Hoofdstuk 5. Maken met AI
Bronnen bij hoofdstuk 5
Je ziet op welk onderzoek de lessen van hoofdstuk 5 steunen, en waarom je ook bij die bronnen kritisch blijft lezen.
De video laadt pas als je op afspelen klikt. YouTube draait dan in de privacyvriendelijke modus.
Lees het transcript
Hoi! Fijn dat je er weer bent. Hoofdstuk 5 draait om zelf bouwen met AI, en ook daar is onderzoek. In deze clip zie je per les waar het op steunt.
Bij les 5.1 zagen Liu en collega's, 2023, dat de grootste drempel voor mensen zonder programmeerachtergrond is om hun wens helder te verwoorden. Denny en collega's, 2024, laten studenten een taak oplossen met een goede beschrijving in gewone taal. Dat sprak hun computationeel denken aan. Bij les 5.2 voorspelden volgens Thorgeirsson en collega's, 2026, schrijfvaardigheid en informaticakennis hoe goed vibe coding bij 100 studenten lukte. Kazemitabaar en collega's, 2023, zagen bij 69 beginners van 10 tot 17 jaar met een AI-codegenerator meer voltooide opdrachten. Bij les 5.3 besteedden studenten in het onderzoek van Geng en collega's, 2026, de meeste vragen aan testen en fouten oplossen. Prather en collega's, 2024, zagen dat beginners die het lastig hadden, met AI een schijn van competentie kregen.
Bij les 5.4 schreven deelnemers met een AI-assistent volgens Perry en collega's, 2023, minder veilige code, maar dachten vaker dat die veilig was. Fu en collega's, 2025, vonden in 733 stukjes AI-code uit GitHub-projecten bij Python in 29,5 procent een beveiligingszwakte. Bij les 5.5 vonden studenten in het onderzoek van Leinonen en collega's, 2023, de uitleg van een taalmodel over code begrijpelijker en nauwkeuriger dan die van studenten.
Onderzoek naar AI gaat snel, en bronnen kunnen elkaar soms tegenspreken. Blijf daarom zelf kritisch lezen, ook bij de bronnen die wij kiezen.
De volledige bronnenlijst met links staat bij deze les op academy.civai.eu. Lees gerust een bron die je nieuwsgierig maakt. Veel succes, en tot in de volgende les!
Alle bronnen van hoofdstuk 5
Les 5.1 Van idee naar app
- Liu, M. X., Sarkar, A., Negreanu, C., Zorn, B., Williams, J., Toronto, N., & Gordon, A. D. (2023). "What it wants me to say": Bridging the abstraction gap between end-user programmers and code-generating large language models. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1–31). ACM. https://doi.org/10.1145/3544548.3580817 (opent in een nieuw tabblad)Dit onderzoek bij mensen zonder programmeerachtergrond laat zien dat de grootste drempel is om je wens te verwoorden op een niveau dat het taalmodel kan omzetten in werkende code, en dat gebruikers beter leren formuleren als het systeem terugvertaalt wat het begrepen heeft. Dat past bij deze les, waarin de student zijn probleem eerst helder moet beschrijven voordat er iets gebouwd wordt.
- Denny, P., Leinonen, J., Prather, J., Luxton-Reilly, A., Amarouche, T., Becker, B. A., & Reeves, B. N. (2024). Prompt problems: A new programming exercise for the generative AI era. In Proceedings of the 55th ACM Technical Symposium on Computer Science Education V. 1 (pp. 296–302). ACM. https://doi.org/10.1145/3626252.3630909 (opent in een nieuw tabblad)De auteurs introduceren opdrachten waarbij studenten een programmeertaak oplossen door een goede beschrijving in gewone taal te schrijven, en studenten gaven aan dat dit hun computationeel denken aansprak. Het onderbouwt dat het formuleren van een probleem een eigen vaardigheid is die je kunt oefenen.
Les 5.2 Je eerste app met vibe coding
- Thorgeirsson, S., Weidmann, T. B., & Su, Z. (2026). Computer science achievement and writing skills predict vibe coding proficiency. In Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (pp. 1–17). ACM. https://doi.org/10.1145/3772318.3791666 (opent in een nieuw tabblad)In een vooraf geregistreerd onderzoek met 100 studenten die apps bouwden door alleen in gewone taal te beschrijven wat ze wilden, voorspelden zowel schrijfvaardigheid als informaticakennis hoe goed dat lukte. Dat past bij deze les omdat het laat zien dat helder schrijven er bij vibe coding echt toe doet, en dat basiskennis van hoe software werkt helpt.
- Kazemitabaar, M., Chow, J., Ma, C. K. T., Ericson, B. J., Weintrop, D., & Grossman, T. (2023). Studying the effect of AI code generators on supporting novice learners in introductory programming. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1–23). ACM. https://doi.org/10.1145/3544548.3580919 (opent in een nieuw tabblad)Bij 69 beginners van 10 tot 17 jaar zorgde toegang tot een AI-codegenerator voor meer voltooide opdrachten en hogere scores, zonder dat ze slechter werden in het zelf aanpassen van code. Dat laat zien dat ook jonge beginners met AI een werkende eerste versie kunnen maken, wat aansluit bij de doelgroep vanaf het vo.
Les 5.3 Testen en verbeteren
- Geng, F., Shah, A., Li, H., Mulla, N., Swanson, S., Soosai Raj, G., Zingaro, D., & Porter, L. (2026). Exploring student-AI interactions in vibe coding. In Proceedings of the 28th Australasian Computing Education Conference (pp. 45–54). ACM. https://doi.org/10.1145/3786228.3786236 (opent in een nieuw tabblad)Studenten die met een vibe-codingplatform een webapp bouwden, besteedden de meeste interacties aan het testen van hun prototype en het laten oplossen van fouten, en gevorderde studenten gaven daarbij veel vaker relevante context mee in hun prompt. Dat sluit direct aan bij deze les, waarin de student een fout vindt en AI die gericht laat oplossen.
- Prather, J., Reeves, B. N., Leinonen, J., MacNeil, S., Randrianasolo, A. S., Becker, B. A., Kimmel, B., Wright, J., & Briggs, B. (2024). The widening gap: The benefits and harms of generative AI for novice programmers. In Proceedings of the 2024 ACM Conference on International Computing Education Research, Volume 1 (pp. 469–486). ACM. https://doi.org/10.1145/3632620.3671116 (opent in een nieuw tabblad)Beginners die het lastig hadden, raakten met AI vaker in de war, dachten dat ze beter presteerden dan in werkelijkheid en eindigden met een schijn van competentie, terwijl sterkere beginners AI vooral gebruikten om sneller te werken. Dat onderbouwt waarom systematisch testen nodig is en waarom "het lijkt te werken" niet genoeg is.
Les 5.4 De grenzen van zelfgebouwde tools
- Perry, N., Srivastava, M., Kumar, D., & Boneh, D. (2023). Do users write more insecure code with AI assistants? In Proceedings of the 2023 ACM SIGSAC Conference on Computer and Communications Security (pp. 2785–2799). ACM. https://doi.org/10.1145/3576915.3623157 (opent in een nieuw tabblad)Deelnemers met een AI-assistent schreven aantoonbaar minder veilige code dan deelnemers zonder, en dachten tegelijk vaker dat hun code veilig was. Dat past bij deze les omdat het laat zien dat een werkende app nog geen veilige app is, zeker als er gegevens van anderen in zitten.
- Fu, Y., Liang, P., Tahir, A., Li, Z., Shahin, M., Yu, J., & Chen, J. (2025). Security weaknesses of Copilot-generated code in GitHub projects: An empirical study. ACM Transactions on Software Engineering and Methodology, 34(8), 1–34. https://doi.org/10.1145/3716848 (opent in een nieuw tabblad)In 733 stukjes AI-gegenereerde code uit echte GitHub-projecten vonden de onderzoekers bij 29,5 procent van de Python- en 24,2 procent van de JavaScript-fragmenten een beveiligingszwakte. Dat maakt concreet dat zelfgebouwde tools onderhoud en controle vragen, ook nadat ze af lijken.