Portfolio slop
We weten dat AI dingen kan ‘verzinnen’, dit wordt hallucineren genoemd; de output is feitelijk onjuist maar wordt overtuigend gepresenteerd alsof het de waarheid is. AI-slop staat voor een hoeveelheid nauwelijks iets zeggende teksten, muziek en video’s, door AI gemaakt, die onder meer het internet overspoelen, vaak om snel geld te verdienen.
Het Engelse woord ‘slop’ betekent rommel. Met allerlei AI-tools kunnen we laagwaardige content produceren waar niemand op zit te wachten. Bij tekst leidt de combinatie van feitelijk onjuist en lage kwaliteit tot onzinnige tekst vol met fouten.
Helaas beperkt AI-slop zich niet tot teksten, muziek en video’s die online worden geplaatst. Ook op de werkvloer zien we steeds vaker een e-mail of een document door AI gemaakt. Dit is work slop. Zo kreeg ik laatst een document van een collega met als toelichting: ‘Ik heb AI gebruikt, als de zinnen niet helemaal goed staan, dan komt dat door AI, het is maar dat je het weet’.
We zien dat studenten AI-gegenereerde portfolio’s samenstellen, met weinig zeggende content. Dit kun je portfolio slop noemen. Gemakzucht lijkt boven het leerproces te staan. Maar hoe voorkom je deze portfolio-slop?
Leer studenten eerst basiskennis over het vakgebied! Sluit dit af met een summatieve toets in een gecontroleerde omgeving. Leer ze daarnaast problemen analyseren nog voordat ze een AI-tool gaan gebruiken. Leer studenten vervolgens een AI-tool te doorgronden, goede input te geven, output kritisch te beoordelen en te valideren. Pas dan wordt AI niet als ‘allesweter’ gezien maar zullen studenten een AI-tool als hulpmiddel gebruiken.
Boudewijn Raessens is associate lector AI in Business bij Fontys Economie & Communicatie.
Eerst (structuur-)kennis en vervolgens toepassen en analyseren. AI kan hierbij als hulpmiddel worden toegepast, net als stroom en internet.
Dit is niet nieuw. Je zag precies hetzelfde met eerdere tools: studenten die complete stukken tekst copy-pasten van internet zonder het echt te begrijpen, PowerPoints vol bulletpoints waar geen enkele gedachte achter zit, of rapporten die er gelikt uitzien maar inhoudelijk leeg zijn.
AI maakt het sneller en zichtbaarder, maar het onderliggende probleem is hetzelfde: gebrek aan begrip en eigenaarschap.
En dat “leer eerst basiskennis” voelt als een reflex-oplossing, maar is inhoudelijk vrij leeg. Wat is die basis dan? En waarom zou je dat eerst los van de context moeten leren? Juist in het werken met echte opdrachten (inclusief AI) zie je waar het misgaat en wat iemand nog niet snapt.
Volgens mij zit de kern niet in AI vermijden of uitstellen, maar in studenten dwingen om na te denken over wat ze produceren. Zonder dat krijg je slop — met of zonder AI