TraceYield

Portfolio beoordelen bij AI-ondersteund programmeren

Hoe docenten geselecteerd bewijs uit meerdere programmeeropdrachten kunnen interpreteren voor een leeruitkomst over tijd en context heen.

TY

TraceYield Inzichten

6 min leestijd · Bijgewerkt 7 oktober 2026

Begin bij de leeruitkomst

Voor dit artikel is een portfolio een doelgerichte selectie van artefacten en ondersteunend bewijs waarmee een docent leeruitkomsten kan beoordelen aan de hand van meer dan één stuk werk of context. Dit is een redactionele werkdefinitie, geen universele standaard.

Een repository of archief bewaart activiteit en artefacten. Een bewijsverzameling bevat materiaal dat mogelijk relevant is. Een portfolio selecteert en ordent materiaal voor een beoordelingsdoel; het portfolio-oordeel is de interpretatie van de docent aan de hand van leeruitkomsten en criteria. Een portfolio hoeft dus niet elke sessie, prompt, commit, AI-interactie, opdracht of elk project te bevatten.

Wat bewijs over meerdere taken kan toevoegen

Meerdere passende items kunnen terugkerende prestaties, verschillen tussen contexten, reacties op feedback of terugkerende moeilijkheden zichtbaar maken. Dat kan een oordeel ondersteunen dat verder gaat dan één momentopname, mits het bewijs relevant en interpreteerbaar is.

Later werk is niet automatisch beter werk. Taakmoeilijkheid, ondersteuning, teamrol, AI-afspraken, gebruikte tools, eisen en verificatiecondities kunnen verschillen. Een patroon is pas betekenisvol wanneer die context meeweegt.

Herhaling is niet automatisch transfer

Transfer vraagt toepassing in een betekenisvol andere context. Robuuste validatie in een API en later in een importpipeline kan daarvoor relevant bewijs opleveren. Dezelfde techniek tweemaal zien is op zichzelf geen bewijs van brede transfer; ook twee contexten bewijzen geen algemene beheersing.

Gebruik termen als groei, vooruitgang, zelfstandigheid of transfer alleen wanneer de leeruitkomst en het vergelijkbare bewijs die interpretatie dragen. Formuleer anders smaller: het geselecteerde bewijs past bij een verandering onder deze omstandigheden.

Selecteer bewijs zonder een archief te bouwen

Bepaal welke items verplicht zijn, welke de student mag kiezen en of een docent een steekproef toevoegt. Studentselectie kan relevantie en regie ondersteunen, maar kan vooral gepolijst of succesvol werk opleveren. Docentselectie kan een andere doorsnede bieden, maar vraagt tijd en verandert de beoordelingsrelatie. Een gemengde aanpak kan in sommige contexten passen; er is geen universeel model.

Een kleine selectie is niet automatisch representatief. Vraag of de gekozen taken de leeruitkomst voldoende afdekken: alleen solo- of teamwerk, één taaktype, alleen AI-zwaar of AI-arm werk, en uitsluitend geslaagde voorbeelden kunnen het beeld vertekenen. Mislukt of herzien werk kan relevant zijn bij debuggen, diagnose, verificatie of aanpassing; de mislukking zelf is geen bewijs van leren.

Interpreteer items en reflectie in context

Om een item te begrijpen kan informatie over leeruitkomst, taakcontext, artefact, relevant bewijs, verificatie, korte toelichting en resterende onzekerheid helpen. Dit zijn mogelijke informatiebehoeften, geen verplicht invulformat. Noteer bij AI-ondersteund werk zo nodig taak, rol, toegestane AI-condities en relevante revisie of controle; volledige chattranscripten zijn niet standaard nodig.

Reflectie kan uitleggen waarom een item is gekozen, een technische keuze toelichten of een vervolgvraag aanwijzen. Ze blijft studentgeschreven context en verifieert competentie, groei of transfer niet zelfstandig. Als AI bij reflectietekst is toegestaan, maak dan duidelijk of dat mag, of melding nodig is en of de tekst zelf wordt beoordeeld. Laat programmeerclaims steunen op projectbewijs.

Beoordeel per leeruitkomst, niet door alles te middelen

Koppel items aan de leeruitkomst en interpreteer de relevante aanwijzingen. Een instelling kan criteria per leeruitkomst beoordelen, tot een holistisch oordeel komen of essentiële uitkomsten afzonderlijk moeten laten blijken; er is geen universele aggregatieregel. Middel niet vanzelf cijfers van uiteenlopende sessies of projecten. Houd tegenstrijdig bewijs en onzekerheid zichtbaar.

Later bewijs kan zwaarder wegen wanneer de bedoelde claim huidige prestaties betreft, maar recent werk kan ook een eenvoudiger taak of meer ondersteuning weerspiegelen. Aantallen items en weging zijn afhankelijk van leeruitkomst, kwaliteit en spreiding van bewijs, stakes en lokaal toetsbeleid; een vast minimum is niet onderbouwd.

Voorbeeld: robuuste invoervalidatie in drie contexten

Voorbeeld ter illustratie — geen studentgegevens, klaslokaalonderzoek of TraceYield-bewijs. De leeruitkomst is: “De student kan robuuste invoerverwerking ontwerpen en verifiëren in relevante programmeercontexten.”

In project A, een REST-API, was de validatieredenering zwak en werd een defect laat gevonden. In project B, een planningsdienst, identificeerde de student een integratiemismatch en verbeterde de verificatie. In project C, een importpipeline, paste de student defensieve validatie toe in een andere context en controleerde expliciet ongeldige invoer.

REST-API

Direct bewijs
Zwakke validatieredenering; defect laat gevonden.
Mogelijke relevantie
Geeft een eerdere waarneming van invoerverwerking.
Context en beperking
Taak en ondersteuning kunnen verschillen.

Planningsdienst

Direct bewijs
Integratiemismatch gevonden; verificatie aangepast.
Mogelijke relevantie
Kan diagnose en controle ondersteunen.
Context en beperking
Teamrol en gedeeld werk zijn relevant.

Importpipeline

Direct bewijs
Defensieve validatie in andere context; negatieve gevallen gecontroleerd.
Mogelijke relevantie
Kan toepassing in een nieuwe context ondersteunen.
Context en beperking
Bewijst op zichzelf geen algemene transfer of groei.

Wat ondersteunt de geselecteerde set?

De drie items kunnen bewijs bieden dat past bij sterkere toepassing in deze contexten, waarbij het derde project een betekenisvol andere situatie omvat. Ze bewijzen niet automatisch groei, transfer, competentie of zelfstandigheid. Als de zekerheid onvoldoende is, kan een gerichte vraag of nieuwe taak helpen; anders is een smallere conclusie eerlijker.

Ontbrekende registraties zijn ontbrekend bewijs. Ze bewijzen geen gebrek aan leren, werk, begrip of naleving. Ze kunnen wel betekenen dat het portfolio voor een specifieke uitspraak tekortschiet. Kies voldoende, relevante en interpreteerbare informatie voor leeruitkomst en stakes; meer materiaal vergroot ook student- en nakijklast, privacyblootstelling en ruis. Voor selectie van bewijs bij één toets, zie Bewijs uit het ontwikkelproces; voor individuele bijdrage in gezamenlijk werk, zie Individuele bijdrage beoordelen. TraceYield kan waar vastgelegd context of patronen helpen ordenen, maar meet geen groei, transfer, competentie, portfolio-volledigheid of cijfer.

Referenties