Stand van zaken op 25 oktober 2026.
Wie een AI-assistent vraagt of nakijken met AI betrouwbaar is, krijgt vaak een voorzichtig antwoord: het hangt ervan af, en een vergelijking per vak bestaat niet. Wat er wel gedocumenteerd is: CitoLab signaleerde in februari 2026, in een verkenning over AI bij het nakijken van de centrale examens, dat voor papieren examens en veel vakken digitale scoringsdata ontbreken om inconsistenties in de correctie te onderzoeken. Wie dat begrijpt, weet ook wat een betrouwbaarheidscijfer over AI-nakijken waard is, en hoe je zelf een meting doet die wel over jouw toetsen gaat.
Wat "betrouwbaar" hier betekent
In toetstaal gaat betrouwbaarheid over de mate waarin meetfouten worden voorkomen. Cito noemt in zijn rapport over de kwaliteit van schoolexamens de beoordelaar als een belangrijke toevallige invloed: het resultaat hoort af te hangen van de leerling, niet van wie nakijkt. Geven twee beoordelaars onafhankelijk van elkaar dezelfde score aan hetzelfde werk, dan is de interbeoordelaarsbetrouwbaarheid hoog. Geeft één beoordelaar bij hetzelfde werk consequent dezelfde score, dan is de intrabeoordelaarsbetrouwbaarheid hoog. Volgens Cito verbeteren beide aanzienlijk door een helder beoordelingsmodel en door training van beoordelaars.
Voor AI geldt dezelfde vraag, met één complicatie. Je kunt een AI-score vergelijken met die van een docent, maar dan moet je weten hoe betrouwbaar die docent zelf is.
Hoe betrouwbaar docenten nakijken: het onderzoek is van 2012
Het meest uitgebreide Nederlandse onderzoek naar verschillen tussen correctoren dat we vonden, deed Cito bij de centraal schriftelijke examens. Dertig onafhankelijke correctoren keken het examenwerk van 803 kandidaten van 127 scholen opnieuw na, in zes examenvakken. De staatssecretaris stuurde het rapport in maart 2013 naar de Tweede Kamer.
De uitkomst: in het eerste tijdvak gaven eerste correctoren gemiddeld zes procent hogere scores dan de onafhankelijke derde correctoren, en dat verschil was niet bij elk examen gelijk. Hadden de derde correctoren de scores bepaald, dan was het aandeel onvoldoendes bij wiskunde vmbo gestegen van 23 naar 28 procent en bij geschiedenis havo van 23 naar 53 procent. Tussen scholen zaten grote verschillen in soepelheid, en de directe invloed van de tweede corrector op de uiteindelijke scores bleek klein.
Twee bevindingen uit dat onderzoek zijn voor AI-nakijken extra relevant. Verschillen in soepelheid deden zich onder meer voor als het beoordelingsmodel de antwoorden van leerlingen niet goed dekte. En derde correctoren lieten zich beïnvloeden door de aantekeningen die de eerste corrector al op het werk had gezet.
Bij schoolexamens is zo'n tweede blik nog zeldzamer. In het Cito-onderzoek naar schoolexamens van 2026 zei 2,5 procent van de ondervraagde docenten een tweede beoordelaar een schriftelijk schoolexamen te laten nakijken. Wat dat onderzoek verder over beoordelingsmodellen vond, staat in ons stuk over het Cito-onderzoek naar schoolexamens. Waarom hetzelfde antwoord bij dezelfde docent een ander cijfer kan krijgen, lees je in zelfde antwoord, ander cijfer.
Wat onderzoek over AI-nakijken zegt
In de verkenning "Nakijken met AI" van februari 2026 schreef CitoLab, de onderzoeksafdeling van Cito, over de centrale eindexamens. Het rapport vat het internationale onderzoek zo samen. Bij korte open antwoorden maakte AI in een recente studie gemiddeld minder beoordelingsfouten dan menselijke beoordelaars. Bij essays en langere open antwoorden wordt dat verschil kleiner, en scoort AI in sommige gevallen minder nauwkeurig dan mensen. Multimodale modellen kunnen handgeschreven wiskundeantwoorden scoren, maar zijn in nauwkeurigheid nog niet volledig vergelijkbaar met menselijke beoordelaars. Cito schrijft in zijn literatuuroverzicht dat er uit onderzoek "nog geen eenduidige conclusies" te trekken zijn over de betrouwbaarheid en validiteit van AI bij het nakijken.
CitoLab legde daarnaast tien AI-toepassingen in drie vakken voor aan 26 betrokkenen uit de examenketen, onder wie docenten, toetsdeskundigen en vertegenwoordigers van vakverenigingen, het CvTE en de inspectie. Volgens het rapport is de potentie van AI "sterk afhankelijk" van vak en vraagtype. Spellings- en grammaticacontrole bij Nederlands en het groeperen van korte open antwoorden bij biologie werden overwegend positief ontvangen. Bij wiskunde waren er zorgen over het herkennen van denkstappen en afwijkende oplossingen. Puntentoekenning door AI met een zekerheidsinschatting bij open antwoorden riep verdeeldheid op. Bij het nakijken van de centrale eindexamens wordt AI volgens het rapport niet ingezet.
Wat Cito signaleert over de centrale examens
In de aanleiding van de verkenning "Nakijken met AI" schrijft Cito dat het nog niet mogelijk is om conclusies te trekken over de mate en aard van inconsistenties in het nakijken van eindexamens, "vanwege de vele papieren examens en het ontbreken van digitale scoringsdata". Bij de suggesties voor vervolgonderzoek beveelt Cito eerst onderzoek naar die inconsistenties aan, en schrijft dat voor papieren examens en veel andere vakken de data ontbreekt, "waardoor er nog geen vergelijkend onderzoek kan worden gedaan".
Wat betekent dat voor een vergelijking tussen AI en docent? Dit is onze gevolgtrekking, niet die van Cito: voor een vergelijking per vak zou je dezelfde antwoorden nodig hebben, digitaal, met een betrouwbare menselijke score ernaast, en juist die scoringsdata ontbreken volgens Cito bij papieren centrale examens en veel vakken. Uit deze passage kun je niet afleiden welke vergelijkingen elders bestaan. En het onderzoek uit 2012 laat zien dat "de menselijke score" zelf geen vast ijkpunt is: welke corrector je als maatstaf neemt, maakt per vak verschil.
Cito voegt er nog iets aan toe. Over hoe goed een algoritme moet presteren voordat de inzet ervan acceptabel is, zal "geen eenduidige consensus" bestaan, en die grens verschuift in de tijd. Onderzoek levert daarmee "slechts een momentopname". Lees elk betrouwbaarheidscijfer over AI-nakijken dus als een meting van één systeem, op bepaalde vragen, op één moment. Het is geen eigenschap van "AI-nakijken" in het algemeen.
Wat de regels vragen
Het centraal examen. Op 20 april 2026 adviseerde de VO-raad met nadruk om geen AI-tools te gebruiken bij de correctie van de centrale schriftelijke examens, voor de eerste en de tweede corrector. Volgens de VO-raad lijken er binnen Europa nog geen (gratis) AI-nakijktools voor de centrale examens voorhanden te zijn die volledig voldoen aan de AVG en de AI-verordening, ook al is het juridisch niet voor iedere tool verboden. Voor AI-nakijksoftware in het algemeen raadt de VO-raad aan om zeer terughoudend te zijn, tenzij leverancier en school kunnen garanderen dat ze volledig aan de AI-wetgeving voldoen. Voor elk vak geldt een correctievoorschrift van het College voor Toetsen en Examens. Daarin staat onder meer dat een juist of gedeeltelijk juist antwoord dat niet in het beoordelingsmodel voorkomt, punten krijgt "naar analogie of in de geest van het beoordelingsmodel", en dat een corrector niet zelfstandig van het beoordelingsmodel mag afwijken. Eerste en tweede corrector stellen de score in onderling overleg vast.
De AI-verordening. Bijlage III van de Europese AI-verordening rekent AI-systemen die bedoeld zijn "voor het evalueren van leerresultaten" tot de systemen met een hoog risico. Volgens de Europese Commissie gelden de regels voor die systemen vanaf 2 december 2027. Twee artikelen raken direct aan betrouwbaarheid. Artikel 14 vraagt dat zo'n systeem zo wordt geleverd dat de mensen die er toezicht op houden zich bewust kunnen blijven van "automation bias": de neiging om automatisch of te veel op de uitkomst te vertrouwen. Artikel 15 vraagt dat het niveau van nauwkeurigheid en de gebruikte maatstaven in de gebruiksaanwijzing staan. Wat het uitstel verder betekent, staat in ons stuk over de AI-verordening.
Het ministerie. In de Kamerbrief van 2 juli 2026 schreef staatssecretaris Tielen dat Cito binnenkort een prototype oplevert van een AI-tool die docenten "op een veilige en betrouwbare manier" kan ondersteunen bij het nakijken van toetsvragen. De professionele ruimte van docenten bij toetsconstructie en correctie van examens "blijft de kern". Wanneer en in welke vorm scholen dat prototype kunnen gebruiken, staat niet in de brief.
Zo toets je een nakijktool zelf
Welke vergelijkingen er elders ook bestaan, alleen een meting op je eigen toetsen gaat over jouw vragen en jouw correctiemodel. Daar heb je een middag en een toets voor nodig die je al hebt nagekeken.
1. Kies een toets die je kent. Neem een toets met je eigen correctiemodel en een mix van vraagtypen: gesloten, kort open, lang open en, als je vak die heeft, berekeningen. Je eigen scores zijn het vertrekpunt, niet de waarheid.
2. Laat de tool blind nakijken. Geef de tool het correctiemodel en de antwoorden, maar niet jouw punten. Het onderzoek uit 2012 liet zien dat correctoren zich laten beïnvloeden door aantekeningen die al op het werk staan. Voor een eerlijke vergelijking wil je twee onafhankelijke oordelen.
3. Vergelijk per vraag, niet per cijfer. Een gelijk eindcijfer kan twee fouten verbergen die elkaar opheffen. Tel per vraagtype hoe vaak de tool precies jouw score geeft, hoe vaak hij ernaast zit en in welke richting: milder of strenger.
4. Zoek de lastige gevallen op. Een deels goed antwoord, een juist antwoord dat niet in je model staat, een doorgestreept antwoord met een nieuw antwoord ernaast, een berekening met een fout in de eerste stap. Daar verschillen ook docenten onderling het meest, en daar zie je of een tool het model naar de geest toepast of alleen op trefwoorden let.
5. Meet je eigen ruis. Laat een collega een deel van dezelfde antwoorden blind nakijken, of kijk zelf een stapel twee weken later opnieuw na zonder je eerste score te zien. Dan weet je hoe groot het verschil tussen twee mensen is, en heb je een eerlijke lat voor de tool.
6. Let op je eigen automation bias. Beoordeel bij het controleren af en toe eerst zelf een antwoord, en kijk pas daarna naar het voorstel. Wie alleen nog voorstellen goedkeurt, controleert niet meer, en dan zegt een hoge overeenstemming weinig.
7. Vraag de leverancier naar zijn meting. Op welke vakken en vraagtypen is gemeten, tegen welke maatstaf, en wanneer? Hoe vaak geeft de tool te veel punten en hoe vaak te weinig? Eén percentage zonder die context is een momentopname van iets anders dan jouw toets.
Een correctiemodel dat zich goed laat vergelijken, helpt bij mensen en bij software op dezelfde manier: met voorbeeldantwoorden en een regel voor het deels goede antwoord. Hoe je dat opzet, lees je in ons artikel over consistent beoordelen.
Waar Corrigo staat
Corrigo legt elk antwoord van een gescande papieren toets naast het correctiemodel van de docent en doet per vraag een puntenvoorstel met een toelichting. De docent loopt de voorstellen na en beslist. Hoe we onze eigen voorstellen meten tegen gepubliceerde examenvragen en de officiële correctievoorschriften, en wat nog apart onderzocht moet worden, staat op de pagina over ons examenonderzoek. Dat is een kwaliteitsmeting, geen advies om het centraal examen met AI na te kijken: daarvoor volgen we het advies van de VO-raad. En het vervangt de meting op je eigen toetsen niet. Hoe het nakijken werkt, lees je op de nakijkpagina.
De eerlijke samenvatting: of AI-nakijken betrouwbaar is, valt niet in één getal te vangen. Het hangt af van vak, vraagtype en correctiemodel, en van de docent die controleert. Onderzoek kan dat voor jouw toets nog niet zeggen. Jij kunt het wel meten.
Veelgestelde vragen
Is nakijken met AI betrouwbaar?
Daar is geen algemeen antwoord op. CitoLab schrijft in het literatuuroverzicht van zijn verkenning van februari 2026 dat uit onderzoek nog geen eenduidige conclusies te trekken zijn over de betrouwbaarheid en validiteit van AI bij het nakijken. Het internationale onderzoek dat Cito aanhaalt, wijst op betere resultaten bij korte open antwoorden dan bij essays en langere antwoorden. De betrouwbaarheid hangt af van vak, vraagtype, correctiemodel en het systeem zelf, en moet per toepassing gemeten worden.
Is er onderzoek dat AI en docenten per vak vergelijkt?
Wat CitoLab in februari 2026 zelf schreef, gaat over de centrale examens: bij de vraag naar de mate en aard van inconsistenties in de correctie signaleert Cito dat voor papieren examens en veel andere vakken digitale scoringsdata ontbreken. Dat betekent, is onze gevolgtrekking, dat een vergelijking per vak tussen AI en docent bij die examens juist zulke scoringsdata nodig zou hebben. Uit deze passage kun je niet afleiden welke vergelijkingen elders bestaan. In hetzelfde rapport vat Cito internationaal onderzoek samen dat AI en menselijke beoordelaars wel vergelijkt, per vraagtype; een vergelijking per Nederlands examenvak staat er niet in. Wel vergeleek Cito in 2012 docenten onderling: in zes examenvakken gaven eerste correctoren in het eerste tijdvak gemiddeld zes procent hogere scores dan onafhankelijke derde correctoren, en dat verschil was niet bij elk examen gelijk.
Mag ik AI gebruiken bij het nakijken van het centraal examen?
De VO-raad adviseerde op 20 april 2026 met nadruk om geen AI-tools te gebruiken bij de correctie van de centrale schriftelijke examens, voor de eerste en de tweede corrector. Volgens de VO-raad is dat juridisch niet voor iedere AI-tool verboden, maar lijken er binnen Europa nog geen (gratis) AI-nakijktools voor de centrale examens voorhanden te zijn die volledig voldoen aan de AVG en de AI-verordening. Het correctievoorschrift van het College voor Toetsen en Examens blijft de maatstaf.
Hoe test ik of een AI-nakijktool goed nakijkt?
Laat de tool een toets nakijken die je zelf al hebt nagekeken, zonder dat hij jouw punten ziet. Vergelijk per vraag en per vraagtype, let op de richting van de verschillen en zoek de lastige gevallen op, zoals deels goede antwoorden en juiste antwoorden die niet in je model staan. Meet ook het verschil tussen jou en een collega op dezelfde antwoorden: dat is de eerlijke lat voor de tool.
Wanneer gelden de regels van de AI-verordening voor nakijksoftware?
AI-systemen voor het evalueren van leerresultaten staan in bijlage III van de AI-verordening en gelden als hoog risico. Volgens de Europese Commissie zijn de regels voor die systemen van toepassing vanaf 2 december 2027. Daartoe horen onder meer menselijk toezicht (artikel 14) en een gebruiksaanwijzing die het niveau van nauwkeurigheid en de gebruikte maatstaven vermeldt (artikel 15).
Bronnen: CitoLab (Stichting Cito), "Nakijken met AI. Een verkenning van scenario's voor de centrale eindexamens vo", februari 2026 (samenvatting van internationaal onderzoek, focusgroepen met 26 betrokkenen, ontbrekende scoringsdata voor papieren examens); Stichting Cito (CitoLab), "Onderzoek naar de kwaliteit van schoolexamens", mei 2026 (inter- en intrabeoordelaarsbetrouwbaarheid; vragenlijst over tweede beoordelaars); Cito, H. Kuhlemeier en E. Kremers, "De praktijk van de eerste en tweede correctie", juli 2012, aangeboden aan de Tweede Kamer met de brief van 28 maart 2013 (Kamerstuk 31 289, nr. 146); Kamerbrief "Betrouwbare, toekomstbestendige en toegankelijke examens" van staatssecretaris Tielen, 2 juli 2026 (Kamerstuk 31 289, nr. 612); VO-raad, "VO-raad: geen AI bij nakijken centraal examens", 20 april 2026; College voor Toetsen en Examens, correctievoorschrift vwo maatschappijwetenschappen 2026, tijdvak 1 (regels voor de beoordeling 4 en algemene regels 3.3 en 7; dezelfde algemene regels staan in elk correctievoorschrift dat we inzagen); Verordening (EU) 2024/1689 (AI-verordening), artikel 14, artikel 15 en bijlage III, punt 3, onder b; Europese Commissie, "AI-verordening" (regels voor hoog-risicosystemen op onder meer het gebied van onderwijs vanaf 2 december 2027). Citaten zijn letterlijk.