijken met een antwoordmodel. De AI herkent synoniemen, eigen bewoordingen en vaktaal, waarna de docent uitsluitend de grensgevallen controleert en het definitieve cijfer toekent. Dit vermindert de nakijkdruk aanzienlijk en verhoogt de beoordelaarsbetrouwbaarheid.
-
AVG en AI in het onderwijs: waar moet een docent en schoolbeheerder op letten?
Het gebruik van AI bij toetsing en nakijken valt onder de AVG (GDPR). Leerlingwerk bevat persoonsgegevens (zoals naam, handschrift, klas en cijfers), waardoor een school altijd een verwerkersovereenkomst nodig heeft met de leverancier. Data mag absoluut niet worden gebruikt voor het trainen van publieke AI-modellen en moet op Europese servers staan met transparante bewaartermijnen.
-
Een waterdicht correctiemodel schrijven voor open vragen: de complete gids
Een goed correctiemodel voor open vragen bevat niet alleen het ideale antwoord, maar benoemt expliciet de vereiste kernelementen, geaccepteerde synoniemen en veelvoorkomende misvattingen. Door te werken met eenduidige toekenningsregels en variatie-toleranties voorkom je discussie met leerlingen en verhoog je de beoordelaarsbetrouwbaarheid aanzienlijk.
-
Cesuur berekenen voor een toets: zo kies je een eerlijke normering en N-term
De cesuur geeft aan hoeveel punten een leerling nodig heeft voor een voldoende (meestal een 5,5). Bij een lineaire schaal ligt de grens op 50% of 50%-60% van het totaal, maar bij een knikcesuur verandert de stijging onder en boven de voldoende om cijferinflatie of onrealistisch zware onvoldoendes te voorkomen. Met een N-term stuur je de moeilijkheidsgraad bij zonder dat dit de cijferontwikkeling verstoort.
-
Formatief toetsen was te duur in tijd. Nu niet meer
Formatief toetsen sneuvelde in de praktijk op de nakijktijd: een tussentoets met open vragen kost net zoveel uren als een echte toets, maar levert geen cijfer op. Daarom werd het overgeslagen of teruggebracht tot meerkeuze, dat vooral herkenning meet en niet of een leerling het snapt. Met AI-nakijken kun je een formatieve toets op papier of online afnemen, binnen een dag teruggeven met feedback, en per vraag zien waar de klas vastloopt, zodat je je volgende les daarop aanpast.
-
ToetsChecker vs. Examplary: welke past bij jouw school?
Examplary en ToetsChecker gebruiken allebei AI om open vragen na te kijken, en bij allebei blijft de docent eindverantwoordelijk. Het verschil zit in de reikwijdte. Examplary bestrijkt de hele toetscyclus inclusief adaptief oefenen, toetsen genereren en koppelingen met leeromgevingen als Canvas, Moodle en Somtoday. ToetsChecker richt zich op het deel waar de meeste uren in gaan zitten: een stapel handgeschreven werk verwerken, controleren en teruggeven, met een leerlingomgeving waarin een leerling gericht om herbeoordeling kan vragen. Ligt je knelpunt bij het máken van toetsen, dan is Examplary logischer; ligt het bij het nakijken en teruggeven, dan ToetsChecker.
-
ToetsChecker vs. ToetsPers: welke is beter?
ToetsPers en ToetsChecker kunnen allebei papieren toetsen nakijken, splitsen ze per leerling en laten AI punten en feedback voorstellen, waarna de docent controleert. Het verschil zit in de instap en de reikwijdte. ToetsPers heeft: toetsen opmaken en drukklaar printen, koppelingen met uitgevers als Malmberg en ThiemeMeulenhoff en een prijs op offerte. ToetsChecker ondersteunt ook het volledige toetsproces, maar je kan ook beginnen met de toets die je al hebt: je maakt zelf een gratis account, uploadt je correctiemodel en de scans, en de leerling krijgt een eigen omgeving waarin hij gericht om herbeoordeling kan vragen.
-
Ik ben zeventien en ik bouw software tegen de nakijkdruk van mijn eigen docenten
Als leerling zie ik elke week wat administratiedruk met docenten doet, en dat merken leerlingen direct in de les: toetsen die te laat terugkomen en feedback die niet meer dan een krabbeltje is. Vernieuwing in het onderwijs hoeft echt niet uit een werkgroep of een commissie te komen. Meestal ziet degene die er dagelijks mee te maken heeft het probleem het scherpst.
-
De nakijkfout die elke docent maakt (en waarom dat menselijk is)
Elke docent beoordeelt de laatste toets van een stapel anders dan de eerste. Dat heeft weinig met slordigheid te maken en alles met hoe aandacht werkt: de maatstaf schuift, de volgorde kleurt het oordeel en vermoeidheid maakt het geven van een punt goedkoper dan het wegen ervan. Harder je best doen helpt daar niet tegen. Het vergelijkende werk scheiden van het beslissende werk wel: een machine leest elke toets even nauwkeurig, en de docent blijft degene die het cijfer vaststelt, omdat een besluit met gevolgen bij een mens hoort.
-
De cijferparadox: waarom leerlingen alleen de onderkant van het blad lezen
Nakijken kost maximale moeite en levert minimale didactische opbrengst, omdat de feedback de leerling bereikt op het moment dat hij er niets meer mee kan. Feedback werkt alleen als de stof nog vers is en er nog iets te repareren valt. Wie de doorlooptijd van drie weken naar twee dagen brengt, verandert de betekenis van precies dezelfde woorden.
-
Digitalisering in de klas is mislukt. Terug naar toetsen op papier
De digitalisering van het klaslokaal heeft geleverd wat niemand wilde: meer afleiding, minder handschrift en toetsen waarvan onzeker is wie ze gemaakt heeft. Het alternatief is niet terug naar niets, maar high-tech analoog: leerlingen schrijven op papier met een pen, en de technologie draait onzichtbaar op de computer van de docent.
-
Onderzoek: hoe dicht komen AI-modellen bij het oordeel van een ervaren docent?
In een praktijkonderzoek zijn 28 AI-modellen in 95 configuraties losgelaten op 18 volledig uitgewerkte VO-toetsen met een referentiebeoordeling. Over 2.187 nakijkbeurten komt de beste configuratie uit op 90,5% overeenstemming met de docent; de zwakste haalt 58,9%. Het soort antwoord dat voorligt weegt zwaarder dan het model dat het beoordeelt, en prijs voorspelt kwaliteit nauwelijks.
-
De docent blijft de baas: waarom AI nooit een cijfer mag geven zonder menselijke goedkeuring
Nakijkwerk bestaat uit twee dingen: een antwoord tegen een correctiemodel leggen, en vaststellen wat het cijfer wordt dat daaruit volgt. Het eerste doet een AI-model gelijkmatiger dan een vermoeide mens; het komt prima tot een cijfer. Wat het niet kan, is dragen wat er daarna met dat cijfer gebeurt: een overgang, een herkansing, een gesprek met ouders. Zo'n besluit hoort bij iemand die het kan uitleggen en die erop aanspreekbaar is. Een systeem waarin de leerling het resultaat pas ziet ná goedkeuring van de docent is daarom geen beleefdheidsvorm maar een ontwerpeis.
-
Handschriftherkenning in 2026: waarom AI keurig én slordig leerlingenhandschrift nu wél leest
Traditionele OCR is gebouwd om gedrukte tekst regel voor regel om te zetten in karakters. Een gemaakte toets is geen gedrukte tekst: er wordt doorgekrast, bijgeschreven in de kantlijn, met een pijl verwezen en halverwege van gedachten veranderd. Moderne multimodale modellen lezen de hele pagina als beeld en gebruiken de vraag en de context om te bepalen wat er staat. Daardoor werkt het nu wel, ook bij slordig handschrift.
-
De anatomie van docentenwerkdruk: hoeveel uur gaat er écht in nakijken zitten?
Een voltijds VO-docent kijkt per schooljaar al snel duizend tot vijftienhonderd toetsen na. Bij zes minuten per toets is dat 100 tot 150 uur, oftewel drie tot vier volle werkweken. Het grootste deel daarvan gaat op aan vergelijken en niet aan didactisch werk: staat er in dit antwoord wat er in het correctiemodel staat?
-
Hoe ToetsChecker werkt: van stapel papier tot feedback die de leerling begrijpt
ToetsChecker neemt een gemaakte toets in (als scan, foto of digitale inzending), leest deze uit, beoordeelt de antwoorden aan de hand van jouw correctiemodel en doet vervolgens een voorstel. Gesloten vraagtypen worden honderd procent via een formule gescoord, open vragen door AI. Een steekproef wordt daarna door een beter model nagecontroleerd. Pas als je het voorstel goedkeurt, ziet de leerling het resultaat.
-
We praten te veel over de negatieve kanten van AI in het onderwijs
Bijna elk gesprek over AI in het onderwijs gaat over leerlingen die hun werk laten maken. Die zorg is terecht, maar hij heeft het hele debat opgeslokt. De vraag die nauwelijks gesteld wordt is wat AI kan wegnemen bij de docent, en juist daar zit winst die niemand hoeft te verdedigen: minder administratie, meer tijd voor de leerling.
-
ToetsChecker vs. ToetsTester: welke is beter?
ToetsChecker en ToetsTester kijken allebei open vragen na met AI, en in beide bepaalt de docent het cijfer. Sinds september 2026 kun je in beide ook digitaal afnemen. ToetsChecker is een compleet toetsplatform: afname met toezicht en formule-invoer, verslagen beoordelen met een bronnencheck, leerlingaccounts waarin een leerling om herbeoordeling kan vragen, en centraal beheer voor de school. ToetsChecker is gratis met alle functies en 200 credits per maand, en onbeperkt voor €19,99 per maand; ToetsTester is gratis tot 75 toetsen per maand en betaald vanaf €9,99.
-
AI in het onderwijs: wat werkt echt in de klas?
AI werkt in de klas vooral als assistent bij repetitief werk: lesmateriaal voorbereiden, leerlinginformatie structureren en het nakijkproces ondersteunen. Pedagogische beslissingen blijven bij de docent. Begin met één afgebakend proces, meet de tijdwinst en beoordeel ook de kwaliteit en uitlegbaarheid van de uitkomst.