Toelatingschatbots: wat het gepubliceerde onderzoek zegt

Wat het onderzoek aantoont

Gepubliceerd onderzoek laat zien dat een gespreksassistent via sms toegelaten kandidaten kan helpen hun formaliteiten vóór de start af te ronden. Het laat niet zien dat een chatbot op de website van een hogeschool of universiteit het aantal inschrijvingen verhoogt. De sterkste studies komen uit de Verenigde Staten, testen berichten van de instelling aan reeds toegelaten studenten en gebruiken niet-generatieve AI.

Over de methode: er was geen betaalde tool voor zoekvolume beschikbaar, dus het onderwerp is afgebakend met openbare zoekresultaten. Elke studie hieronder is teruggevoerd op de bron. Geen enkel cijfer komt van Skolbot of uit klantgegevens.

Georgia State: de enige grote studie naar een toelatingschatbot

Page en Gehlbach blijven de referentie. In 2016 zette Georgia State „Pounce” in, een sms-assistent die met een leverancier is gebouwd om toegelaten studenten door de zomer te begeleiden: financiële steun, vaccinatiebewijzen, cijferlijsten, vakkeuze.

De toegelaten studenten werden willekeurig toegewezen aan de berichtengroep of de controlegroep. Bij wie zich had gecommitteerd steeg de tijdige inschrijving met 3,3 procentpunt. De auteurs noemen dat vergelijkbaar met zwaardere eerdere interventies, met veel minder werk voor het personeel.

Twee beperkingen. Het effect gaat over het afronden van taken ná toelating, niet over de keuze om je aan te melden of een opleiding te kiezen. En de studie dateert van 2016, ruim vóór de huidige generatieve assistenten; het resultaat geldt niet zonder meer voor een open generatieve chatbot.

Summer melt: gerichte sms werkt waar hulp schaars is

Vóór chatbots testten Castleman en Page persoonlijke sms bij schoolverlaters met een laag inkomen. De uitkomsten verschilden per locatie: positief op drie van vier, nul in Boston, waar leerlingen al veel hulp van school en organisaties kregen.

Voor een instelling betekent dit dat het effect van een geautomatiseerd bericht afhangt van wat de kandidaat anders zou hebben gekregen. Waar een adviseur snel antwoordt, is de meerwaarde klein.

Doelgroepbepaling verandert de uitkomst

Nurshatayeva, Page, White en Gehlbach herhaalden de opzet van Georgia State aan een andere universiteit (4.442 studenten). Het totaaleffect op het accepteren van een lening was circa 4 punten, circa 8 bij eerstegeneratiestudenten, met circa 3 punten op vakinschrijving en inschrijving.

De auteurs concluderen dat proactief contact het meeste oplevert bij kandidaten met de minste steun van thuis of school. Het deel van hun project bij een community college kon bovendien niet goed worden uitgevoerd door ontbrekende mobiele nummers. De kwaliteit van contactgegevens beperkt een studie net zo goed als een uitrol.

Buiten de toelating: vak-chatbots laten een vergelijkbaar patroon zien

Meyer, Page en medeauteurs testten een niet-generatieve chatbot in bachelorvakken met vooraf geregistreerde gerandomiseerde studies. De berichten verhoogden eindcijfers en het gebruik van studieondersteuning. De effecten waren vergelijkbaar tussen demografische groepen, behalve bij vrouwen in een vak micro-economie, die ongeveer zeven procentpunt hoger scoorden.

Dit gaat over ingeschreven studenten. Het toont het patroon „kort bericht, concrete taak, juiste moment”, maar meet niets over het werven van aspirant-studenten.

Het tegenvoorbeeld: niet elke nudge werkt

Oreopoulos en Petronijevic volgden bijna 25.000 studenten op drie campussen. Online coaching en sms verbeterden welzijn en studietijd een beetje, maar geen enkele interventie veranderde de studieresultaten significant.

Dat nuanceert de rest: berichten werken beter bij een precieze administratieve taak met een deadline dan bij vage gedragsverandering. Page en collega's komen in hun analyse van de voorwaarden voor nudging tot een vergelijkbare conclusie.

Wat het onderzoek niet zegt

Het zegt niets over een generatieve chatbot op de website van een instelling die vragen van aspirant-studenten beantwoordt. Wij vonden geen gepubliceerde gerandomiseerde studie, in Nederland of elders, die het effect op aanmeldingen of inschrijvingen meet.

Ook kun je een Amerikaans percentage niet zomaar op een Nederlandse hogeschool toepassen. In de VS moet een toegelaten student zelf een reeks stappen doorlopen. In Nederland loopt de aanmelding voor de meeste opleidingen via Studielink met vaste deadlines, en het hbo en wo kennen een eigen studiekeuzecheck; veel van de onderzochte drempels bestaan zo niet.

Tot slot beschrijven de studies assistenten die door onderzoeksteams zijn ontworpen en bewaakt. Een product zonder die zorgvuldigheid heeft geen gegarandeerd resultaat.

Wat het betekent voor een Nederlandse instelling

Het juridische kader weegt zwaarder dan de gemeten effecten. De AVG geldt voor elk bericht aan een kandidaat, en de Autoriteit Persoonsgegevens verwacht transparantie, dataminimalisatie en een grondslag. Bij minderjarigen moet de informatie begrijpelijk blijven.

De Europese AI-verordening rekent systemen die de toegang tot onderwijs bepalen tot hoog risico. Een assistent die informeert beslist niet; een tool die aanmeldingen scoort of rangschikt komt in de buurt. De toelatingsbeslissing blijft bij mensen. Voor de kwaliteit van opleidingen kijkt men naar de NVAO.

Vier praktische punten:

• Richt je op taken met een datum: ontbrekende documenten, data van open dagen, betaaldeadlines, gesprekken. Daar vinden studies effect.
• Richt je op kandidaten met de minste steun in plaats van iedereen hetzelfde bericht te sturen.
• Regel contactgegevens en toestemming vóór de uitrol.
• Meet met een controlegroep: een willekeurige steekproef krijgt geen bericht, daarna vergelijk je de inschrijvingen.

Lees verder in onze gids over AI-agenten voor studentenwerving, de definitie van een AI-toelatingsagent, het artikel over yield management en uitval na toelating en de gids over de AI-chatbot voor studentenwerving.