Voor welke wereld zijn de nieuwe SLO-kerndoelen geschreven?

Een gedachte-experiment over AI, domeinkennis en 2030-2032

Een leerling die deze maand aan de brugklas begint, doet rond 2030-2032 eindexamen. De vernieuwde kerndoelen die nu worden ingevoerd, bepalen dus mede wat deze leerling leert voor een wereld die we nog nauwelijks kunnen overzien.

Ik bleef bij het lezen van de nieuwe SLO-kerndoelen daarom met één vraag zitten: voor welke wereld zijn deze doelen eigenlijk geschreven?

SLO heeft de afgelopen jaren samen met leraren, vakexperts en andere betrokkenen veel werk verzet. Dat zie je terug. De doelen zijn concreter dan de oude versies, digitale geletterdheid heeft eindelijk een volwaardige plaats en bij verschillende leergebieden is meer aandacht voor samenhang en toepassing. Nederlands en rekenen en wiskunde gaan nu de implementatiefase in; de overige leergebieden volgen. Mijn punt is dus niet dat er niets is verbeterd.

Mijn twijfel zit dieper. De kerndoelen zijn vernieuwd binnen een ordening en een mensbeeld die grotendeels uit een tijd vóór generatieve AI komen. Veel doelen veronderstellen nog dat menselijke cognitieve productie schaars is: zelf een tekst schrijven, informatie verwerken, een berekening uitvoeren, een vreemde taal spreken, een digitaal product maken. Maar wat gebeurt er met het curriculum als AI zulke taken rond 2030-2032 vrijwel altijd sneller en beter uitvoert dan een leerling, en vaak ook beter dan een volwassen professional?

Die vraag ontstond bij een groter gedachte-experiment. Stel dat je een school vanaf nul mocht ontwerpen. Je hoeft bestaande vakken, roosters en toetsvormen niet automatisch over te nemen. Je moet bij ieder onderdeel opnieuw uitleggen waarom een leerling dit over zes jaar nog moet kennen of kunnen. Wat blijft dan staan? Wat verliest zijn oude functie? En wat ontbreekt er in het huidige curriculum?

2030-2032 is geen voorspelling

Ik weet niet wat AI in 2030-2032 precies kan. Niemand weet dat. Het is voor mij ook geen deadline waarop ineens een alwetend systeem verschijnt. Ik gebruik het als ontwerphorizon. Vier tot zes jaar is dichtbij genoeg om over echte leerlingen te gaan en ver genoeg weg om voorbij de beperkingen van de huidige systemen te kijken.

De richting van de ontwikkeling geeft in ieder geval reden om een stevig scenario te kiezen. De AI Index 2026 van Stanford beschrijft hoe modellen in één jaar dertig procentpunt wonnen op een benchmark die juist voor menselijke experts was ontworpen. AI-agents gingen op een test met echte computertaken van ongeveer twaalf naar ruim zesenzestig procent succes. Tegelijk zijn de tekortkomingen nog opvallend grillig: een model kan ingewikkelde wiskunde oplossen en struikelen over een klok. Dit bewijst niets over 2030-2032. Het laat wel zien hoe onverstandig het is om een curriculum met een lange levensduur te ontwerpen rond wat AI vandaag nog niet kan.

Daarom heb ik het scenario bewust stevig gemaakt: stel dat AI over een paar jaar vrijwel alle cognitieve uitvoering op hoog niveau aankan, wat overigens al voorspeld wordt voor het einde van dit jaar door Sam Altman (times artikel). Tekst, vertaling, programmering, analyse, ontwerp en een groeiend deel van wetenschappelijk werk worden dan goedkoop en altijd beschikbaar. Werk verandert mee. Veel beginner-taken verdwijnen of worden onderdeel van geautomatiseerde processen. Wetenschap versnelt doordat systemen hypotheses vormen, literatuur verwerken, simulaties draaien en experimenten ontwerpen. NB. In hetzelfde interview met Time geven de mensen bij OpenAI aan dat de eerste versie hiervan al draait binnen hun lab.

Wat verdwijnt er dan?

Mijn eerste reactie was vrij radicaal. Als AI een taak beter kan, waarom zouden we een leerling die taak dan nog jarenlang laten oefenen? Waarom veel tijd besteden aan spelling als iedere tekst automatisch foutloos verschijnt? Waarom iedere leerling verplicht een vreemde taal laten produceren als een oortje gesprekken direct en bijna zonder merkbare vertraging vertaalt? Waarom leren programmeren als je in gewone taal een complete toepassing kunt laten bouwen?

Bij nader inzien is de vraag “kan AI dit beter?” te smal. Onderwijs dient meer dan de kwaliteit van een eindproduct. Schrijven kan een manier zijn om een gedachte te vormen. Rekenen kan getalsgevoel ontwikkelen. Een andere taal leren kan toegang geven tot humor, geschiedenis en een manier van kijken die in vertaling gedeeltelijk verloren gaat. Programmeren kan helpen begrijpen hoe formele systemen keuzes afdwingen.

Dat betekent alleen niet dat de huidige omvang, volgorde en verplichting vanzelfsprekend blijven. Spelling hoeft geen zelfstandig zwaartepunt te zijn omdat foutloze productie schaars zou zijn. Het kan onderdeel blijven van taalkennis, lezen en het bewust kiezen van een vorm. Bij vreemde talen kan brede verplichte productie minder zwaar gaan wegen, terwijl culturele oriëntatie, vertaalverlies en een bewust gekozen taalprofiel juist belangrijker worden. Programmeren als handmatig code typen kan plaatsmaken voor inzicht in wat systemen doen, hoe je een opdracht afbakent, welke gegevens worden gebruikt en wie verantwoordelijk is als het misgaat.

Er verdwijnt dus minder kennis dan ik eerst dacht. Vooral de reden waarom we die kennis onderwijzen verandert.

De kennisparadox

Hier zat voor mij de lastigste vraag. Als AI straks betere antwoorden geeft dan mensen, wordt domeinkennis dan minder belangrijk? Je zou kunnen denken van wel. Een leerling hoeft niet alles te onthouden wanneer een systeem op ieder moment meer weet en sneller redeneert. En “AI controleren” is als onderbouwing beperkt. Als het systeem op een terrein aantoonbaar deskundiger is dan jij, wordt het vreemd om te doen alsof jouw belangrijkste rol het nalopen van ieder antwoord is.

Toch kom ik uit bij het tegenovergestelde: kennis blijft heel belangrijk, alleen minder als productiemiddel en meer als basis voor zeggenschap.

Neem een toekomstig gemeentelijk besluit over woningbouw in een overstromingsgevoelig gebied. AI kan waarschijnlijk verschillende plannen maken, kosten doorrekenen, kaarten analyseren, juridische risico's beschrijven en inspraakreacties samenvatten. Een leerling zonder kennis kan zo'n advies hooguit beoordelen op helderheid en overtuigingskracht. Die ziet niet vanzelf welke doelen het systeem heeft meegekregen, welke historische keuzes aan het probleem voorafgingen, wie financieel voordeel heeft, welke ecologische gevolgen buiten beeld blijven of waarom een efficiënt plan democratisch toch onaanvaardbaar kan zijn.

Met kennis van geografie, waterbeheer, economie, ecologie, geschiedenis en democratische besluitvorming verandert de positie van die leerling. Die kan bepalen welke vragen aan het systeem worden gesteld, welke belangen afzonderlijk zichtbaar moeten worden en welke afruilen politieke keuzes zijn.

Domeinkennis geeft een leerling een eigen wereldbeeld dat rijk genoeg is om alternatieven te zien. Zonder zo'n intern model wordt AI al snel de uitvoerder, de bron van de vraag, de selectie van relevante feiten en de maatstaf voor een goed antwoord. Dan lijkt de mens aan het stuur te zitten terwijl het systeem de route al heeft gekozen.

Er is ook voorlopig bewijs dat expertise bij het werken met uitvoerende AI verschil maakt. In een analyse van ongeveer 400.000 sessies met een programmeeragent bleken mensen met meer domeinkennis per instructie meer werk door AI te kunnen laten uitvoeren en vaker succesvol te eindigen. Dat onderzoek gaat over programmeren en kan niet zonder meer naar ieder schoolvak worden vertaald. Maar het past wel bij wat ik in de praktijk zie: wie veel begrijpt, kan een systeem meer ruimte geven zonder de opdracht uit handen te verliezen.

Dit is voor mij de kennisparadox. Hoe minder kennis nodig is om iets overtuigends te produceren, hoe belangrijker kennis wordt voor de vraag wat er geproduceerd moet worden, voor wie en binnen welke grenzen.

Vreemde talen als lastige proef

Moderne vreemde talen maken de spanning goed zichtbaar. De instrumentele reden om jarenlang een taal te leren, jezelf in een ander land verstaanbaar kunnen maken, verliest snel gewicht. Realtime vertaling wordt beter, persoonlijker en minder zichtbaar. Tegen 2030-2032 kan een gesprek in veel situaties voelen alsof beide mensen dezelfde taal spreken.

Moet dan iedere leerling nog Frans of Duits leren? Ik weet het eerlijk gezegd niet. Ik ben geen expert in vreemde talen didactiek. Ik vermoed wel dat een algemeen curriculum minder moet leunen op routinematige taalproductie en meer ruimte kan bieden aan meertalige oriëntatie, rechtstreeks contact, cultuur en een taal die een leerling bewust verder wil leren.

Want vertaling heft taalverschil niet volledig op. Wie een taal kent, hoort dubbelzinnigheid, sociale verhoudingen, ritme en verwijzingen die een vertaalsysteem niet altijd mee kan nemen. Bovendien kan rechtstreeks spreken een relationele betekenis hebben, ook wanneer een machine dezelfde informatie foutloos overdraagt. Dat zijn goede redenen om talen te blijven leren. Maar ze rechtvaardigen niet automatisch dat iedere leerling hetzelfde aantal jaren dezelfde productiedoelen moet halen.

Dit voorbeeld laat zien waar ik de discussie over wil voeren. Niet over de vraag of een afzonderlijke formulering in mijn voorstel al klopt, maar over de onderliggende afweging. Welk deel van een leergebied is nodig voor autonomie, cultuur, vorming of directe menselijke ervaring? Welk deel kreeg vooral gewicht omdat mensen het werk vroeger zelf moesten uitvoeren? En durven we het tweede deel echt kleiner te maken als het eerste daardoor meer tijd krijgt?

Eerst herschrijven, daarna opnieuw ordenen

Ik heb deze gedachtegang op twee manieren uitgewerkt. De uitwerking daarvan is te vinden op deze site, die ik hiervoor heb gebouwd.

De eerste route houdt de negen herkenbare SLO-leergebieden overeind. Per leergebied heb ik de officiële doelen naast een herziene versie gezet. Bij Nederlands verschuift het zwaartepunt van taalproducten naar een eigen gedachtegang, dialoog, literatuur en zeggenschap over AI-bemiddelde taal. Bij rekenen en wiskunde krijgen getalsgevoel, modellen, kans, risico en systemisch begrijpen meer gewicht dan het routinematig uitvoeren van bewerkingen. Digitale geletterdheid gaat minder over tijdelijke toepassingen en meer over gegevens, afhankelijkheid, mandaat en technologische macht. Bij bewegen en sport wordt lichamelijke autonomie belangrijker in een leven waarin steeds meer werk zittend en digitaal plaatsvindt.

Die route maakt de discussie concreet. Je kunt per doel zien wat behouden blijft, wat minder gewicht krijgt en wat ik mis. Tegelijk merkte ik tijdens het herschrijven dat de bestaande domeinen zelf soms in de weg gingen zitten. Als de opdracht van onderwijs verandert, is het niet vreemd om ook de vakindeling opnieuw te bekijken.

Daarom is er een tweede route met zeven domeinen:

· Taal, denken, cultuur en kunst: een eigen binnenwereld ontwikkelen en betekenis met anderen delen.

· Wiskundig, wetenschappelijk en systemisch begrijpen: greep krijgen op bewijs, schaal, onzekerheid en de fysieke wereld.

· Geschiedenis, samenleving, democratie en macht: begrijpen wie beslist, wie bezit en wie gevolgen draagt.

· AI, technologie en beschavingskeuzes: bepalen welke bevoegdheden we aan systemen geven en welke niet.

· Zelfkennis, relaties, zorg en levenskunst: leren wie je wilt zijn en hoe je met anderen leeft.

· Lichaam, gezondheid, natuur en praktische autonomie: lichamelijk en praktisch handelingsbekwaam blijven.

· Maken, handelen en bijdragen: iets realiseren waar een ander of de omgeving daadwerkelijk iets aan heeft.

De bestaande vakinhoud verdwijnt hierin niet. Geschiedenis, taal, wiskunde en natuurwetenschappen blijven stevige kennisgebieden. Ze worden alleen gegroepeerd rond opgaven die ook betekenis houden als cognitieve uitvoering overvloedig wordt.

Opvallend genoeg wordt de school in dit voorstel minder digitaal, hoewel AI een veel grotere rol speelt. Juist wanneer schermen bijna alle intellectuele productie kunnen overnemen, groeit de waarde van gesprekken waarin je elkaar echt moet verstaan, werken met materiaal, bewegen, natuur ervaren, zorgen en langdurig samenwerken. Er blijven ook AI-vrije momenten nodig. Niet om een wereld zonder AI na te spelen, maar omdat ik denk dat aandacht, geheugen, een eerste eigen gedachte en lichamelijke ervaring soms (niet altijd hoor) ruimte nodig hebben voordat een systeem zich ermee bemoeit.

Wat dit voorstel niet is

De website en de documenten (allemaal te downloaden) die ik publiceer zijn geen alternatief curriculum dat morgen kan worden ingevoerd. Ik bezit de benodigde domeinkennis niet om voor negen leergebieden en zeven nieuwe domeinen definitieve kerndoelen te formuleren. Voor de uitwerking heb ik AI intensief gebruikt: om documenten te vergelijken, aannames zichtbaar te maken, tegenargumenten te zoeken en conceptteksten te schrijven. Daarna heb ik geselecteerd, aangescherpt en opnieuw laten bevragen. Dat maakte een brede verkenning mogelijk, maar het maakt de uitkomst zeker niet gezaghebbend.

Er zullen formuleringen in staan die een taalkundige, wiskundige, historicus, pedagoog of vakdidacticus terecht wil corrigeren. Sommige doelen zijn waarschijnlijk te breed. Andere ontbreken nog. Ook de zeven domeinen kunnen anders of beter worden ingedeeld. Ik zou het jammer vinden als het gesprek meteen vastloopt op zo'n zwakke zin, alsof daarmee de grotere vraag is afgehandeld.

Ik richt deze kritiek ook niet op de mensen die bij SLO aan de kerndoelen hebben gewerkt. Zij opereerden binnen een opdracht, een bestaande structuur en een zorgvuldig proces met veel betrokkenen. Een scenario waarin AI rond 2030-2032 bijna alle cognitieve taken beter uitvoert dan mensen, was (helaas) niet het dominante ontwerpuitgangspunt. Mijn vraag is of we ons dat nog kunnen veroorloven nu scholen met de implementatie beginnen.

De site is daarom opgezet als werkmateriaal voor een gesprek. Je kunt de officiële doelen en mijn herzieningen naast elkaar zetten, per leergebied bekijken wat verandert en vervolgens de nieuwe indeling verkennen.

Waar ik benieuwd naar ben

Ik zoek geen stemming voor of tegen AI en ook geen oordeel over iedere bullet. Ik wil weten of het vertrekpunt klopt.

Als een leerling rond 2030-2032 volwassen wordt in een wereld waarin AI een groot deel van het denk- en maakwerk uitvoert, welke kennis moet dan absoluut in het hoofd en lichaam van die leerling zitten? Welke huidige doelen verliezen hun oude reden, ook als de achterliggende vorming waardevol blijft? Welke menselijke vermogens laten we nu vrijwel onbenoemd terwijl ze juist zwaarder gaan wegen?

En voor de vakexperts: waar maak ik in jouw domein een denkfout? Ik zoek vooral de aanname over de toekomst, kennis of vorming die ik mis; een onjuiste formulering is makkelijker te herstellen.

Dat gesprek lijkt mij urgenter dan wachten tot 2030-2032 en dan vaststellen dat we leerlingen heel zorgvuldig hebben voorbereid op werk en een samenleving die inmiddels anders zijn ingericht.

Dus laat je comments achter met jouw input, zodat deze dialoog rijk en vruchtbaar wordt!