Go to homepage
Find educational resourcesKnowledge & expertiseCommunities
NL|EN
Privacy policy
Creative CommonsCreative Commons AttributionSURFFunded by the European Union

Filter

Search results (192)

…

HBO/WO

MBO

September 23, 2026

Werken met generatieve AI

Het Xerte-lespakket Werken met generatieve AI hoort bij keuzedeel 1499 en bestaat uit negen lessen en een examen. Studenten leren generatieve AI kritisch, bewust, veilig en professioneel toe te passen in hun toekomstige beroep. De overzichtspagina bevat e-learnings, zelftesten, korte video’s, presentaties, challenges, downloads, een lesoverzicht, een docentenhandleiding en informatie over de examinering. De lessen zijn gebaseerd op Challenge-Based Learning en Design Thinking. Studenten werken aan beroepsgerichte producten, testen deze en verbeteren ze met peerfeedback.

Secondary vocational educationWebsite

Project Werken met generatieve AI, House of Digital en Team Content Creation

September 22, 2026

Experience Design introductie niveau 4 - modulaire leermaterialen voor Hospitality

Voorbereidende module op de Experience Design-verdieping in Guest Journey Profiel niveau 4. De student voert een bestaande activiteit correct uit volgens draaiboek, begeleidt deelnemers gastgericht, signaleert sociaal-hygiënische aandachtspunten, bewaakt de veiligheid en formuleert een verbetervoorstel. Het onderwijs is ontworpen rond leeruitkomsten. Elke module heeft één leeruitkomst met succescriteria; de student werkt aan eigen bewijsstukken en bouwt zo een portfolio op. Modules zijn formatief (behaald of nog niet behaald); de summatieve afsluiting volgt op het niveau van het opleidingsonderdeel. Samenwerkend leren in wisselende samenstelling zit ingebouwd, met feedback volgens twee tops en één tip. Het pakket bevat per module een moduleboek (Word) en een lessenpresentatie (PowerPoint), aangevuld met een planning en een docentenhandleiding. Belangrijk: dit zijn sjablonen om te verrijken. De structuur, de KD-koppeling en de bewijsstukken liggen vast (strak op WAT). Volgorde, tempo, eigen praktijkvoorbeelden en accenten vult de docent zelf in (ruim op HOE). Op enkele plekken verwijst het materiaal naar de digitale leeromgeving en de periodenummering van Zadkine; pas die aan naar je eigen context. Onderdeel van de open set 'Modulair Hospitality-onderwijs KD 2025' van Zadkine Hospitality College. Bekijk de opleidingsroutes voor niveau 2, 3 en 4 om te zien waar dit onderdeel in de opleiding valt.

Document

Robbert Nijenhuis

September 22, 2026

Guest Journey Profiel niveau 3 - modulaire leermaterialen voor Hospitality

Verdieping op Guest Journey Basis. Module 1 (Commercial Guest Journey) gaat over klantfeedback, klachten en verbetervoorstellen. Module 2 (Experience Design) laat de student een belevingsactiviteit ontwerpen, organiseren en uitvoeren. Het onderwijs is ontworpen rond leeruitkomsten. Elke module heeft één leeruitkomst met succescriteria; de student werkt aan eigen bewijsstukken en bouwt zo een portfolio op. Modules zijn formatief (behaald of nog niet behaald); de summatieve afsluiting volgt op het niveau van het opleidingsonderdeel. Samenwerkend leren in wisselende samenstelling zit ingebouwd, met feedback volgens twee tops en één tip. Het pakket bevat per module een moduleboek (Word) en een lessenpresentatie (PowerPoint), aangevuld met een planning en een docentenhandleiding. Belangrijk: dit zijn sjablonen om te verrijken. De structuur, de KD-koppeling en de bewijsstukken liggen vast (strak op WAT). Volgorde, tempo, eigen praktijkvoorbeelden en accenten vult de docent zelf in (ruim op HOE). Op enkele plekken verwijst het materiaal naar de digitale leeromgeving en de periodenummering van Zadkine; pas die aan naar je eigen context. Onderdeel van de open set 'Modulair Hospitality-onderwijs KD 2025' van Zadkine Hospitality College. Bekijk de opleidingsroutes voor niveau 2, 3 en 4 om te zien waar dit onderdeel in de opleiding valt.

Document

Robbert Nijenhuis

September 22, 2026

Guest Journey Profiel niveau 4 - modulaire leermaterialen voor Hospitality

Bouwt verdiepend op Guest Journey Profiel niveau 3 met een leidinggevend perspectief. Module 1 gaat over gasttevredenheid, klachtbeleid, data en productadvies; Module 2 over een belevingsconcept op basis van bedrijfsstrategie, doelgroep en financiële kaders, met risicoanalyse, kwaliteitsbewaking en leiderschap. Het onderwijs is ontworpen rond leeruitkomsten. Elke module heeft één leeruitkomst met succescriteria; de student werkt aan eigen bewijsstukken en bouwt zo een portfolio op. Modules zijn formatief (behaald of nog niet behaald); de summatieve afsluiting volgt op het niveau van het opleidingsonderdeel. Samenwerkend leren in wisselende samenstelling zit ingebouwd, met feedback volgens twee tops en één tip. Het pakket bevat per module een moduleboek (Word) en een lessenpresentatie (PowerPoint), aangevuld met een planning en een docentenhandleiding. Belangrijk: dit zijn sjablonen om te verrijken. De structuur, de KD-koppeling en de bewijsstukken liggen vast (strak op WAT). Volgorde, tempo, eigen praktijkvoorbeelden en accenten vult de docent zelf in (ruim op HOE). Op enkele plekken verwijst het materiaal naar de digitale leeromgeving en de periodenummering van Zadkine; pas die aan naar je eigen context. Onderdeel van de open set 'Modulair Hospitality-onderwijs KD 2025' van Zadkine Hospitality College. Bekijk de opleidingsroutes voor niveau 2, 3 en 4 om te zien waar dit onderdeel in de opleiding valt.

Document

Robbert Nijenhuis

August 1, 2026

Introduction to data management as part of Open Science

Data management is part of the research cycle. It is crucial to think about it in the design phase of any experiment. This self-study module gives you hands on advice on what to do (and what NOT) with research data. It is not about (statistical) data analysis. This self-study module helps students get familiar with setting up their data management plan. As it’s an introduction to this topic, it is for students at beginner level. After completing this self-study module, you should be able to answer the following questions: What do I store? Where do I store? How can others understand what I stored? Why should I care?

Website

Susanne Kirchhoff

July 16, 2026

Handleiding AI-bewust onderwijsontwerp voor hbo-docenten

De handleiding AI-bewust onderwijsontwerp voor hbo-docenten helpt docenten en opleidingsteams om bestaand onderwijs opnieuw te ontwerpen voor een context waarin generatieve AI breed beschikbaar is. De centrale vraag is niet hoe AI kan worden tegengehouden, maar welke kennis, vaardigheden en professionele afwegingen studenten zelfstandig moeten blijven beheersen. De handleiding biedt een praktische herontwerpcyclus. Docenten onderzoeken eerst de invloed van AI op leeruitkomsten, opdrachten en toetsing. Daarna bepalen zij welk bewijs nodig is om beheersing zichtbaar te maken. Zij kiezen bewust welke rol AI krijgt en ontwerpen passende beoordelingscriteria, validatiemomenten, leeractiviteiten en begeleiding. Het leerdoel en de professionele oordeelsvorming van de student blijven steeds centraal staan. AI mag het denken ondersteunen, maar niet vervangen. Daarom verschuift de aandacht van alleen het eindproduct naar het denkproces, de gemaakte keuzes en de zelfstandige toepassing van kennis in nieuwe situaties. De methodiek sluit aan bij onder meer constructive alignment, backward design en het ADDIE-model. Praktijkvoorbeelden, ontwerpvragen en concrete werkvormen maken de aanpak direct toepasbaar. Zo ondersteunt de handleiding hbo-opleidingen bij het ontwikkelen van betekenisvol, valide en toekomstgericht onderwijs waarin studenten verantwoord leren handelen met én zonder AI.

Document

Hans Rader, Michael Hendriks

June 17, 2026

AgriLemma 2.0: A serious game for exploring dilemmas in agriculture

In AgriLemma, you are a farmer in Europe managing your own farm across 8 seasons. You grow six types of crops — potatoes, sugar beets, rapeseed, corn, wheat, and chickpeas — each requiring resources such as seeds, water, nutrients, and workers. Players must run, invest in, and improve their farm with sustainable technologies while balancing competing priorities and navigating uncertainties like weather events and pest attacks. The objective is to maximize overall farm health, which is determined by three dimensions: environmental health (positive ecological impact), social health (worker satisfaction), and financial health (farm profitability). Players must strategize across all three dimensions simultaneously — decisions that boost profit may come at an environmental cost, and vice versa. The game makes these trade-offs tangible, encouraging reflection on what sustainable farming really requires. ------------------------------ Learning objectives: · Experiment with different strategies — to operationalize and adapt an approach under pressure, and to reflect on how well it held up. · Expose students to issues of risk management — to plan, control, and explain the reasoning behind in-game choices relating to sustainability, soil conservation practices, integrated crop management, weeding, and pest management, and to learn how to respond when conditions change. · Experience the complexity of decision-making — to take into account weather and policy uncertainties, sustainability pressures, economic realities, and the broader context in which farm decisions are made. --------------------------------Practical information: · Format: Board game (physical/ print-and-play) · Players: 2-4 players (extendable to 8 by playing in teams of 2) · Duration: 3 hours, including onboarding and debrief · Level: Higher education / Stakeholder engagement · Language: English --------------------------------Credits: AgriLemma was originally designed as part of the WATERAGRI project. The second version, including a full redesign of the graphics, was developed with funding support from the TU Delft Open Science Programme course "Civic Engagement in Action: Empowering Researchers and Educators to Make an Impact". Game design: Dr. ir. Aashna Mittal - TU Delft, Faculty of Technology, Policy and Management Graphic design and illustration: Gracia Bovenberg-Murris and Michelle de Smit – TU Delft GameLab Note on image generation: The images in the tech cards and the border of the main game board were created using AI-generated imagery. The constructed wetlands card image is also AI-generated. All other cards and box art are hand-drawn or created in Adobe Illustrator. Note on usability: The print-and-play version of the game has been optimized for office printing.

Document

Aashna Mittal, Gracia Bovenberg-Murris, Michelle de Smit

June 16, 2026

Open Education menu

We created a ready-to-use menu with 17 different Open Education practices to be implemented in your education. With each practice turned into its own dish and recipe, you can easily see how the practice can be implemented, with its difficulty level and examples. The goal is to provide you with ideas and examples on how to implement Open Science practices into your education. Or use the menu as a starting point for conversations about open educational practices with colleagues! Already an expert? The menu can also be used for a 1-hour workshop on Open Educational practices for others interested in Open Science. Let the participants select a dish from the menu they are interested in, and help them to adapt the dish so they can turn their own ideas into real practices.

Presentation

Jeroen Bosman, Ilcan Çiftcibaşi, Anneke van der Dussen, Ruud Dielen, Marie-Louise Goudeau, Pim Huijnen, Susanne Kirchhoff, Marc van Mil, Hanne Oberman, Annelies Pieterman-Bos

April 8, 2026

ACA-bot

ACA-bot is an engaging chatbot designed for Automated Conversational Assessment (ACA). Drawing inspiration from traditional oral exams, this text-based conversational agent transforms assessment into a dynamic learning experience. It supports both formative and summative evaluation by offering students personalised feedback and guidance at every step of their learning journey. The first ACA-bot prototype focuses on assessing students’ understanding of basic statistical concepts, but its flexible design allows for easy adaptation to a wide range of subjects and learning contexts. Through interactive dialogue, students can practise explaining ideas clearly under exam-like conditions, apply their knowledge to new and challenging questions, and refine their reasoning as they respond to follow-up prompts. They gain valuable insights into their own understanding, identify areas for improvement, and gradually build confidence for both oral and written assessments. For educators, ACA-bot offers a powerful way to scale oral examinations and enhance formative assessment without increasing workload. It automates parts of the assessment process, provides structured and actionable insights into student performance, and opens the door to more personal, interactive feedback at scale. By combining the strengths of conversational AI and educational assessment, ACA-bot turns evaluation into a collaborative, insightful process. It empowers students to think aloud, reason more effectively, and grow, while giving educators a smarter, more innovative way to understand and support learning. ACA-bot is een slimme en inspirerende chatbot die onderwijs en Artificial Intelligence samenbrengt. Geïnspireerd door het klassieke mondelinge examen tilt deze tekstgebaseerde gespreksagent Automated Conversational Assessment naar een nieuw niveau. Studenten krijgen via natuurlijke gesprekken directe, persoonlijke feedback en begeleiding, waardoor leren en toetsen samenvloeien in één boeiende ervaring. Het prototype van ACA-bot is ontwikkeld om kennis over statistiek te beoordelen, maar dankzij het flexibele ontwerp kan het systeem eenvoudig worden aangepast aan andere vakgebieden en toepassingen. Tijdens interactieve dialogen leren studenten helder uitleg geven, hun kennis toepassen op nieuwe vragen en hun redenering aanscherpen. Ze ontdekken waar hun begrip nog verdiept kan worden en groeien zichtbaar in zelfvertrouwen — waardevolle voorbereiding op zowel mondelinge als schriftelijke examens. Ook voor docenten biedt ACA-bot een slimme oplossing. Het maakt mondelinge toetsing schaalbaar, ondersteunt formatieve beoordeling via gesprek, en vermindert de werkdruk door delen van het beoordelingsproces te automatiseren. Bovendien geeft het gestructureerde inzichten in de voortgang en denkwijze van studenten, waardoor elke dialoog bijdraagt aan beter onderwijs. ACA-bot laat zien hoe Automated Conversational Assessment het leren persoonlijker, interactiever en effectiever maakt. Studenten denken hardop, verkennen hun eigen begrip, en verbeteren met vertrouwen — terwijl docenten op een innovatieve, datagedreven manier inzicht krijgen in hoe kennis werkelijk wordt begrepen.

App

Aki Härmä, Julie Bauer

February 12, 2026

Stappenplan + toelichting Taalbewuste Leeruitkomsten (NL en Engels)

Een stappenplan waar je meteen mee aan de slag kunt bij het beschrijven van taalbewuste leeruitkomsten en uitgangspunten voor het ontwerpen van het bijbehorende onderwijs voor een opleiding. Inclusief voorbeelden ter illustratie en tips voor de vervolgstappen: het toepassen van Taalbewust onderwijs als ontwerpprincipe.

Document

Annemarie Borst