Multidimensionale determinanten van de acceptatie van generatieve AI in het vreemdetalenonderwijs

Waarom dit belangrijk is voor taalleerders

Generatieve AI‑tools zoals chatbots en schrijfassistenten dringen snel door in klaslokalen, vooral bij het leren van Engels en andere vreemde talen. Maar glanzende technologie alleen garandeert geen beter leren. Deze studie stelt een eenvoudige, praktische vraag: wat zorgt er echt voor dat universiteitsstudenten bereid zijn deze tools te gebruiken, en wat zet hen ertoe aan ze in hun dagelijks taalstudiegebruik te blijven inzetten?

Verder kijken dan “werkt het?”

Het merendeel van het onderzoek naar generatieve AI in het taalonderwijs richt zich op toetsresultaten en prestaties: schrijven studenten betere essays of spreken ze vlotter met behulp van AI? De auteurs betogen dat dit beeld te beperkt is. Zelfs het krachtigste hulpmiddel is nutteloos als studenten zich er niet prettig bij voelen, de waarde ervan niet zien of de vaardigheden missen om het goed te gebruiken. Om dit aan te pakken bouwen ze voort op een bekend kader uit technologisch onderzoek, de Unified Theory of Acceptance and Use of Technology. Simpel gezegd koppelt dit kader wat mensen van een technologie verwachten, hoe gemakkelijk ze het vinden in gebruik, wat hun omgeving ervan denkt en hoeveel ondersteuning ze hebben, aan hun intentie om het te gebruiken en hun werkelijk gebruik in de praktijk.

Wat de onderzoekers wilden testen

De studie concentreerde zich op 409 Chinese universiteitstudenten met een hoofdvak in vreemde talen zoals Engels, Frans, Duits en Japans. Allen volgden een bachelor‑ of masteropleiding. De onderzoekers gebruikten een gedetailleerde onlinevragenlijst, zorgvuldig aangepast en vertaald naar het Chinees, om verschillende componenten van AI‑acceptatie te meten. Daarbij ging het om hoe nuttig studenten generatieve AI voor hun leren achtten, hoe gemakkelijk het gebruik aanvoelde, of belangrijke personen in hun omgeving het gebruik aanmoedigden en of technische en institutionele ondersteuning aanwezig was. Daarbovenop voegden ze drie persoonlijke dimensies toe die vaak over het hoofd worden gezien: de emoties van studenten ten opzichte van het gebruik van AI (zoals opwinding of angst), hun niveau van AI‑geletterdheid (hoe goed ze AI‑tools begrijpen en kunnen beoordelen) en hun AI‑zelfeffectiviteit (vertrouwen in hun eigen vermogen om met AI te werken).

Wat studenten werkelijk aanzet tot AI‑gebruik

De analyse liet zien dat twee opvattingen het meest bepalend zijn voor de intentie van studenten om generatieve AI te gebruiken: de verwachting dat het hun academische prestaties daadwerkelijk zal verbeteren, en het gevoel dat mensen die ze respecteren — docenten, begeleiders en medestudenten — het gebruik steunen. Perceptie van gebruiksgemak veranderde de intenties van studenten daarentegen niet significant, waarschijnlijk omdat veel moderne AI‑tools al intuïtief zijn. Wat het daadwerkelijke gebruik betreft, werkten meerdere krachten samen. Studenten gebruikten generatieve AI vaker wanneer ze dat van tevoren van plan waren, wanneer universiteiten en systemen het gebruik vergemakkelijkten en ondersteunden, wanneer ze meer positieve dan negatieve gevoelens over AI hadden, wanneer ze een sterkere AI‑geletterdheid hadden en wanneer ze vertrouwen hadden in hun eigen AI‑vaardigheden. Met andere woorden: zowel de omgeving als de mindset van de leerling spelen sleutelrollen in het omzetten van nieuwsgierigheid in regelmatige praktijk.

Hoe achtergrondfactoren het beeld kleuren

De onderzoekers onderzochten ook of basale achtergrondkenmerken beïnvloeden hoe deze factoren met elkaar samenhangen. Ze keken naar geslacht, opleidingsniveau, prestige van de universiteit, regio in China en de te leren taal. De meeste van deze factoren wijzigden de relaties in het model niet sterk. Twee vielen op. Ten eerste speelde geslacht een rol bij de koppeling tussen AI‑geletterdheid en daadwerkelijk gebruik: bij mannelijke studenten vertaalde een hogere AI‑geletterdheid sterker naar intensiever gebruik dan bij vrouwelijke studenten. Ten tweede maakte de regio uit voor hoe sterk overtuigingen over prestatievoordelen doorwerkten in de intentie om te gebruiken, waarbij studenten in Oost‑China de sterkste koppeling vertoonden. Deze bevindingen wijzen erop dat toegang, cultuur en eerdere blootstelling aan technologie subtiel kunnen bepalen hoe studenten op dezelfde tools reageren.

Wat dit betekent voor klaslokalen en campussen

Voor docenten en universiteiten geven de resultaten een duidelijke boodschap: het promoten van generatieve AI in taalonderwijs gaat niet alleen over het uitdelen van tools. Het vereist het aantonen van concrete leerwinst, het opbouwen van ondersteunende normen in vakken en afdelingen en het aanbieden van training die zowel AI‑geletterdheid als zelfvertrouwen vergroot. Gestructureerde activiteiten die laagdrempelige mogelijkheden bieden om met AI te experimenteren, eerlijke discussies over beperkingen en ethiek en gebruiksvriendelijke ontwerpen kunnen allemaal helpen dat studenten zich capabel en in controle voelen. De studie concludeert dat wanneer studenten echte voordelen verwachten, zich aangemoedigd voelen door anderen, begrijpen hoe AI werkt en vertrouwen hebben in hun eigen vermogen het te gebruiken, zij veel waarschijnlijker generatieve AI zullen adopteren als een betekenisvolle partner bij het leren van een nieuwe taal.

Bronvermelding: Xu, T., Xiong, Y. Multidimensional determinants of generative AI acceptance in foreign language education. Sci Rep 16, 5698 (2026). https://doi.org/10.1038/s41598-026-36700-1

Trefwoorden: generatieve AI, taalverwerving, technologieacceptatie, AI‑geletterdheid, studentenemoties