AI schrijft Engelse leesteksten op maat voor leerlingen, beter dan schoolboeken

Annelies
Pandelaers

Kunnen generatieve AI-tools leerkrachten helpen om beter en sneller leesmateriaal te maken voor hun leerlingen? Een onderzoek aan de UGent wijst uit van wel: generatieve AI blijkt zelfs geschiktere teksten op te leveren dan wat te vinden is in klassieke handboeken die gericht zijn op het taalniveau van Vlaamse tieners.

 

Een oplossing voor een oud probleem

Wie Engels geeft in de eerste of tweede graad secundair onderwijs, weet hoe lastig het is om geschikte leesteksten te vinden. Artikels uit kranten of websites zijn vaak te moeilijk voor leerlingen met het taalbeheersingsniveau dat courant is in die graden: het niveau A2 van het Europees Referentiekader (ERK). Zogenaamde “natuurlijke” teksten zijn gericht op moedertaalsprekers met een veel hoger taalbeheersingsniveau. Om deze te kunnen gebruiken in de klas moeten leerkrachten deze handmatig aanpassen: herschrijven, inkorten en/of een verklarende woordenlijst toevoegen. De leerkracht kan ook kiezen om enkel te werken met teksten uit handboeken. Deze teksten zijn wel aangepast aan de doelgroep, maar zijn weinig flexibel: wie een actuele of specifieke interesse van leerlingen wil oppikken, blijft vaak op zijn honger zitten.

 

Daar komt artificiële intelligentie in beeld. Dankzij tools als ChatGPT en Google Gemini kunnen leerkrachten in enkele seconden nieuwe teksten genereren. Maar zijn die ook echt geschikt voor gebruik in de klas? Dat was de centrale vraag van mijn masterpraktijkproef aan de UGent.

 

AI versus handboek

Voor het onderzoek werden twintig leesteksten verzameld: uit Vlaamse handboeken, uit het officiële Key A2-examen van Cambridge en teksten die met AI gegenereerd werden. Die laatste werden gemaakt met zorgvuldig uitgewerkte prompts, waarin expliciet stond dat de tekst op A2-niveau moest zijn en gericht op leerlingen in de tweede graad van het Vlaamse secundair onderwijs. 

 

Alle teksten werden vervolgens door een computerprogramma geanalyseerd op woordenschat. Hoeveel procent van de woorden behoort tot de meest frequente Engelse woorden? Hoeveel vallen binnen de lijst van woorden die op A2-niveau gekend moeten zijn? En hoeveel moeilijke of zeldzame woorden komen erin voor? Volgens voorgaand taalkundig onderzoek is een tekst pas vlot leesbaar als minstens 95% van de gebruikte woorden vertrouwd is voor de lezer: dit was dan ook de benchmark voor alle onderzochte teksten. 

 

De verrassende winnaar

De resultaten waren opvallend. AI-teksten haalden gemiddeld een dekkingsgraad van 94,7%, dus bijna de 95% benchmark. Handboekteksten bleven steken op 91,8%. De officiële Cambridge-examenteksten deden het nog iets beter met 96,3%. Met andere woorden: gratis beschikbare AI-tools maken teksten die dichter bij het ideale niveau liggen dan veel Vlaamse handboeken.

 

Bovendien bleken er verschillen tussen de twee AI-platformen. Google Gemini leverde langere en lexicaal iets meer uitdagende teksten, mét beter gekozen woorden in de verklarende woordenlijst. ChatGPT daarentegen leverde kortere teksten en koos vaak voor te eenvoudige of doorzichtige woorden om te verklaren. Toch scoorden beide systemen beter dan verwacht.

 

Minder werk voor de leerkracht

Wat betekent dit concreet voor de klaspraktijk? Voor leerkrachten kan AI een enorme tijdsbesparing betekenen. In plaats van uren te zoeken naar een geschikte tekst of een te moeilijke tekst zelf aan te passen, kunnen ze via een goed geformuleerde prompt een bruikbaar resultaat krijgen. Denk aan een artikel over de favoriete hobby’s van tieners, een reisverhaal of een interview met een fictieve blogger: het kan allemaal op maat van het beoogde taalniveau.

 

Daarbij is de rol van de leerkracht nog steeds cruciaal. AI levert een solide basis, maar de leraar beslist of de tekst inhoudelijk correct is, vult eventueel de verklarende woordenlijst aan en voegt passende beelden toe. 

 

Kansen én kanttekeningen

Het onderzoek toont dat AI een waardevolle aanvulling kan zijn op bestaande leermiddelen, maar geen vervanging. Handboeken bevatten een rijke context, oefeningen en didactische opbouw die AI-teksten missen. Bovendien kan AI fouten maken of “hallucineren”: feiten verzinnen die niet kloppen. Factchecking en de kritische blik van de leerkracht blijven dus noodzakelijk.

 

Een tweede kanttekening is dat schoolboeken mogelijk bewust moeilijkere woorden introduceren om leerlingen te laten groeien. AI kiest sneller voor eenvoud, wat het lezen toegankelijker maakt, maar mogelijk ook minder uitdagend. De ideale mix ligt wellicht ergens in het midden.

 

Praktische tips voor leerkrachten

Tijdens het onderzoek bleek dat de kwaliteit van AI-teksten sterk afhangt van de gebruikte prompt. Hoe specifieker de instructie, hoe beter het resultaat. Enkele vuistregels:

  1. Wees concreet: vermeld leeftijd, ERK-niveau, tekstlengte en thema.
  2. Vraag een structuur: met tussentitels en korte paragrafen.
  3. Vraag een verklarende woordenlijst: vraag expliciet om moeilijke, maar relevante woorden te verklaren.
  4. Kies een creatieve invalshoek:  vraag bijvoorbeeld om een interview of een ervaringsverhaal te schrijven. Zo vermijd je dat AI een generische tekst schrijft. 

Met zo’n aanpak kunnen leerkrachten teksten creëren die niet alleen begrijpelijk zijn, maar ook aansluiten bij de leefwereld van hun leerlingen.

 

De toekomst van Engels leren: mens én machine werken samen?

Mens en machine werken samenGeneratieve AI is nog relatief nieuw en het onderzoek naar gebruik ervan in de klas is beperkt, maar deze eerste resultaten zijn veelbelovend. Voor de leerkracht van morgen betekent dit meer vrijheid om in te spelen op de actualiteit en de interesses van de klas. In plaats van afhankelijk te zijn van wat uitgeverijen aanbieden, kunnen ze hun materiaal eenvoudiger zelf vormgeven met de steun van slimme technologie. Daarmee opent zich een nieuw hoofdstuk in het taalonderwijs: eentje waarin mens en machine samenwerken om leerlingen meer en beter te laten lezen.

Bibliografie

Anthony, L. (2024). AntWordProfiler (Version 2.2.1) [Computer software]. Waseda University. https://www.laurenceanthony.net/software/AntWordProfiler

Bogaert, G., et al. (2021). New Strike 3 leerwerkboek: Incl. Pelckmans Portaal. Pelckmans.

Bogaert, G., et al. (2024). New Strike 4 leerwerkboek: Incl. Pelckmans Portaal. Pelckmans.

Cobb, T. (n.d.). Web Vocabprofile [Web-based lexical profiling tool]. Retrieved July 7, 2025, from http://www.lextutor.ca/vp/

Delmelle, L., De Wulf, G., Munten, K., Vieuvalet, J., Willekens, S., Verbiest, N., & De Ryck, N. (2021). Let’s Connect 3: Leerwerkboek (1st ed., 324 pp.). Plantyn.

Deltour, C., De Wulf, G., & Plaquet, A. (2022). Let’s Connect 4: Leerwerkboek (1st ed., 364 pp.). Plantyn.

Doshi, T. (2025, June 17). We’re expanding our Gemini 2.5 family of models. Google Bloghttps://blog.google/products/gemini/gemini-2-5-model-family-expands/

East Central College. (n.d.). Detecting AI-generated text in educational content. AI Essentials for ECC Faculty. Retrieved June 27, 2025, from https://www.eastcentral.edu/free/ai-faculty-resources/detecting-ai-generated-text/

First Page Sage. (2025, July 1). Top generative AI chatbots by market share [Report]. First Page Sagehttps://firstpagesage.com/reports/top-generative-ai-chatbots/

GO! Onderwijs van de Vlaamse Gemeenschap. (2025). Leerplan tweede graad secundair onderwijs – Basisvorming (Dubbele finaliteit) (Versie 31/01/2025, Leerplannummer 2024/2DA/BAS). Pedagogische begeleidingsdienst GO!.

Hawkins, J. A., & Buttery, P. (2010). Criterial features in learner corpora: Theory and illustrations. English Profile Journal, 1, e5. https://doi.org/10.1017/S2041536210000103

Heatley, A., Nation, I. S. P., & Coxhead, A. (2002). RANGE and FREQUENCY programs. Victoria University of Wellington. http://www.victoria.ac.nz/lals/staff/paul-nation.aspx

Hu, M., & Nation, I. S. P. (2000). Vocabulary density and reading comprehension. Reading in a Foreign Language, 13(1), 403–430.

Katholiek Onderwijs Vlaanderen. (2024). Leerplan Engels tweede graad D/A-finaliteit – II-Eng-da (Versie januari 2024, D/2024/13.758/079). https://www.katholiekonderwijs.vlaanderen

Kenniscentrum Digisprong. (n.d.). Onderwijsdoelen voor de tweede graad secundair onderwijs (Versie 2.1). Retrieved June 27, 2025, from https://onderwijsdoelen.be

Klascement. (2022). Het ERK en de eindtermen moderne vreemde talen. https://www.klascement.net/artikels/10000/het-erk-en-de-eindtermen-moderne-vreemde-talen

Laufer, B., & Ravenhorst-Kalovski, G. C. (2010). Lexical threshold revisited: Lexical text coverage, learners’ vocabulary size and reading comprehension. Reading in a Foreign Language, 22(1), 15–30.

McLean, S. (2021). The coverage comprehension model, its importance to pedagogy and research, and threats to the validity with which it is operationalized. Reading in a Foreign Language, 33(1), 126–140. https://doi.org/10125/67396

Milton, J., & Alexiou, T. (2009). Vocabulary size and the Common European Framework of Reference for Languageshttps://doi.org/10.1057/9780230242258

Nation, I. S. P. (2006). How large a vocabulary is needed for reading and listening? The Canadian Modern Language Review, 63(1), 59–82. https://doi.org/10.3138/cmlr.63.1.59

Nation, I. S. P. (n.d.). Vocabulary, the CEFR levels, and word family size [Unpublished manuscript]. School of Linguistics and Applied Language Studies, Victoria University of Wellington. https://www.wgtn.ac.nz/lals/resources/paul-nations-resources/vocabulary-lists

Nation, I. S. P., & Waring, R. (1997). Vocabulary size, text coverage and word lists. In N. Schmitt & M. McCarthy (Eds.), Vocabulary: Description, acquisition and pedagogy (pp. 6–19). Cambridge University Press.

OpenAI. (2024, May 20). ChatGPT free tier FAQ. OpenAI Help Centerhttps://help.openai.com/en/articles/9275245-chatgpt-free-tier-faq

Open Language Profiles. (2024). CEFR-J vocabulary profile (Version 1.5) [Data file]. GitHub. https://github.com/openlanguageprofiles/olp-en-cefrj/blob/master/cefrj-vocabulary-profile-1.5.csv

Shin, D., & Lee, J. H. (2023). Can ChatGPT make reading comprehension testing items on par with human experts? Language Learning & Technology, 27(3), 27–40. https://hdl.handle.net/10125/73530

Temple University. (2025, March). Control and Adaptive Behavior Lab conducts study on human detection of AI-written content. College of Liberal Arts, Temple Universityhttps://liberalarts.temple.edu/news/2025/03/control-adaptive-behavior-lab-conducts-study-human-detection-ai-written-content

UCLES, & Cambridge University Press. (2011, August). English Profile: Introducing the CEFR for English (Version 1.1). English Profile. https://www.englishprofile.org

Vlaamse Overheid. (2012). Vlaamse vreemdetalenkennis in Europees perspectief: Balans van het ESLC-onderzoekhttps://www.ond.vlaanderen.be

Webb, S. (2021). Research investigating lexical coverage and lexical profiling: What we know, examined. Reading in a Foreign Language, 33(2), 278–293. https://doi.org/10125/67407

Download scriptie (1.84 MB)
Universiteit of Hogeschool
Universiteit Gent
Thesis jaar
2025
Promotor(en)
Maribel Montero Perez