GovGPT Academy

Hoofdstuk 12. Jouw AI-aanpak

Bronnen bij hoofdstuk 12

Kennisclip 2:18
Waar deze clip over gaat

Je ziet op welk onderzoek en welke regels de lessen van hoofdstuk 12 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. De lessen in hoofdstuk 12 bouwen op onderzoek naar kritisch denken, AI-tools beoordelen, bijblijven en AI-geletterdheid. In deze clip zie je per les waar het op steunt.

Bij les 12.1 vonden Lee en collega's, 2025, bij 319 kenniswerkers dat meer vertrouwen in AI samenging met minder kritisch denken. Bij les 12.2 betogen Laux en collega's, 2024, dat een tool die aan de AI-verordening voldoet, daarmee nog niet vanzelf vertrouwen verdient. Liesenfeld en Dingemanse, 2024, vonden dat veel modellen die zich open noemen, informatie over hun trainingsdata achterhouden.

Bij les 12.3 beschrijven Arnold en collega's, 2023, op basis van 87 studies en praktijkverslagen maatregelen tegen informatieoverlast. Kozyreva en collega's, 2024, zetten negen aanpakken tegen online desinformatie op een rij, waaronder lateraal lezen. Bij les 12.4 vonden Fratini en collega's, 2024, dat geen enkel model van digitale soevereiniteit regels en snelle innovatie goed combineert. Potka en collega's, 2026, zagen dat een taalmodel in het sociaal recht buiten het Engels te zeker klinkt, en dat het meegeven van de wettekst dat grotendeels oplost. Bij les 12.5 ontwikkelden Carolus en collega's, 2023, een vragenlijst die AI-geletterdheid meet, ook zelfmanagement rond AI. DigComp 3.0, van Cosgrove en Cachia, 2025, verweeft AI-competentie door alle onderdelen van digitale competentie. En Pinski en Benlian, 2024, ordenden 68 studies naar AI-geletterdheid van gebruikers.

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 met jouw eigen AI-aanpak, en tot ziens!

Alle bronnen van hoofdstuk 12

Les 12.1 Je eigen werkwijze

  • Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (pp. 1–22). ACM. https://doi.org/10.1145/3706598.3713778 (opent in een nieuw tabblad)
    Bij 319 kenniswerkers hing meer vertrouwen in generatieve AI samen met minder kritisch denken, en meer vertrouwen in eigen kunnen juist met meer kritisch denken, terwijl het denkwerk verschoof naar controleren, integreren en bewaken. Een vastgelegde werkwijze met een vast controlemoment houdt dat kritische denkwerk bij jou, en dat is de kern van "AI helpt, jij beslist".

Les 12.2 Een nieuwe AI-tool beoordelen

  • Laux, J., Wachter, S., & Mittelstadt, B. (2024). Trustworthy artificial intelligence and the European Union AI act: On the conflation of trustworthiness and acceptability of risk. Regulation & Governance, 18(1), 3–32. https://doi.org/10.1111/rego.12512 (opent in een nieuw tabblad)
    Op basis van een literatuurreview over vertrouwen in AI bij de publieke sector betogen de auteurs dat de AI-verordening betrouwbaarheid gelijkstelt aan aanvaardbaar risico, en dat een tool die aan de wet voldoet daarom nog niet vanzelf het vertrouwen van burgers verdient. Wie een nieuwe tool beoordeelt, kijkt dus naar de risicoklasse en naar nut, kwaliteit en privacy in de eigen situatie.
  • Liesenfeld, A., & Dingemanse, M. (2024). Rethinking open source generative AI: Open washing and the EU AI Act. In Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (pp. 1774–1787). ACM. https://doi.org/10.1145/3630106.3659005 (opent in een nieuw tabblad)
    De auteurs beoordeelden meer dan 45 generatieve AI-systemen op 14 kenmerken van openheid en vonden dat veel modellen die zich open noemen hooguit hun gewichten delen en informatie over trainingsdata achterhouden. Bij het beoordelen van een tool vraag je daarom door op wat de leverancier echt openbaar maakt, in plaats van op een label te vertrouwen.

Les 12.3 Bijblijven zonder te verdrinken

  • Arnold, M., Goldschmitt, M., & Rigotti, T. (2023). Dealing with information overload: A comprehensive review. Frontiers in Psychology, 14, Artikel 1122200. https://doi.org/10.3389/fpsyg.2023.1122200 (opent in een nieuw tabblad)
    Deze systematische review van 87 studies en praktijkverslagen beschrijft maatregelen tegen informatieoverlast, zowel in eigen gedrag als in de inrichting van werk, team en organisatie. Twee vaste, betrouwbare bronnen op een gepland moment kiezen is zo'n maatregel, en het helpt als het team daar samen afspraken over maakt.
  • Kozyreva, A., Lorenz-Spreen, P., Herzog, S. M., Ecker, U. K. H., Lewandowsky, S., Hertwig, R., Ali, A., Bak-Coleman, J., Barzilai, S., Basol, M., Berinsky, A. J., Betsch, C., Cook, J., Fazio, L. K., Geers, M., Guess, A. M., Huang, H., Larreguy, H., Maertens, R., . . . Wineburg, S. (2024). Toolbox of individual-level interventions against online misinformation. Nature Human Behaviour, 8(6), 1044–1052. https://doi.org/10.1038/s41562-024-01881-0 (opent in een nieuw tabblad)
    Op basis van 81 studies beschrijft dit overzicht negen soorten aanpakken tegen online desinformatie, waaronder lateraal lezen. Dat helpt bij het kiezen van betrouwbare bronnen over AI, want juist in dat nieuws is veel overdrijving.

Les 12.4 Je eigen model kiezen

  • Fratini, S., Hine, E., Novelli, C., Roberts, H., & Floridi, L. (2024). Digital sovereignty: A descriptive analysis and a critical evaluation of existing models. Digital Society, 3(3), Artikel 59. https://doi.org/10.1007/s44206-024-00146-7 (opent in een nieuw tabblad)
    Op basis van 271 peer-reviewed artikelen onderscheiden de auteurs vier modellen van digitale soevereiniteit en concluderen dat geen enkel model regulering en snelheid van innovatie goed combineert. Het helpt uitleggen waarom het voor een overheid uitmaakt of een model in Europa draait (Scaleway) of via Azure in de EU, en dat die keuze een afweging is.
  • Potka, S., Thomo, A., Helm, P., & Loh, W. (2026). Selective overconfidence: How large language models underserve social welfare law across jurisdictions. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 9(3), 2130–2141. https://doi.org/10.1609/aies.v9i3.43294 (opent in een nieuw tabblad)
    Deze studie (ook gebruikt bij les 8.3) laat zien dat de kennis van een taalmodel ongelijk verdeeld is over talen en rechtsgebieden, en dat het meegeven van de relevante wettekst het verschil grotendeels opheft. Bij het kiezen van een model en de keuze voor webzoeken of eigen bronnen gaat het dus ook om de vraag of het model genoeg weet van jouw taak in het Nederlands.

Les 12.5 Eindopdracht en certificaat

  • Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). MAILS - Meta AI literacy scale: Development and testing of an AI literacy questionnaire based on well-founded competency models and psychological change- and meta-competencies. Computers in Human Behavior: Artificial Humans, 1(2), Artikel 100014. https://doi.org/10.1016/j.chbah.2023.100014 (opent in een nieuw tabblad)
    De MAILS is ontwikkeld en gevalideerd bij volwassenen en meet naast kennis en vaardigheden ook zelfmanagement rond AI. Daarmee is het een passende voor- en nameting voor overheidsmedewerkers, en levert het een concrete onderbouwing van de maatregelen voor AI-geletterdheid die een organisatie neemt.
  • Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European digital competence framework (5e editie). Publicatiebureau van de Europese Unie. https://doi.org/10.2760/0001149 (opent in een nieuw tabblad)
    De vijfde editie van het Europese raamwerk voor digitale competenties van burgers voegt nieuwe leeruitkomsten toe en verweeft AI-competentie, inclusief generatieve AI, systematisch door alle competentiegebieden. Het geeft de eindopdracht een Europees ijkpunt dat niet alleen voor het onderwijs maar voor iedere werkende geldt.
  • Pinski, M., & Benlian, A. (2024). AI literacy for users: A comprehensive review and future research directions of learning methods, components, and effects. Computers in Human Behavior: Artificial Humans, 2(1), Artikel 100062. https://doi.org/10.1016/j.chbah.2024.100062 (opent in een nieuw tabblad)
    Deze review van 68 studies ordent AI-geletterdheid van gebruikers in leermethoden, onderdelen en effecten, en beschrijft het als het vermogen om AI doelgericht, efficiënt en ethisch te gebruiken. Een eindopdracht waarin je een werkwijze ontwerpt, gebruikt en verantwoordt, raakt precies die drie kanten.
Je voortgang blijft alleen in deze browser.