Domein 3 van Bijlage III AI Act raakt elke onderwijsinstelling en EdTech-leverancier die AI inzet bij toelating, beoordeling of gedragsmonitoring. De Commission guidelines van 19 mei 2026 maken scherp onderscheid tussen pedagogische ondersteuning (vaak filter-eligible) en beoordelende toepassingen die de toekomst van een leerling raken (altijd high-risk).
Voor het algemene kader, zie het hoofdartikel over het filter van Artikel 6(3). Voor alle domeinen, zie het hub-overzicht.
De vier use cases van domein 3
- Point 3(a) Toelating tot of toewijzing aan onderwijsinstellingen op alle niveaus
- Point 3(b) Beoordeling van leerresultaten en sturing van het leerproces
- Point 3(c) Beoordeling van het passende onderwijsniveau
- Point 3(d) Monitoring en detectie van verboden gedrag tijdens toetsen
Point 3(a): toelating en toewijzing
High-risk:
- AI die universitaire toelatingen scoort of rangschikt
- AI die brugklassers toewijst aan onderwijsstromen
- AI die loting of plaatsing in scholen ondersteunt op basis van persoonlijke kenmerken
- AI die selecties uitvoert voor beurzen, talentprogramma's of specialistische opleidingen
Filter mogelijk:
- AI die aanvragen categoriseert in vaste mappen per opleiding zonder beoordeling
- AI die identiteits- of diplomadocumenten op echtheid controleert (geen kandidaatbeoordeling)
Point 3(b): beoordeling van leerresultaten
High-risk:
- AI die toetsen of examens nakijkt en cijfers genereert
- AI die essays beoordeelt en scoort
- AI die in adaptive learning de progressie van een leerling beoordeelt en stuurt
- AI die op basis van leerprestaties advies geeft over doorstroom of zittenblijven
Filter mogelijk:
- AI die alleen feedback genereert op spelling en grammatica zonder cijfer
- AI die docenten kant-en-klare oefeningen suggereert zonder leerlingen te beoordelen
- AI die anonieme klasaggregaten genereert voor docentkwaliteitsdoeleinden
Point 3(c): bepaling onderwijsniveau
High-risk:
- AI die instaptoetsen interpreteert en plaatsing adviseert
- AI die mbo/vmbo/havo/vwo-niveau bepaalt voor brugklas-doorstroom
- AI die in volwasseneneducatie of zij-instroom het passende niveau bepaalt
Point 3(d): proctoring en gedragsdetectie
High-risk:
- AI in online proctoring die afwijkend gedrag tijdens een toets detecteert
- AI die spiekgedrag of plagiaat opspoort
- AI die kandidaten markeert voor menselijke review op basis van gedrag of biometrie
Filter mogelijk:
- AI die alleen de toets-omgeving voorbereidt (verificatie van identiteit gebeurt voorafgaand, geen gedragsdetectie tijdens de toets)
Let op verbod: Emotieherkenning in onderwijsinstellingen is verboden onder Artikel 5 (uitgezonderd medische of veiligheidsredenen). Proctoring-tools die emoties of stress meten lopen daar tegenaan.
Sector-specifieke valkuilen
Valkuil 1: adaptive learning is bijna altijd Point 3(b)
EdTech-leveranciers presenteren adaptive learning vaak als persoonlijke leerpaden, maar zodra het systeem beoordeelt of een leerling een onderwerp beheerst en daarop het pad stuurt, val je onder Point 3(b).
Valkuil 2: docent-assist verschuift het probleem niet
"Onze AI ondersteunt alleen de docent" werkt niet als argument. Zodra de output van de AI invloed heeft op de uiteindelijke beoordeling, is het high-risk, ongeacht wie de knop indrukt.
Valkuil 3: profiling sluit het filter uit
Veel EdTech-systemen verwerken persoonsgegevens om individuele leervoortgang te voorspellen. Dat is profiling onder AVG en daarmee vervalt het filter automatisch.
Wat te doen
Inventariseer EdTech in scope
LMS, adaptive learning platforms, examination software, proctoring tools, dropout-predictie modellen.
Splits pedagogische van beoordelende functies
Voor systemen die beide doen, bepaal welke functies onder welke use case vallen. Soms kan de beoordelende module apart worden geclassificeerd.
Borg AI-geletterdheid van docenten
Toets uw AI tegen het filter van Artikel 6(3)
Gratis interactieve self-assessment, bijgewerkt voor de Commission guidelines van 19 mei 2026. 9 stappen, persoonlijk rapport met onderbouwing, vendor-questions en next steps.