Hey, ChatGPT! Help je me even met m’n spreekbeurt?
DeepL of ChatGPT vragen om een handje te helpen met een spreekbeurt in een vreemde taal: menig leerling en student heeft zich er wel eens schuldig aan gemaakt. Maar levert dat ook een beter resultaat op? Of blijf je beter braaf bij (online) woordenboeken voor je taalvragen? Mijn onderzoek wees uit dat de digitale taaltools van vandaag best handig kunnen zijn. Studenten die DeepL gebruikten om hun presentatie in het Engels voor te bereiden, waren het vlotst. Hulp vragen aan ChatGPT resulteerde dan weer in een rijkere woordenschat.
Het talenonderwijs in een nieuw jasje
Digitale tools zijn niet 
meer weg te denken uit het onderwijs. Waar woordenboeken vroeger de standaard waren, maken steeds meer leerlingen en studenten tegenwoordig gebruik van hippere alternatieven: automatische vertaalsystemen zoals DeepL en Google Translate, maar ook steeds vaker generatieve AI-tools zoals ChatGPT. In het talenonderwijs, en het bijhorende onderzoeksveld, ligt de focus vaak op schrijven. Maar hoe beïnvloeden die tools eigenlijk je spreekvaardigheid in een vreemde taal? Ik ging op zoek naar het antwoord.
Drie groepen, drie tools, één opdracht
Dertig enthousiaste tweedejaarsstudenten Toegepaste Taalkunde aan de Universiteit Gent kregen de opdracht om in het Engels een spreekbeurt te geven over een hot topic. Denk maar aan het bestaan van dierentuinen, gsm-gebruik en de abortuskwestie. Tijdens hun voorbereiding mochten ze uitsluitend hulp vragen aan één type taalhulp:
- woordenboeken (al dan niet online – studenten werden uiteraard niet verplicht om hun rug te breken voor mijn onderzoek),
- het automatische vertaalsysteem DeepL,
- of de nog coolere en alomtegenwoordige AI-tool ChatGPT.
Na een weekje sleutelen aan hun presentaties kregen de studenten het woord. Om het allemaal nog trendyer te maken, kregen ze een microfoontje opgespeld. Zo konden de presentaties opgenomen, uitgeschreven en later geanalyseerd worden.
Ik wilde natuurlijk heel graag weten wat elke tool doet met de spreekvaardigheid van de studenten, maar ook hoe ze zich daarbij voelen. Daarom vroeg ik hen enkele uren na hun spreekbeurt in een enquête om hun mening. Niet alleen over de voorbereiding van hun presentatie met de tool die ze toegewezen kregen, maar ook over hun ervaring met de drie soorten tools in het algemeen.
Slimme tools, betere sprekers?
Dit is wat de opnames uitwezen. De DeepL-gebruikers waren het vlotst: gemiddeld spraken ze iets sneller dan de twee andere groepen. De ChatGPT-gebruikers spraken dan weer met een rijkere en gevarieerdere woordenschat: ze gebruikten meer verschillende woorden en ook vaker academische alternatieven voor alledaagse termen. Verder kregen de studenten in de DeepL- en ChatGPT-groep een beter cijfer van hun docent dan de studenten die woordenboeken hadden gebruikt tijdens hun voorbereiding. Geen nood – uiteraard telde dit cijfer niet mee voor hun eindresultaat.
Opvallend: studenten die tijdens hun spreekbeurt af en toe spiekten naar hun notities, spraken iets trager en gebruikten een gevarieerdere woordenschat dan hun collega’s die het zonder deden.
Digitale taaltools: love it or hate it?
In de enquête gaven studenten aan hoe ze hun tool hadden gebruikt en wat ze ervan vonden. De woordenboeken en DeepL bleken vooral handig om woorden en uitdrukkingen op te zoeken. ChatGPT werd dan weer ingezet om ideeën te genereren en inhoudelijke vragen te beantwoorden. Zowel de woordenboekgroep als de ChatGPT-groep vonden hun eigen tool nuttiger en aangenamer dan de DeepL-groep. Verder deden de studenten in de AI-groep gemiddeld het langst over hun voorbereiding. Tegelijk vertoonde die groep ook de grootste variatie: sommigen waren snel klaar, anderen zwoegden langer verder met de chatbot.
In een tweede luik deelden de studenten hun ervaring met de drie soorten tools in het algemeen. Wat bleek? De drie tools worden doorgaans voor verschillende dingen gebruikt: woordenboeken om woorden en uitdrukkingen op te zoeken, automatische vertaalsystemen ook om woordenschat uit te breiden en de spelling van woorden na te gaan, en generatieve AI-tools vooral om ideeën te genereren en vragen te beantwoorden. De laatste twee tools worden logischerwijs op prijs gesteld omdat ze tijd besparen en studenten toelaten om hun werk na te kijken. Tot slot gaf de meerderheid van de studenten aan dat ze automatische vertaalsystemen het liefst gebruiken voor schrijf- én spreekopdrachten; generatieve AI kreeg iets gemengdere reacties.
Weg met de woordenboeken?
DeepL maakt je vlotter, en ChatGPT maakt je taal rijker. Woordenboeken blijven nuttig, maar verliezen aan populariteit. Digitale tools kunnen een grote meerwaarde bieden als je een vreemde taal leert, op voorwaarde dat je weet hoe je ze inzet. Het onderwijs van morgen vraagt dus niet enkel om goede tools, maar ook om slimme gebruikers.
Bibliografie
Ali, J. K. M., Shamsan, M. A. A., Hezam, T. A., & Mohammed, A. A. Q. (2023). Impact of ChatGPT on Learning Motivation: Teachers and Students’ Voices. Journal of English Studies in Arabia Felix, 2(1), 41–49. https://doi.org/10.56540/jesaf.v2i1.51
Bulté, B., Housen, A., Pierrard, M., & Van Daele, S. (2008). Investigating lexical proficiency development over time – the case of Dutch-speaking learners of French in Brussels. Journal of French Language Studies, 18(3), 277–298. https://doi.org/10.1017/S0959269508003451
Celce-Murcia, M., Brinton, D. M., & Goodwin, J. M. (2010). Teaching Pronunciation: A Course Book and Reference Guide. Cambridge University Press. https://www.google.be/books/edition/Teaching_Pronunciation_Hardback_with_Aud/dqgvZq4T4foC?hl=nl&gbpv=1
Chung, E. S., & Ahn, S. (2022). The effect of using machine translation on linguistic features in L2 writing across proficiency levels and text genres. Computer Assisted Language Learning, 35(9), 2239–2264. https://doi.org/10.1080/09588221.2020.1871029
He, Y., & Cardoso, W. (2021). Can online translators and their speech capabilities help English learners improve their pronunciation? In N. Zoghlami, C. Brudermann, C. Sarré, M. Grosbois, L. Bradley, & S. Thouësny (Eds.), CALL and professionalisation: Short papers from EUROCALL 2021 (pp. 126–131). Research-publishing.net. https://doi.org/10.14705/rpnet.2021.54.1320
Housen, A., Kuiken, F., & Vedder, I. (Eds.). (2012). Dimensions of L2 Performance and Proficiency: Complexity, Accuracy and Fluency in SLA (Vol. 32). John Benjamins Publishing Company. https://doi.org/10.1075/lllt.32
Huang, J., & Mizumoto, A. (2024). Examining the effect of generative AI on students’ motivation and writing self-efficacy. Digital Applied Linguistics, 1. https://doi.org/10.29140/dal.v1.102324
Kellogg, R. T. (1996). A Model of Working Memory in Writing. In C. M. Levy & S. Ransdell (Eds.), The science of writing: Theories, methods, individual differences, and application (pp. 57–71). Routledge.
Khademi, H., & Cardoso, W. (2022). Learning L2 pronunciation with Google Translate. In B. Arnbjörnsdóttir, B. Bédi, L. Bradley, K. Friðriksdóttir, H. Garðarsdóttir, S. Thouësny, & M. J. Whelpton (Eds.), Intelligent CALL, granular systems and learner data: Short papers from EUROCALL 2022 (pp. 228–233). Research-publishing.net. https://doi.org/10.14705/rpnet.2022.61.1463
Kol, S., Schcolnik, M., & Spector-Cohen, E. (2018). Google Translate in Academic Writing Courses? The EuroCALL Review, 26(2), 50. https://doi.org/10.4995/eurocall.2018.10140
Laksana, I. P. Y., Hudiananingsih, P. D., Suciani, K., Virginiya, P. T., & Wahyuni, L. G. E. (2024). Exploring the Possible Use of Generative Artificial Intelligence in Supporting Students’ Speaking Performance.
Lambert, C., & Kormos, J. (2014). Complexity, Accuracy, and Fluency in Task-based L2 Research: Toward More Developmentally Based Measures of Second Language Acquisition. Applied Linguistics, 35(5), 607–614. https://doi.org/10.1093/applin/amu047
Lee, S.-M. (2020). The impact of using machine translation on EFL students’ writing. Computer Assisted Language Learning, 33(3), 157–175. https://doi.org/10.1080/09588221.2018.1553186
Lu, X. (2012). The Relationship of Lexical Richness to the Quality of ESL Learners’ Oral Narratives. The Modern Language Journal, 96(2), 190–208. https://doi.org/10.1111/j.1540-4781.2011.01232_1.x
Mairano, P., Santiago, F., & Roa, L. C. (2023). Can L2 Pronunciation Be Evaluated without Reference to a Native Model? Pillai Scores for the Intrinsic Evaluation of L2 Vowels. Languages, 8(4), 280. https://doi.org/10.3390/languages8040280
Niño, A. (2020). Exploring the use of online machine translation for independent language learning. Research in Learning Technology, 2402. https://doi.org/10.25304/rlt.v28.2402
Rushton, A. (2022). Motivating Japanese University EFL Learners to Produce Longer Speaking Turns with Web Based Machine Translation: A Pilot Study. Kobe Kaisei Jogakuin University Research Bulletin, 66, 73–81.
Sakamoto, K. (2022). Japanese university students’ reflections on machine translation used as part of an English presentation activity. 人間文化, 53, 33–45.
Skehan, P. (1998). A cognitive approach to language learning (1. publ., 6. impr). Oxford University Press. https://www.google.be/books/edition/A_Cognitive_Approach_to_Language_Learnin/Yzdl3pW0Yf4C?hl=nl&gbpv=0
Stapleton, P. (2021). Using Google Translate as a Tool to Improve L2 Writing: A Case Study of Primary-Level Writing in Hong Kong. International Journal of Computer-Assisted Language Learning and Teaching, 11(3), 92–98. https://doi.org/10.4018/IJCALLT.2021070106
Tang, X. (2025). L2 Writing with AI: Perceptions and Engagement of EFL Learners in China. English Language Teaching, 18(2), 68. https://doi.org/10.5539/elt.v18n2p68
Tsai, S.-C. (2019). Using google translate in EFL drafts: A preliminary investigation. Computer Assisted Language Learning, 32(5–6), 510–526. https://doi.org/10.1080/09588221.2018.1527361
Van Waes, L., & Leijten, M. (2015). Fluency in Writing: A Multidimensional Perspective on Writing Fluency Applied to L1 and L2. Computers and Composition, 38, 79–95. https://doi.org/10.1016/j.compcom.2015.09.012
Wang, L. (2021). British English-Speaking Speed 2020. Academic Journal of Humanities & Social Sciences, 4(5). https://doi.org/10.25236/AJHSS.2021.040517
Yamaoka, K. (2024). ChatGPT’s Motivational Effects on Japanese University EFL Learners: A Qualitative Analysis. International Journal of TESOL Studies, 6(3), 24–35. https://doi.org/10.58304/ijts.20240303
Zhang, Z., & Huang, X. (2024). The impact of chatbots based on large language models on second language vocabulary acquisition. Heliyon, 10(3), e25370. https://doi.org/10.1016/j.heliyon.2024.e25370
