AI-detectie van scripties is een signaal, geen fraudebewijs: zo toetst een universiteit zorgvuldig

Een AI-detector zoals Pangram levert een screeningssignaal op, geen bewijs dat een student fraudeerde. Universiteiten mogen een scriptie pas als frauduleus classificeren na onafhankelijke menselijke toetsing: inzage in versies, bronnen, verdediging en de uitleg van de student, met vastlegging van welke detector, taal en drempel is gebruikt.

Aanleiding is een onderzoek waarin recente masterscripties van twaalf Nederlandse universiteiten door de detector Pangram zijn gescand. Volgens de berichtgeving over dit onderzoek van RTL Nieuws werd ongeveer een vijfde van de bekeken scripties geclassificeerd als grotendeels door AI geschreven, en bevatte 41% geen detecteerbare AI-tekst. Onderwijsminister Rianne Letschert noemde niet-gemelde, door AI geschreven scriptietekst fraude en riep universiteiten op in te grijpen.

Onze inschatting: de kern van deze zaak zit niet in het percentage, maar in de vraag die eronder ligt. Een detectoruitslag is een statistische schatting, geen bekentenis. Wie deze twee verwart, verandert een nuttig triage-instrument in een onbetrouwbaar vonnis.

Wat stelde het onderzoek naar AI in Nederlandse masterscripties precies vast?

Het onderzoek scande honderden recente masterscripties van twaalf universiteiten met Pangram en classificeerde een deel als vrijwel volledig door AI geschreven en een groter deel als meer dan de helft AI-tekst. Belangrijk: dit is een detectorgebaseerde screening, geen door universiteiten bevestigde telling van fraudegevallen. De cijfers stammen uit de berichtgeving over het onderzoek; de detector schat waarschijnlijkheden, hij bewijst geen auteurschap.

Onze duiding van de institutionele context is als volgt: dit maakt duidelijk waarom dit gevoelig ligt. De Universiteit Utrecht stelt in haar officiële scriptierichtlijn dat een scriptie volledig eigen werk moet zijn en dat het laten schrijven van een deel door een chatbot als fraude geldt, met doorverwijzing naar de examencommissie. Aan de Universiteit Leiden tonen de uitspraken over scriptiefraude met generatieve AI dat zulke geschillen de formele beroepsprocedures al bereiken.

Waarom is een detectorscore geen bewijs van fraude bij een individuele scriptie?

Omdat detectoren geen betrouwbare individuele auteurschapstoeschrijving vaststellen, en omdat hun uitslagen sterk verschillen per tool, taal en tekstlengte. Een score zegt iets over waarschijnlijkheid, niet over wat deze student feitelijk deed.

Een peer-reviewed studie van de Vrije Universiteit Brussel testte vier detectietools op academische teksten. Daarin presteerde Pangram het best in die test, maar de tools verschilden fors in hun geschatte AI-percentages. Toen Pangram werd toegepast op ruim duizend masterscripties zonder bekende grondwaarheid, kreeg bijna de helft een signalering, meestal wijzend op lage tot gematigde niveaus. Een recente peer-reviewed analyse over de valkuilen van AI-detectie in academisch schrijven wijst op classificatiefouten, verschillen tussen tools en mogelijke scheve vals-positieven, en concludeert dat theoretische detecteerbaarheid geen betrouwbare toeschrijving aan een specifieke student oplevert.

Hier botsen de bronnen zichtbaar: de richtlijnen behandelen AI-tekst in een scriptie als fraude, terwijl het methodologische onderzoek benadrukt dat een detectorscore op zichzelf geen auteurschap vaststelt. Naar onze inschatting lost men dat niet op door de detector te vertrouwen of te verwerpen, maar door hem te gebruiken waarvoor hij geschikt is: als trigger voor onderzoek, niet als eindoordeel.

Wat betekent dit voor bestuurders, examencommissies en juristen bij universiteiten?

Onze analyse: omdat een detectoruitslag geen grondwaarheid heeft, kan een examencommissie die daarop rechtstreeks een fraudeoordeel baseert in beroep op bewijsproblemen stuiten; daarom moet elke universiteit nu vastleggen dat een score alleen een onderzoek opent en nooit zelf de uitkomst is. Omdat de regels per opleiding en instelling verschillen terwijl de minister uniform ingrijpen vraagt, ontstaat rechtsongelijkheid tussen studenten met vergelijkbaar werk; daarom is het volgens onze analyse verstandig dat besturen voor het komende scriptieseizoen een instellingsbrede regeling publiceren met een proportionele AI-verklaring en duidelijke regels over wat is toegestaan. Omdat detectoren mogelijk scheve vals-positieven vertonen bij bepaalde taalgroepen of tekstlengtes, dreigt indirecte discriminatie; daarom is het volgens onze analyse nodig dat juristen en examencommissies vastleggen dat geen enkel besluit op één enkele automatische score rust en dat de student altijd de gelegenheid krijgt om te verklaren. Omdat deze geschillen al bij het college van beroep liggen, is bewijsvoering volgens onze analyse een centraal aandachtspunt; daarom adviseren wij dat supervisoren vanaf de eerste conceptversie de detectorversie, de taal, het tekstfragment en de gehanteerde drempel documenteren, zodat een later besluit beter herleidbaar is.

Samengevat volgt hieruit een korte checklist:

• Behandel elke detectoruitslag uitsluitend als aanleiding voor menselijk onderzoek.
• Publiceer één instellingsbrede regeling met een proportionele AI-gebruiksverklaring.
• Train supervisoren en examencommissies in het lezen en wegen van detectoroutput.
• Leg per casus vast welke detector, versie, taal, tekstfragment en drempel zijn gebruikt.
• Bied een eerlijke beroepsroute met inzage in het onderliggende materiaal.

Hoe richt een universiteit een eerlijke, menselijke toetsing van AI-verdenkingen in?

Door de detectorsignalering te combineren met menselijk onderzoek naar de totstandkoming van de tekst, en dat proces reproduceerbaar vast te leggen. Het doel is niet een getal bevestigen, maar begrijpen hoe de scriptie is ontstaan.

Een verantwoord toetsingsproces onderzoekt in volgorde:

1. De conceptversies, onderzoeksnotities en bronnengebruik van de student.
2. De mondelinge verdediging, waarin inhoudelijke beheersing blijkt.
3. De openbaarmaking: wat heeft de student zelf over AI-gebruik verklaard?
4. De uitleg van de student op de concrete signalering.
5. Een gedocumenteerd, menselijk eindoordeel met motivering.

Onze analyse plaatst deze aanpak binnen bredere beginselen van verantwoorde AI-governance: menselijke controle bij geautomatiseerde besluiten aantoonbaar moet zijn. Wie wil toetsen of een geautomatiseerde uitslag überhaupt reproduceerbaar is, vindt houvast in de vraag hoeveel herhalingen een betrouwbaarheidstest werkelijk vereist. En net als bij een AI-samenvatting van een juridisch dossier geldt: de machine levert een signaal, de verantwoordelijke professional neemt het besluit.

Onze slotsom: de nieuwswaarde is dat een detector in een steekproef van Nederlandse scripties op grote schaal AI-geassocieerde tekst signaleerde. De opdracht die daaruit volgt is bescheiden maar hard: reageer daadkrachtig op dat signaal, zonder academisch oordeel te vervangen door een ondoorzichtige automatische toeschrijving.

Bronnen: Het artikel steunt op berichtgeving over het RTL-onderzoek, officiële richtlijnen van de Universiteit Utrecht en Universiteit Leiden en peer-reviewed studies van de Vrije Universiteit Brussel en in AI and Ethics (Springer).