Kerncompetenties en gewenste zelfstandigheid
De cross-case synthese toont dat gewenste professionele autonomie domeinspecifiek ingevuld wordt. Hoewel beide domeinen vergelijkbare spanningsvelden ervaren rond AI-integratie, verschillen de onderliggende professionele logica’s aanzienlijk. Curriculumontwikkeling moet AI-competenties daarom niet louter generiek formuleren, maar steeds koppelen aan de specifieke vormen van professioneel oordeel, verantwoordelijkheid en inhoudelijk begrip die binnen het domein centraal staan.
Binnen CMM ligt de nadruk sterker op betekenisgeving, creatieve richting, contextgevoeligheid, relationele afstemming en inhoudelijke positionering. Binnen TI verschuift de focus eerder naar systeembegrip, architecturale redeneringen, debugging, analyse van complexe afhankelijkheden, het bewaken van performantie en beveiliging, en ownership binnen technische omgevingen.
Tegelijk maken beide sessies zichtbaar dat professionele autonomie binnen AI-geïntegreerde contexten niet uitsluitend bepaald wordt door het kunnen gebruiken van AI-tools. Studenten moeten niet alleen operationele AI-geletterdheid ontwikkelen, maar ook leren hoe diepgaand begrip, actieve AI-sturing en professioneel oordeel samenhangen binnen complexe werkprocessen.
Vanuit een dispositioneel perspectief betekent dit dat curriculumontwikkeling zich niet uitsluitend richt op welke competenties studenten moeten verwerven, maar ook op hoe opleidingen leeromgevingen kunnen creëren waarin studenten leren wanneer, waarom en met welke verantwoordelijkheid zij deze competenties inzetten binnen AI-geïntegreerde beroepspraktijken.
De onderstaande matrices vormen daarom geen definitieve competentiekaders, maar een eerste vertaalslag van de scenario-typologieën naar curriculumontwikkeling binnen WP3. Ze maken zichtbaar welke vormen van autonomie opleidingen willen versterken, welke risicozones daarbij ontstaan en welke curriculumkeuzes noodzakelijk worden om afhankelijk AI-gebruik en schijncompetentie te vermijden.
CMM - eerste vertaalslag naar curriculumontwikkeling
| Professionele taak | Gewenste autonomie | AI-rol | Risicozone | WP3-implicatie |
|---|---|---|---|---|
| Briefing-interpretatie | Impliciete verwachtingen, context en betekenis zelfstandig interpreteren | AI ondersteunt structurering | Oppervlakkige interpretatie en contextverlies | Leeractiviteiten rond contextanalyse, interpretatie en verantwoording |
| Creatieve concept-ontwikkeling | Zelfstandig richting, positionering en creatieve signatuur bepalen | AI genereert inspiratie, variaties en prototypes | Generieke output en verlies van inhoudelijke eigenheid (eenheidsworst) | Assessment op argumentatie, positionering en inhoudelijke keuzes |
| AI-output evalueren | Output inhoudelijk beoordelen en actief bijsturen | AI ondersteunt productie en iteratie | Overtuigende output zonder diepgaande evaluatie | Kritische analyse en reconstructie van AI-output |
| Merkconsistentie bewaken | Inhoudelijke samenhang en positionering bewaken | AI genereert schaalbare contentvarian-ten | Reactieve correctie en verlies van coherentie | Oefeningen rond actieve sturing, kwaliteitsbewaking en iteratieve evaluatie |
| Klant-communicatie | Professionele keuzes relationeel en inhoudelijk verantwoorden | AI ondersteunt voorbereiding en structurering | Verlies van menselijke afstemming en professioneel oordeel | Mondelinge verdediging, stakeholdergesprekken en reflectie |
TI - eerste vertaalslag naar curriculumontwikkeling
| Professionele taak | Gewenste autonomie | AI-rol | Risicozone | WP3-implicatie |
|---|---|---|---|---|
| Requirements-analyse | Problemen, context en afhankelijkheden zelfstandig analyseren | AI ondersteunt structurering en documentatie | Analyse zonder diepgaand systeembegrip | Cases rond interpretatie, analyse en probleemdefinitie |
| Architec-turale keuzes | Systemen inhoudelijk kunnen motiveren en structureren | AI suggereert oplossingen en patronen | Keuzes zonder inzicht in implicaties of afhankelijkheden | Verantwoording van ontwerpkeuzes en systeemredeneringen |
| Code-ontwikkeling | Gegenereerde code begrijpen, aanpassen en inhoudelijk beoordelen | AI genereert boilerplate, suggesties en implementaties | Werkende code zonder onderliggend begrip | Code review, reconstructie en debugging |
| Debugging | Problemen zelfstandig analyseren en oplossen | AI ondersteunt foutdetectie en analyse | Afhankelijkheid van AI-diagnoses en reactieve probleemoplossing | Probleemgestuurd leren en analyse van fouten |
| Productie-ownership | Verantwoordelijkheid opnemen voor kwaliteit, veiligheid en onderhoudbaarheid | AI ondersteunt ontwikkelproces | Diffuse verantwoordelijkheid en schijncontrole | Assessment op ownership, motivatie en professionele verantwoording |