Waarom AI-detectie niet genoeg is voor programmeerbeoordeling

Welke soort signaal geeft het systeem?

Een AI-codeclassificator vergelijkt code met patronen uit de voorbeelden en methode waarop die is gebaseerd. Een AI-tekstclassificator beoordeelt proza; resultaten daarvan zijn niet zonder meer toepasbaar op broncode. Codevergelijking meet gelijkenis met andere code en bewijst geen AI-generatie. Herkomstgegevens of AI-telemetrie kunnen bekende oorsprong of toolinteracties registreren, maar bewijzen niet automatisch auteurschap of leren. Geselecteerd procesbewijs kan vragen over het ontwikkelwerk beantwoorden, maar levert geen oordeel over wangedrag.

Vraag eerst: wat gaf dit specifieke systeem letterlijk terug — een label, score, drempelmelding, categorie, gemarkeerd fragment of overeenkomst? Schrijf “de detector markeerde de inzending boven de ingestelde beoordelingsdrempel”, niet “AI schreef deze code”, tenzij ander bewijs die verdergaande uitspraak ondersteunt.

Een score heeft geen universele betekenis

Een “AI-percentage” heeft geen vaste betekenis voor alle producten. Een score van 80% is niet automatisch een kans van 80% dat AI de inzending heeft geschreven. Controleer hoe de specifieke leverancier de score en drempel definieert en waarop die uitleg is gevalideerd. De gepubliceerde semantiek van Turnitin betreft detectie van proza/tekst, niet broncode; gebruik die niet als bewijs voor de betrouwbaarheid van codedetectoren.

Fout-positieven en fout-negatieven hangen van de context af

Een fout-positief betekent dat door mensen gemaakte code als AI-achtig wordt geclassificeerd. Een fout-negatief betekent dat AI-gegenereerde of AI-ondersteunde code niet als zodanig wordt geclassificeerd. De foutkansen hangen af van detector, drempel, taak, model, programmeertaal, gegevensverdeling en samenstelling van het artefact. Er is geen universeel foutpercentage voor alle code-detectoren.

Zelfs goede benchmarkcijfers vertellen niet vanzelf hoe betrouwbaar één melding in een cursus is. Dat hangt ook af van hoe vaak de relevante situatie in die beoordeelde groep voorkomt. Benchmarknauwkeurigheid alleen zegt dus niet hoeveel vertrouwen een docent in een individueel signaal moet stellen.

Een benchmark is niet hetzelfde als een programmeertoets

Een benchmark kan bekende menselijke en gegenereerde voorbeelden, specifieke modellen en talen, vaste prompts en gecontroleerde bewerkingen gebruiken. Een echte inzending kan startcode, libraries, templates en conventionele patronen bevatten, maar ook gedeeltelijke AI-hulp, menselijke bewerkingen, teamwerk, refactoring, gegenereerde tests, meerdere tools en oudere code.

Benchmarkresultaten laten zien hoe een methode onder de geteste omstandigheden presteerde. Ze bewijzen niet automatisch voorspellende geldigheid in een cursus. Codeonderzoek laat zien dat gespecialiseerde classificatoren in bepaalde datasets of modelcondities sterke resultaten kunnen halen, terwijl prestaties tussen datasets, talen, generatoren en veranderde omstandigheden variëren. Hybride of bewerkte code blijft een andere uitdaging. De studies valideren geen institutionele beoordelingsbeslissing.

Codebewijs is niet hetzelfde als tekstbewijs

Onderzoek naar essaydetectoren kan algemene risico’s van classificatie of verschuivende gegevensverdelingen illustreren, maar beschrijft niet rechtstreeks de prestaties op broncode. Onderzoek dat tekstgerichte tools op code toepast, zegt iets over die tools onder de geteste codecondities; het bewijst niet hoe alle codeclassificatoren werken.

Validatie is gebonden aan de onderzochte setting: generator en modelversie, programmeertaal, taak, bewerking, gemengd auteurschap en drempel. Dat maakt benchmarks niet waardeloos, maar vraagt om terughoudendheid bij toepassing buiten de geteste omstandigheden.

Gemengd menselijk en AI-werk past niet altijd in een tweedeling

Code kan door mensen zijn geschreven, voorgesteld en daarna aangepast, door AI zijn gegenereerd en grondig herzien, door mensen zijn ontworpen en door AI geïmplementeerd, of door meerdere teamleden zijn aangepast. Tests kunnen apart zijn gegenereerd. Een binaire categorie “mens” of “AI” hoeft dus niet samen te vallen met de onderwijsvraag. Een detectiescore meet geen menselijk aandeel, AI-aandeel of bijdragepercentage.

Verschillende signalen ondersteunen verschillende uitspraken

Deze signalen beantwoorden verschillende vragen; gebruik ze niet als uitwisselbare aanwijzingen voor AI-gebruik of leren.

Bij toegestaan AI-gebruik kan de vraag anders liggen

Wanneer de opdracht AI-gebruik toestaat, is “is AI gebruikt?” mogelijk niet de belangrijkste beoordelingsvraag. De docent kan moeten beoordelen of het gebruik binnen de opdrachtvoorwaarden viel, of vereiste melding is gedaan, of de student relevante keuzes kan toelichten en of verificatie plaatsvond. Dat is een andere vraag dan leren of verantwoordelijkheid; zie ook AI-gebruik melden en Verantwoordelijkheid van de student.

Voorbeeld: gemarkeerde validatiecode

Voorbeeld ter illustratie — geen studentgegevens, klaslokaalonderzoek of TraceYield-bewijs. Een student levert een conventionele backend-validatieoplossing in. Een AI-codedetector markeert het artefact boven zijn ingestelde beoordelingsdrempel. De opdracht staat begrensd AI-gebruik toe mits dit wordt gemeld.

De melding stelt alleen vast dat deze detector het artefact volgens zijn methode boven die drempel classificeerde. Ze stelt niet vast of AI daadwerkelijk is gebruikt, welke bijdrage AI had, of de student de regels volgde of de implementatie begrijpt. De docent kan de vereiste melding, relevante projectgegevens en een gerichte vraag over een ontwerpkeuze of test bekijken. Daarna volgt een begrensde conclusie over de leeruitkomst; de detector beslist niet over schuld of onschuld.

Houd beoordeling en integriteitsprocedure uit elkaar

Onderscheid een detectorsignaal, onzekerheid over de beoordeling, aanvullend bewijs over AI-gebruik, vergelijking met toepasselijke regels en een institutioneel oordeel over wangedrag. Een melding alleen bewijst geen overtreding. Als een signaal aanleiding geeft tot opvolging, keer dan terug naar de concrete leer- of regelvraag. Een record, testinterpretatie of kleine verwante aanpassing kan soms helpen; dat is geen bewijs van auteurschap.

Bij ingrijpende beslissingen moeten doel en bewijs begrijpelijk zijn, hoort een mens de gegevens te beoordelen en moet de student volgens de toepasselijke instellingsprocedure kunnen reageren. Eventuele inzet van detectie vraagt begrip van doel, onderzochte populatie, drempel, foutprofiel en vervolgactie. Gebruik het niet als zelf-authenticerend oordeel. Npuls geeft Nederlandse context voor toetsing en integriteit; het is geen benchmark voor codedetectoren. Bewijs uit het ontwikkelproces beantwoordt weer een andere vraag. TraceYield kan waar vastgelegd context geven over interacties, bijsturing, keuzes, correcties en verificatie; het bewijst geen auteurschap, leren, onafhankelijk werk, beleidsnaleving of wangedrag.