Acceptatie door kunst- en ontwerpdocenten van door AI gegenereerde inhoud voor begeleid onderwijs: een uitgebreid TAM-TPACK-kader

Waarom dit belangrijk is voor de klaslokalen van vandaag

Hulpmiddelen voor kunstmatige intelligentie die afbeeldingen, tekst en ontwerpen kunnen genereren vinden snel hun weg naar kunst- en ontwerpateliers. Voor docenten beloven deze tools snellere feedback, nieuwe manieren om creativiteit te stimuleren en hulp bij zware correctielast—maar ze roepen ook vragen op. Zullen docenten daadwerkelijk kiezen om AI als onderwijsassistent te gebruiken? Wat geeft hen het vertrouwen om het te proberen, en wat voor ondersteuning hebben ze nodig? Deze studie bekijkt nauwkeurig universitair docenten kunst en ontwerp in vasteland-China om te begrijpen wat hen aanmoedigt—of ontmoedigt—om door AI gegenereerde inhoud in hun dagelijkse onderwijs te integreren.

Hoe AI past in kunst- en ontwerponderwijs

De auteurs richten zich op “begeleid onderwijs”, waarbij AI-tools docenten ondersteunen in plaats van vervangen. Ze beschrijven drie belangrijke momenten in een typische cursus. Voor de les kunnen docenten tools zoals ChatGPT vragen case studies of verklaringen van lastige concepten te genereren. Tijdens de les kunnen afbeeldingsgenerators zoals Midjourney of DALL·E studenten helpen stijlen te verkennen, visuele ideeën te testen of snel schetsopties te maken. Na de les kan AI helpen met individuele opmerkingen op schetsen, het voorstellen van verfijningen of het voorbereiden van voorlopige kritieknotities. In atelier- en projectgebaseerde cursussen—waar studenten en docenten samen over tijd aan echte ontwerpproblemen werken—kunnen deze tools veranderen hoe ideeën zich ontwikkelen en hoe feedback stroomt.

Wat de onderzoekers wilden testen

Om de keuzes van docenten te ontleden, combineert de studie twee bekende ideeën uit onderwijs- en technologisch onderzoek. De ene is het Technology Acceptance Model, dat stelt dat mensen een tool eerder zullen gebruiken als ze geloven dat die nuttig en gemakkelijk te gebruiken is, en als dat geloof hun intentie om te handelen vormt. De andere is het TPACK-kader, dat zegt dat goed lesgeven met technologie rust op drie soorten docentkennis: van het vak, van didactische methoden en van de technologieën zelf. De auteurs breiden deze ideeën uit met twee extra invloeden: de eigen vertrouwen van docenten met AI, en de omringende voorwaarden—zoals beschikbare hardware, software en de houdingen van collega’s en leidinggevenden. Ze ondervragen vervolgens 387 universitaire kunst- en ontwerpdocenten uit heel vasteland-China en analyseren statistisch hoe deze elementen samenhangen.

Wat de gegevens over docenten onthulden

De docenten in de studie stonden over het algemeen positief tegenover AI-tools: gemiddeld beoordeelden ze hun ervaring, de gebruiksvriendelijkheid van de tools en hun potentiële waarde in het midden- tot hoge bereik. De analyse liet duidelijke patronen zien. Docenten die zich zekerder voelden over hun vermogen om AI te begrijpen en uit te leggen, zagen AI-tools vaker als gemakkelijk te gebruiken en de moeite waard, en hadden ook de neiging een sterker gecombineerde kennis van technologie, pedagogiek en inhoud te hebben. Deze mix van kennis zorgde er op haar beurt voor dat AI nuttiger en minder intimiderend aanvoelde. Externe omstandigheden deden er ook toe. Wanneer scholen solide technische middelen, training en probleemoplossingsondersteuning boden, vonden docenten AI makkelijker te gebruiken en waren ze eerder geneigd het te adopteren. Evenzo, als collega’s en leidinggevenden positief stonden tegenover AI, waren docenten eerder geneigd het als nuttig te zien en te plannen het in hun eigen onderwijs te gebruiken.

Hoe de onderdelen samenwerken

Als je al deze factoren samen bekijkt, schetst de studie een gelaagd beeld van besluitvorming. Individueel vertrouwen en professionele kennis vormen hoe docenten het nut en de eenvoud van AI beoordelen. Tegelijkertijd versterken of verzwakken ateliers, rekenkracht, toegang tot software en een cultuur van delen en kritiek binnen kunst en ontwerp die beoordeling. Voelen AI-tools helder en helpen ze duidelijk bij onderwijskwaliteit, voorbereidingstijd of feedback, dan zijn docenten meer geneigd ze in atelierprojecten, kritieken en beoordelingsmomenten te verweven. Maar zijn tools moeilijk toegankelijk, slecht ondersteund of wantrouwend bekeken door collega’s, dan kunnen zelfs zelfverzekerde docenten terughoudend zijn. De auteurs betogen dat succesvolle adoptie meer vereist dan alleen nieuwe software installeren; het hangt af van een ecosysteem van training, middelen en peercommunity’s.

Wat dit betekent voor de toekomst van creatief onderwijs

In alledaagse termen is de conclusie van de studie eenvoudig: kunst- en ontwerpdocenten zijn klaar om samen te werken met AI wanneer drie dingen samenvallen—vertrouwen, competentie en steun. Wanneer docenten zowel hun vak als de tools begrijpen, zich in staat voelen studenten door mens–AI-samenwerking te begeleiden, en kunnen rekenen op sterke institutionele steun, zijn ze veel meer geneigd te experimenteren met door AI gegenereerde inhoud op doordachte manieren. De auteurs suggereren dat scholen, bedrijven en beleidsmakers samen moeten werken aan langetermijnondersteuningssystemen die training, infrastructuur en positieve professionele gemeenschappen omvatten. Goed uitgevoerd kan dit ateliers verschuiven naar een model waarin mensen en machines zij aan zij werken, waardoor docenten zich meer kunnen richten op mentoring, kritisch oordeel en het koesteren van de creatieve groei van studenten.

Bronvermelding: Zhu, Z., Gan, Q. & Duan, P. Art and design teachers’ acceptance of AI-generated content for assisted tutoring: an extended TAM-TPACK framework. Humanit Soc Sci Commun 13, 362 (2026). https://doi.org/10.1057/s41599-026-06692-4

Trefwoorden: Door AI gegenereerde inhoud in onderwijs, kunst- en ontwerponderwijs, acceptatie van technologie door docenten, TPACK en AI, mens–AI-samenwerking in klaslokalen