TraceYield

AI-ondersteunde programmeeropdrachten in HBO-ICT beoordelen

Ontwerp een programmeeropdracht vanuit de leeruitkomst, bepaal de rol van AI en kies bewijs en criteria die daarbij passen.

TY

TraceYield Inzichten

5 min leestijd · Bijgewerkt 8 oktober 2026

Opdrachtontwerp in beeld

Stem taak, AI-voorwaarden en bewijs af op de leeruitkomst
  1. LeeruitkomstWat moeten studenten laten zien?
  2. Taak + activiteitWelk werk laat die prestatie zien?
  3. Toegestane rol van AIWelke ondersteuning past bij de leeruitkomst?
  4. Bewijs + criteriaWat beoordeel je, en volgens welke criteria?
Oordeel van de docentInterpreteer het bewijs in relatie tot de leeruitkomst en de toetscontext.

Evalueer de opdracht na afloop: controleer duidelijkheid, relevantie, eerlijkheid en werklast voordat je haar opnieuw gebruikt.

Een ontwerphulp vanuit de redactionele interpretatie van TraceYield; geen gevalideerd raamwerk of rubric.

Ontwerp vanuit wat studenten moeten laten zien

Begin met de leeruitkomst. Kies daarna een taak waarin studenten die leeruitkomst kunnen laten zien. Bepaal welke rol AI bij deze opdracht mag spelen, wat het ingeleverde werk aantoont en of een gerichte toelichting, een geselecteerd procesgegeven of een verificatiecheck nodig is. Dat zijn keuzes voor deze opdracht; het is geen verplicht pakket aan bewijssoorten.

De visie van Npuls bespreekt leeruitkomstgericht en eerlijk toetsen in het hoger onderwijs. Het ACM Task Force-rapport bundelt praktijken en voorbeelden van docenten voor programmeerbeoordeling. Conceptueel onderzoek naar AI-bestendige toetsing verkent ontwerpkeuzes, maar valideert geen TraceYield-methode. De afstemming hieronder is een redactionele toepassing voor één programmeeropdracht, geen gevalideerde rubric of universele standaard.

Leg de ontwerpkeuzes naast elkaar

Maak deze keuzes voordat je de opdrachtinstructie schrijft. Het eindproduct kan voor sommige leeruitkomsten voldoende zijn; andere vragen om één gerichte toelichting, een klein fragment uit het ontwikkelproces of een verificatietaak. De tabel is een praktisch hulpmiddel, geen gevalideerd beoordelingsmodel. Een verwant ontwerpmodel voor ICT-toetsing beschrijft Ahangama; de auteurs noemen empirische validatie als vervolgwerk.

Leeruitkomst

Beslissing voor deze opdracht
Wat moet de student concreet kunnen laten zien?

Taak en context

Beslissing voor deze opdracht
Welk programmeerwerk lokt die prestatie uit, en onder welke voorwaarden?

Rol van AI

Beslissing voor deze opdracht
Welk AI-gebruik is toegestaan, beperkt of vereist, en waarom?

In te leveren werk

Beslissing voor deze opdracht
Welke code, tests, documentatie of gedragingen zijn relevant?

Geselecteerd procesbewijs

Beslissing voor deze opdracht
Welk klein, doelgericht gegeven voegt informatie toe die het eindproduct niet laat zien?

Toelichting of demonstratie

Beslissing voor deze opdracht
Vraagt de leeruitkomst dat de student iets uitlegt, aanpast of demonstreert?

Verificatie

Beslissing voor deze opdracht
Welke test, inspectie of controle is relevant en wat is de reikwijdte ervan?

Beoordeling door de docent

Beslissing voor deze opdracht
Wat beoordeelt de docent aan de hand van de leeruitkomst en criteria?

Voorbeeld: CSV-import voor evenementaanmeldingen herontwerpen

Voorbeeld ter illustratie — geen studentgegevens, klaslokaalonderzoek of TraceYield-pilotbewijs. Studenten voegen CSV-import toe aan een dienst voor evenementaanmeldingen. De taak bevat onjuiste rijen, dubbele aanmeldingen, validatieregels, bruikbare foutmeldingen en tests.

Te open opdracht: “Bouw een CSV-importfunctie voor evenementaanmeldingen.” Hiermee is niet duidelijk welk gedrag, welke ontwerpkeuzes of welk bewijs worden beoordeeld.

Aangescherpte opdracht: Implementeer CSV-import in de aangeboden dienst. Wijs rijen met verplichte velden die ontbreken of ongeldige e-mailadressen af. Verwerk dubbele aanmeldingen volgens de meegeleverde regel en rapporteer fouten per rij zonder gegevens stilzwijgend te negeren. Gebruik het API-contract en de repositorytests. Kies waar de bescherming tegen dubbele verzoeken hoort, licht de afweging voor deze dienst toe en test herhaalde, ongeldige en geldige verzoeken.

Bij deze opdracht zijn AI-uitleg, testsuggesties en gegenereerde code toegestaan. Studenten beoordelen en passen suggesties aan en voeren geen echte persoonsgegevens in prompts in. Ze leveren de implementatie en tests in, noemen kort één relevante AI-bijdrage en één wijziging, afwijzing of controle die zij uitvoerden, en lichten één validatieregel toe of passen die aan. De docent beoordeelt de leeruitkomst met het ingeleverde werk, relevante tests en die gerichte toelichting. Geen enkel gegeven bewijst op zichzelf zelfstandig auteurschap of algemene bekwaamheid.

Maak de instructie voor studenten concreet

Een korte opdrachtinstructie kan voldoende zijn als zij geen onnodige gissingen vraagt en tegelijk ruimte laat voor verschillende passende oplossingsroutes. Vermeld de taak en leeruitkomst, de toegestane AI-hulp, relevante grenzen voor gegevensgebruik, het in te leveren bewijs, de vereiste verificatie en eventuele gerichte vervolgvragen. Vraag geen volledige chatgeschiedenis als een korte toelichting volstaat.

Houd bewijs haalbaar, eerlijk en proportioneel

Vraag standaard niet om een volledig AI-transcript. Gebruik informatie uit het ontwikkelproces alleen wanneer die iets toevoegt aan de beoordeling van de leeruitkomst. Voor die selectie zie Bewijs uit het ontwikkelproces; de vraag wat geselecteerd bewijs zegt over verantwoordelijkheid en begrip hoort bij de verantwoordelijkheid van de student voor het werk. Voor het ontwerp van taken die betekenisvol blijven wanneer AI beschikbaar is, zie AI-bestendige programmeeropdrachten.

Controleer of studenten redelijke toegang hebben tot toegestane tools of een werkbaar alternatief, of rekening is gehouden met toegankelijkheid, of privacyvoorwaarden duidelijk zijn en of bewijs en eventuele vervolgvragen passen bij de beschikbare docenttijd. Gezamenlijke kalibratie kan helpen om criteria vergelijkbaar toe te passen, maar het effect hangt af van de uitvoering. SURF biedt gesprekspunten voor toetsontwerp; dat is een praktisch hulpmiddel, geen bewijs dat één ontwerp effectief is. Npuls biedt sectorcontext en onderschrijft niet automatisch deze toepassing.

Houd beoordeling en onderzoek naar regelovertredingen uit elkaar

Verschillende bronnen beantwoorden verschillende vragen. Het ingeleverde werk laat de implementatie zien; geselecteerde trajectgegevens leggen een afgebakend deel van het ontwikkelproces vast; een toelichting laat zien hoe de student op een specifieke vraag reageert; een testresultaat ondersteunt alleen uitspraken over het geteste gedrag en de omstandigheden. Geen ervan bewijst automatisch leren, auteurschap, onafhankelijk werken of fraude. Maak er geen algemene AI-, verantwoordelijkheids- of competentiescore van. Als er een afzonderlijke zorg over regels blijft bestaan, volg dan de institutionele procedure; maak van ontbrekende registratie of onzekerheid geen conclusie.

TraceYield is gericht op ontwikkeltrajecten en geselecteerd bewijs dat context kan bieden bij AI-ondersteund werk. Dat beschrijft de beoogde informatieweergave; het betekent niet dat iedere gebeurtenis wordt vastgelegd of dat TraceYield leren of cijfers vaststelt. De docent beoordeelt het bewijs tegen de leeruitkomst en de toetscontext.

Referenties