De impact van artificiële intelligentie (AI) op evaluaties binnen het hoger onderwijs is onmiskenbaar. Hoe ontwerp je evaluaties die bestand zijn tegen het gebruik van AI-tools door studenten? Of hoe zet je AI-tools zinvol in binnen je evaluatie? We bespreken strategieën om ervoor te zorgen dat de resultaten eerlijk en authentiek blijven. Ook hebben we aandacht voor het herkennen van fouten zoals hallucinaties en bias. Dit fenomeen treedt op wanneer AI-systemen onjuiste of zelfs volledig verzonnen informatie genereren. We bekijken hoe je als docent kunt herkennen wanneer AI hallucinaties bevat in door studenten ingeleverde teksten of analyses, en wat dit betekent voor de validiteit van hun werk. AI-systemen zijn daarnaast ook gevoelig voor vooroordelen die kunnen worden ingebakken in hun algoritmes en trainingsdata, bias. We behandelen de manieren waarop deze bias zich kan manifesteren, zoals stereotypering of bevooroordeelde conclusies, en hoe dit de eerlijkheid van evaluaties kan aantasten.