Ai workshop Voor het onderwijs

Stop met hopen op goede output — leer AI sturen

AI geeft je iedere keer andere output — frustrerend als je consistente kwaliteit nodig hebt. In deze hands-on workshop leer je de systematiek achter effectieve prompts: hoe je context opbouwt zoals een onderwijsbriefing, welke patronen werken voor lesontwerp en toetsing, en hoe je output controleert op kwaliteit. Je vertrekt met een eigen set herbruikbare templates.

Voor wie:

Primaire doelgroep:

Docenten en lecturers die lesmateriaal en toetsing efficiënter willen ontwikkelen
Onderwijskundigen en curriculumontwikkelaars die AI willen inzetten voor ontwerp en kwaliteitsborging

Secundaire doelgroep:

Studiebegeleiders en tutoren (feedback- en coachingprompts)
Toetscoördinatoren en examencommissies (valide toetsconstructie)
Onderwijsmanagers (teamafspraken en kaders)
Scriptiebegeleiders (structuur en academische schrijfvaardigheid

Na deze workshop kun je:

Structureren — Prompts opbouwen met rol, context, doelgroep, constraints en outputformat
Contextualiseren — Leerdoelen, rubrics en bronnen vertalen naar een “onderwijsbriefing” voor AI
Patronen toepassen — Iteratief verbeteren, few-shot voorbeelden, en kritiek-revisiecycli gebruiken
Controleren — Output beoordelen op inhoud, bias, toetsbaarheid en didactische kwaliteit
Betrouwbaar maken — Hallucinaties minimaliseren met bronvermelding, beperkingen en verificatiestappen
Implementeren — Werkafspraken opstellen voor verantwoord gebruik (integriteit, privacy, toetsing)

Programma/Agenda

Tijd	Onderdeel	Kernactiviteit
09:00–09:30	Inloop & start	Inventarisatie use-cases, nulmeting “wat is een goede prompt”
09:30–10:15	Promptbouwstenen	Rol, taak, context, doelgroep, niveau, constraints, outputformat
10:15–10:30	Pauze	Korte pauze
10:30–11:45	Context engineering	Contextblokken bouwen: leerdoelen, rubrics, bronnen, taalregister
11:45–12:30	Lunch	Lunch
12:30–13:45	Promptpatronen	Iteratief verbeteren, few-shot, kritiek → revisie, formatsturing
13:45–14:00	Pauze	Korte pauze
14:00–15:00	Betrouwbaarheid & risico’s	Hallucinaties herkennen, verificatie-instructies, do’s en don’ts
15:00–15:45	Eigen toolkit bouwen	3–5 templates maken, peer review met checklist
15:45–16:15	Implementatie	Teamafspraken, promptbibliotheek, roadmap
16:15–16:30	Afronding	Q&A, actiepunten, evaluatie

Blok: Promptbouwstenen (10:00–10:45)

Live demo: van ruwe vraag naar gestructureerde prompt
Voorbeelden: lesplan, opdrachtomschrijving, toetsvraag, feedbackbericht
Mini-oefening: herschrijf een eigen prompt met het framework

Blok: Context engineering (11:00–12:15)

Theorie: waarom context belangrijker is dan de vraag zelf
Template-formats: lesontwerp, toetsconstructie, casusontwikkeling
Hands-on: bouw een contextblok voor je eigen vak/module

Blok: Promptpatronen (13:00–14:15)

Patroon 1: Eerste versie → Kritiek → Revisie → Eindversie
Patroon 2: Few-shot (voorbeeldgestuurd werken)
Patroon 3: Output-first (gewenst format eerst specificeren)
Oefening: herschrijf een bestaande opdracht tot herhaalbaar template

Blok: Betrouwbaarheid (14:30–15:30)

Hallucinaties, bias, onjuiste aannames: herkennen en voorkomen
Verificatie-instructies en “doe-niet”-regels
Checklist: privacy, integriteit, transparantie in HBO/WO

Voordelen/Resultaten

Direct na afloop:

✓ Sneller lesmateriaal maken dat direct bruikbaar is
✓ Opdrachten en toetsen die aansluiten op leerdoelen en niveau
✓ Feedback geven die consistent en rubric-gestuurd is
✓ AI-output kritisch beoordelen met praktische checklists
✓ Eigen set van 3–5 herbruikbare templates

Op langere termijn:

✓ Structurele tijdwinst door herhaalbare prompts
✓ Consistentie binnen teams door gedeelde werkwijze
✓ Minder risico’s door expliciete verificatiestappen
✓ Onderbouwde inzet van AI (integriteit, privacy, toetsing)

Testimonials

“Ik gebruikte AI al dagelijks, maar de output was onvoorspelbaar. Na deze workshop heb ik contextblokken voor mijn drie kernvakken. Nu krijg ik in één keer bruikbare feedback voor studentverslagen — dat scheelt me uren per week.” — Docent Bedrijfskunde, Hogeschool

“De checklist voor toetsbaarheid was een eye-opener. We gebruiken die nu standaard in onze examencommissie voordat we AI-gegenereerde vragen goedkeuren.” — Toetscoördinator, Universiteit