Controleren UC's op AI? Wat elke kandidaat en student moet weten

Controleren UC's op AI? Het korte antwoord

Ja — het University of California-systeem controleert op AI in twee verschillende contexten: toelatingsaanvragen en cursuswerk van ingeschreven studenten. Op het niveau van toelating hebben meerdere UC-campussen het gebruik van commerciële AI-detectietools voor het screenen van persoonlijke perspectievvragen (PIQ's) en overdracht persoonlijke verklaringen bevestigd. Op het niveau van cursuswerk hebben UC-campussen met Turnitin-sitelicenties automatisch toegang tot Turnitin's AI Writing Indicator, die ingediende artikelen markeert wanneer deze tekst bevatten die consistent zijn met AI-generatie. De vraag of UC's op AI controleren heeft geen enkel uniform antwoord omdat het UC-systeem negen campussen omvat die een toelatingsplatform en een beleidsregel voor academische integriteit op systeemniveau delen, maar hun detectieprogramma's onafhankelijk uitvoeren. UC San Diego en UC Davis zijn het meest transparant geweest over actieve AI-detectie in toelating; UC Berkeley en UCLA steunen sterk op het oordeel van getrainde lezers naast tools; kleinere campussen zoals UC Riverside en UC Merced vallen onder dezelfde systeemregels maar hebben minder gepubliceerd over hun specifieke detectie-infrastructuur. Het consistente element op alle campussen is de regel: het indienen van AI-gegenereerde inhoud als je eigen werk of dat van de student schendt de academische integriteitsnormen van de UC en kan gevolgen veroorzaken, variërend van afwijzing van aanvragen tot academische verwijdering.

"Ongeacht het specifieke tool dat elke campus gebruikt, behandelen alle negen UC-campussen voor bachelorstudies AI-gegenereerde inhoud in aanvraag- en cursusmateriaal als een schending van academische integriteit." — Office of the President, University of California, 2024

AI-detectie in UC-toelating: Hoe het systeem werkt

De UC-toepassing — het gedeelde platform waarvia alle negen campussen toelatingsaanvragen voor eerstejaars en overstap ontvangen — voert geen AI-detectie uit op het moment van indiening. In plaats daarvan vindt detectie plaats tijdens het holistisch beoordelingsproces van elke individuele campus. Wanneer aanvragen op het toelatingsadministratiekantoor van een campus aankomen, worden lezers aangesteld om PIQ's zowel kwalitatief als, waar detectietools in gebruik zijn, met verwijzing naar AI-waarschijnlijkheidsscores te evalueren. Campussen die publiekelijk AI-detectie in toelating hebben bevestigd, hebben een gefaseerd proces beschreven: geautomatiseerde screening wijst een risicoscore aan elk essay toe, en die boven een drempel worden geëscaleerd naar senior-lezers voor kwalitatieve evaluatie. Senior-lezers zijn getraind om niet alleen statistische AI-signalen te herkennen, maar ook de kwalitatieve markers die AI-gegenereerde essays onderscheiden van menselijk schrijven — het ontbreken van specifieke herinneringen, de generieke behandeling van uitdagingen die specificiteit vereisen, en de bijzondere gladheid van AI-proza dat de natuurlijke variatie van een student onder druk mist. UC-campussen die geen geautomatiseerde detectietools gebruiken, vertrouwen nog steeds op readertraining om AI-gegenereerde essays op te sporen. UC Berkeley ontvangt jaarlijks meer dan 100.000 eerstejaarscandidaturen, een volume dat enige vorm van pre-screening praktisch noodzakelijk maakt. Of Berkeley nu commerciële tools gebruikt of systematische readerprotocollen toepast, het effect is hetzelfde: essays die als AI-gegenereerd lezen, krijgen extra controle en dragen veel minder waarschijnlijk positief bij aan een toelatingsuitkomst.

Welke UC-campussen controleren het meest actief op AI?

Van de negen UC-campussen voor bachelorstudies zijn drie bijzonder transparant geweest over hun AI-detectiebenadering in toelating, en het begrijpen van hun specifieke standpunten helpt kandidaten hun verwachtingen in het hele systeem af te stemmen. UC San Diego heeft expliciet het gebruik van commerciële AI-detectiesoftware in zijn PIQ-beoordelingen bevestigd. Bij UCSD gaan gemarkeerde essays onmiddellijk naar senior-readersevaluatie in plaats van via standaardevaluatie te gaan, wat betekent dat AI-detectie materieel invloed heeft op hoe een aanvraag wordt behandeld in plaats van gewoon achtergrondgegevens te leveren. UC Davis publiceerde in 2024 begeleiding voor kandidaten die direct ingaat op AI-gebruik in PIQ's, waarbij studenten wordt geadviseerd dat essays onderhevig zijn aan AI-screening en hen wordt aangemoedigd contact op te nemen met toelating als zij vragen over het beleid hebben. Het feit dat UC Davis ervoor koos dit publiekelijk bekend te maken, suggereert een opzettelijke afschrikstrategie — de universiteit wil dat kandidaten weten dat het onderzoek plaatsvindt. UC Irvine heeft AI-beleidseducatie opgenomen in het bereik van prospectieve studenten, inclusief discussies in informatiesessies en campusgebeurtenissen. Dit suggereert dat AI-detectie bij UCI wordt behandeld als een kwestie die proactief moet worden aangepakt in plaats van de feiten achter de hand af stiekem af te handelen. UC Berkeley heeft, ondanks het ontvangen van de meeste aanvragen in het systeem, geen specifieke detectietools bekendgemaakt, maar heeft uitgebreide trainings- programma's voor lezers bevestigd. UCLA heeft een soortgelijke benadering aangenomen. UC Santa Barbara, UC Santa Cruz, UC Riverside en UC Merced hebben minder over hun specifieke detectiemethoden gepubliceerd, maar vallen allemaal onder het UC-brede beleid en passen allemaal holistische evaluatiekaders toe die getrainde lezers kunnen gebruiken om AI-gegenereerde schrijven te identificeren.

1. UC San Diego: bevestigde commerciële AI-detectietools in PIQ-evaluatie; gemarkeerde essays onmiddellijk geëscaleerd
2. UC Davis: expliciete begeleiding voor kandidaten over AI-screening in PIQ's
3. UC Irvine: proactieve AI-beleidseducatie voor prospectieve studenten op bereikgebeurtenissen
4. UC Berkeley: uitgebreide trainings- programma's voor lezers; meer dan 100.000 aanvragen per jaar vereisen systematische evaluatie
5. UCLA: nadruk op readertraining; AI-gebruik behandeld als integriteitsovertreding op beleidsniveau
6. UC Santa Barbara, Santa Cruz, Riverside, Merced: UC-brede beleid van toepassing; specifieke detectie-infrastructuur minder gepubliceerd

AI-detectie in UC-cursuswerk: Turnitin en verder

De vraag of UC's op AI controleren strekt zich uit voorbij toelating tot de klaslokaal, en het antwoord daar is even duidelijk: ja, ingeschreven studenten worden geconfronteerd met AI-detectie op hun ingediende werk in elke UC-campus. Het primaire mechanisme is Turnitin's AI Writing Indicator, die beschikbaar is voor alle UC-campussen via de UC's systeembrede Turnitin-licentie. Wanneer docenten Turnitin gebruiken voor plagiaatdetectie — een standaardpraktijk in alle departementen op alle UC-campussen — wordt de AI Writing Indicator automatisch naast de originele check uitgevoerd en wijst elk inzending een percentagescore toe die aangeeft hoeveel van de tekst naar schatting door AI is gegenereerd. Docenten ontvangen deze scores als onderdeel van het Turnitin-rapport. Individuele docenten hebben discretie over hoe zij de AI-score gebruiken: sommigen behandelen alles boven een drempel als reden voor onderzoek, anderen gebruiken het als een gegeven onder vele in hun holistisch beoordelingspunt van de opdracht, en sommigen hebben ervoor gekozen er niet op te vertrouwen gezien bezorgdheid over faux positieven. Wat studenten moeten begrijpen is dat zij doorgaans niet kunnen bepalen of hun docent actief op de AI-score controleert of niet. Sommige UC-departementen zijn ook begonnen te experimenteren met aanvullende detectietools buiten Turnitin. UC Berkeley's College of Engineering en UC San Diego's Jacobs School of Engineering hebben beide cursusspecifieke AI-integriteitsbeleidsregels geïmplementeerd die refereren aan detectie voorbij Turnitin, hoewel de specifieke tools niet altijd aan studenten worden geopenbaard. Schrijfintensieve cursussen in UC-geesteswetenschappdepartementen — waar AI-detectie het meest relevant is — gebruiken vaak een combinatie van Turnitin-scores, conceptusprocessen en klaslokaalschrijfcomponenten om een basislijn van authentiek studentenwerk vast te stellen waaraan ingediende artikelen kunnen worden vergeleken.

"De AI Writing Indicator in Turnitin is niet binair slagen/zakken — het wijst een percentage toe dat docenten in context interpreteren. Een score van 15% in een dicht technisch rapport betekent iets anders dan 15% in een persoonlijk reflectie-essay."

Welke AI-detectietechnologie gebruikt het UC-systeem?

De AI-detectie-infrastructuur van het UC-systeem is gebaseerd op drie lagen: commerciële detectieplatforms, readertraining en vergelijking met klaslokaalschrijfmonsters. Op het niveau van het commerciële platform is Turnitin's AI Writing Indicator het meest wijd ingezet op UC-campussen omdat het direct integreert met de Turnitin-workflow die de meeste departementen al gebruiken. Turnitin's detectiemodel analyseert ingediende tekst met behulp van perplexiteits- en burst-statistieken. Perplexiteit meet hoe voorspelbaar elke woordkeuze is gegeven de omringende context — AI-modellen selecteren consistent hoge-kans tokens, wat zorgt voor statistisch soepele tekst op manieren die menselijk schrijven zelden doet. Burst meet de variatie in zinlengte en complexiteit in het document — mensen schrijven met natuurlijke variatie in ritme, terwijl AI neigtiger naar meer metronomisch uniforme output. GPTZero en Copyleaks worden op enkele individuele campussen en in bepaalde departementcontexten als aanvullende tools gebruikt. Beide platforms gebruiken statistieken benaderingen die grotendeels gelijk zijn aan Turnitin, maar integreren detectiemodellen die zijn getraind op tekst van specifieke AI-systemen — wat betekent dat zij soms de karakteristieke stijlkenmerken van specifieke modellen zoals ChatGPT of Claude kunnen identificeren. Deze modelspecifieke patronen veranderen wanneer de onderliggende AI-systemen worden bijgewerkt, wat één reden is waarom detectietools continue retraining vereisen. De derde laag — vergelijking met klaslokaalschrijven — is bijzonder effectief in cursussen die zowel persoonlijke schrijfoefeningen als thuiswerk vereisen. Wanneer een docent het ongeassisteerde handgeschreven antwoord van een student kan vergelijken met een glanzend ingediend artikel, vertelt de kloof tussen die monsters zijn eigen verhaal onafhankelijk van elke detectiescore.

"Geen detectietool is perfect, en geen UC-campus behandelt een hoge AI-score als automatisch bewijs van een schending. Maar een combinatie van toolflags en kwalitatieve readersoordelen maakt een zinvol detectiesysteem."

Het UC-beleid voor academische integriteit over AI-schrijven

Het academische integriteitsbeleid van UC op systeemniveau is in 2024 bijgewerkt om expliciet AI-gegenereerde inhoud aan te pakken. Het beleid maakt onderscheid tussen drie categorieën AI-gebruik in academisch werk: toegestaan gebruik, geopenbaard gebruik en verboden gebruik. Toegestaan gebruik omvat AI-tools die worden gebruikt voor grammaticacorrectie, spellingscontrole en citaatopmaak — functies die geen substantieve inhoud genereren. Sommige docenten staan meer AI-ondersteuning toe dan deze basislijn toestaat, maar alleen wanneer zij dit expliciet hebben verklaard in hun cursusbeleid. Geopenbaard gebruik verwijst naar situaties waarin een student AI gebruikt om te helpen met concepten, brainstormen of schetsing en vervolgens dit gebruik in hun inzending openbaren. Sommige UC-cursussen en departementen hebben openbaringskaders aangenomen waarin studenten AI-ondersteuning kunnen gebruiken zolang zij de aard van die ondersteuning nauwkeurig beschrijven. Verboden gebruik is de categorie die academische integriteisovertredingen creëert: het indienen van AI-gegenereerde tekst als je eigen werk zonder openbaring, AI gebruiken om opdrachten in te vullen die expliciet als AI-vrij zijn aangemerkt, en AI in contexten gebruiken — zoals geproctoreerde examens of toelatingsessays — waar de verwachting van origineel werk absoluut is. In de tolatingscontext vallen alle UC's persoonlijke perspectievvragen en de overdracht persoonlijke verklaring stellig in de verboden categorie. De UC-toepassing voorziet niet in AI-openbaring, en de PIQ's zijn expliciet ontworpen om de eigen stem, ervaring en denkbeelden van de kandidaat weer te geven. AI gebruiken om PIQ-inhoud te genereren, substantieel te herzien of te parafraseren zonder openbaring, schendt UC's verwachtingen van eerlijke vertegenwoordiging in het toelatingsproces.

1. Toegestaan: grammaticacorrectie, spellingscontrole, citaatopmaak met AI-tools
2. Geopenbaard: AI-ondersteund schrijven wanneer de docent het expliciet toestaat en de student het gebruik documenteert
3. Verboden: AI-gegenereerde tekst indienen als origineel werk zonder openbaring
4. Verboden: AI gebruiken op AI-vrije opdrachten, geproctoreerde examens of toelatingsessays
5. Toelatingsessays: geen openbaringsprocedure — PIQ's moeten volledig het werk van de kandidaat vertegenwoordigen

Gevolgen van AI-detectie op UC-campussen

De gevolgen wanneer het UC-systeem AI-gebruik detecteert, variëren langs een spectrum afhankelijk van de context, de ernst van de overtreding en het reactieproces van de campus. Bij toelating loopt het bereik van stille afwijzing tot formele ontbinding. Een aanvraag die tijdens evaluatie is gemarkeerd voor AI-gegenereerde inhoud, ontvangt typisch extra controle van senior-lezers, en indien bevestigd, wordt de aanvraag afgewezen zonder dat de specifieke reden aan de kandidaat wordt bekendgemaakt. In sommige gevallen kan een sterke aanvraag die op andere punten concurrerend is, milder worden beoordeeld — de lezer overweegt of de AI-achtige kwaliteit voortkomt uit intensieve bewerking in plaats van massale generatie. Maar aanvragen waar AI-generatie het merendeel van de essaytekst lijkt uit te maken, worden ongeacht andere academische kwalificaties afgewezen. Afstanddoening na aanvaarding is een ernstiger gevolg dat sinds 2024 op meerdere UC-campussen is voorgekomen. Wanneer een aanvaarde kandidaat later wordt ontdekt AI-gegenereerde PIQ's te hebben ingediend — of doordat de campus een post-aanvaardingsaudit uitvoert of doordat het probleem zich aandient via een klacht — kan het toelatingsaanbod vóór inschrijving worden ingetrokken. Voor cursuswerk van ingeschreven studenten loopt het bereik van gevolgen van graduatiecijfer straffen tot academische schorsing. Een eerste overtreding voor een student zonder eerdere academische integriteitsgeschiedenis resulteert doorgaans in een onvoldoende cijfer op de opdracht, een aantekening in de academische integriteitsdatabase en een formele waarschuwing. Herhaalde overtredingen of zaken met uitgebreide AI-generatie over meerdere opdrachten kunnen resulteren in cursusfalen, academische voorwaarden of schorsing. Schorsingsuitkomsten maken deel uit van het academische dossier van de student en kunnen opspeurbaar zijn in achtergrondcontroles, aanvragen voor postgraduate studie en professionele licentieringsprocedures.

1. Stadium toelatingsevaluatie: gemarkeerde aanvragen geëscaleerd naar senior-lezers; resultaten met hoge zekerheid resulteren in afgewezen aanvraag
2. Post-aanvaardingsaudits: aanbiedingen ingetrokken voor inschrijving indien AI-generatie in aanvraagmaterialen wordt bevestigd
3. Eerste cursusovertreding: doorgaans een onvoldoende cijfer op de opdracht plus een waarschuwing in academisch dossier
4. Herhaalde cursusoverstredingen: cursusfalen, academische voorwaarden of schorsing
5. Schorsingsuitkomsten verschijnen in academische verslagen en kunnen aanvragen voor postgraduate studie en professioneel beïnvloeden

"De gevolgen van AI-detectie zijn niet abstract — zij kunnen van invloed zijn op de uitkomst van een aanvraag waaraan een student maanden heeft besteed voor te bereiden en, in geval van ingeschreven studenten, een permanent academisch dossier."

Hoe weet je of je schrijven een UC AI-controle kan triggeren

Zelfs studenten die volledig zonder AI-ondersteuning schrijven, produceren soms tekst die hoog scoort op AI-detectietools. Dit gebeurt om verschillende redenen. Uitgebreide bewerking — vooral wanneer gewerkt wordt met schoolcounselors, schrijftutoren of docenten die gedetailleerde regel-voor-regel feedback geven — kan de natuurlijke variatie in de stem van een student afvlakken, wat gepolijste proza oplevert die statistisch AI-achtig lijkt hoewel een mens het schreef. Studenten die schrijven in een formeel academisch register, gebruiken van nature voorspelbaarder vocabulaire en zinstructuren dan toevallige schrijvers, wat hun perplexiteitsscores richting het AI-bereik kan duwen. Studenten voor wie Engels een tweede taal is, lopen bijzonder risico op false positives omdat L2-academisch schrijven vaak formulaïschere constructies en minder idiomatische variatie gebruikt dan schrijven van moedertaalsprekers — precies het patroon dat detectietools associëren met AI. De praktische implicaties voor studenten die zich afvragen of UC's op AI controleren, zijn duidelijk: begrijpen dat false positives bestaan en weten hoe je ermee omgaat is even belangrijk als weten dat detectie plaatsvindt. Je PIQ's of cursuswerk door een onafhankelijke AI-detector halen voordat je inzendt, geeft je een beeld van hoe de tekst waarschijnlijk door de tools die UC gebruikt zal worden gelezen. Passages die hoog scoren, kunnen worden herzien om meer natuurlijke variatie terug te brengen — kortere zinnen gemengd met langere, meer specifieke woordkeuzes, overgangen die je werkelijk denkproces weerspiegelen in plaats van generieke verbindingsfrasen. Het doel van dit soort zelfcontrole is niet om een detectiesysteem te slim af te zijn, maar om ervoor te zorgen dat je authentieke stem duidelijk doorkomt in de ingediende tekst.

1. Zwaar bewerkte essays kunnen AI-gegenereerd lijken, zelfs als ze volledig door een mens zijn geschreven — intensieve polijst verwijdert natuurlijke variatie
2. Formele academische schrijfstijl gebruikt van nature meer voorspelbare structuren die hogere AI-scores kunnen triggeren
3. ESL-schrijvers hebben hoger risico op false positives vanwege formulaïsche constructies in L2-academisch schrijven
4. Voer je voltooide tekst door een onafhankelijke AI-detector voordat je inzendt om risicovolle passages te identificeren
5. Herzien gemarkeerde secties om zinlengtevariatie, specifieke woordkeuzes en natuurlijke overgangen terug te brengen
6. Vraag iemand die je stem kent om te bevestigen dat de eindversie nog steeds als jij klinkt

UC-toelatingsessays en cursuswerk schrijven dat authentiek werk weerspiegelt

Het meest duurzame antwoord op de vraag of UC's op AI controleren, is niet een detectiestrategie, maar een schrijfbenadering. Essays en werk die werkelijk studentwerk zijn — geschreven vanuit echte ervaring en ontwikkeld door echt denken in plaats van AI-generatie — produceren tekst die inherent beter bestand is tegen detectiebedenken omdat de specificiteit en variatie die authentiek schrijven kenmerken, precies wat detectietools niet gemakkelijk als AI kunnen identificeren. Voor UC's persoonlijke perspectievvragen betekent dit schrijven naar specifieke herinneringen in plaats van naar argumenten. De PIQ's die het meest menselijk lezen, zijn degenen die rond een bepaald moment zijn opgebouwd: een gesprek dat iets veranderde, een besluit onder druk, een project dat mislukte voordat het werkte. Deze specifieke momenten dragen het soort onherhaalbare detail — een naam, een plaats, een fysiek gevoel, een onverwacht resultaat — dat AI niet kan genereren omdat AI geen geheugen heeft. Wanneer kandidaten zich afvragen of UC's op AI controleren en vervolgens proberen een benadering in te bouwen die detectie zal doorstaan, missen zij het bruikbaarste inzicht: de schrijfbenadering die het meest betrouwbaar detectie passeert, is dezelfde schrijfbenadering die het meest betrouwbaar een overtuigend essay produceert. Voor UC-cursuswerk geldt hetzelfde beginsel. Artikelen gebouwd op echte betrokkenheid bij het cursusmateriaal — waarbij de analyse de werkelijke confrontatie van de student met de lezingen, problemen, colleges weerspiegelt — produceren een kwaliteit van denken die herkenbaar anders is van AI-gegenereerde synthese, die meestal accuraat en georganiseerd is, maar de markeringen van persoonlijk intellectueel engagement mist. Docenten die dezelfde materie semester na semester onderwijzen, ontwikkelen sterke intuïties over het verschil tussen een student die door ideeën werkt en een AI die ze samenvatten.

1. Voor PIQ's: begin met een lijst specifieke momenten die je vormden in plaats van argumenten die je wilt maken
2. Bouw elk essay rond onherhaalbaar detail — echte namen, echte plaatsen, echte uitkomsten en gevoelens
3. Schrijf eerst naar de herinnering; laat de betekenis uit het verslag voortvloeien in plaats van het van boven op te leggen
4. Voor cursuswerk: directe betrokkenheid met toegewezen materiaal in plaats van synthese vanuit algemene kennis
5. Laat je analyse bewijzen van specifieke lezingen, colleges en discussies — niet alleen het onderwerp in het algemeen
6. Behoud natuurlijke variatie in je zinlengte en structuur door revision in plaats van het te verwijderen

"De PIQ's die opvallen zijn altijd degenen waar je kunt zeggen dat alleen deze persoon, in deze situatie, dit essay kon schrijven. Dat is het tegenovergestelde van wat AI produceert — en het is ook het tegenovergestelde van wat detectietools markeren."

Je werk zelfcontroleren vóór UC-inzending

Gezien het feit dat het antwoord op de vraag of UC's op AI controleren ja is in zowel toelatingssituaties als cursuswerksituaties, is de meest praktische stap die elke student vóór inzending naar een UC-platform kan nemen, eerst hun eigen werk controleren. Je PIQ's of cursuswerk door een onafhankelijke AI-detectietool halen, geeft je een vooruitblik van hoe de tekst waarschijnlijk door de tools die UC-campussen gebruiken zal worden geïnterpreteerd. De belangrijke voorbehoud is dat verschillende detectietools verschillende onderliggende modellen gebruiken en verschillende scores voor dezelfde tekst zullen opleveren — een passage die GPTZero vlaggt, kan laag scoren op Turnitin en omgekeerd. Deze variabiliteit is op zich informatief: een tekst die hoog scoort op meerdere onafhankelijke detectietools, loopt statistisch groter risico om door welke tool je UC-campus ook gebruikt als AI-achtig te worden gelezen dan een tekst die hoog scoort op slechts één. Tools zoals NotGPT kunnen je ingediende tekst doorzoeken en de specifieke passages markeren die het meest geassocieerd zijn met AI-generatie, wat je gerichte feedback geeft over waar je moet herziening in plaats van gewoon een enkele waarschijnlijkheidsscore. Voor kandidaten is het beste moment om deze controle uit te voeren na je laatste ronde bewerking, maar voor je de essaytekst naar het UC-toelatingsportaal brengt. Op dat moment kunnen gerichte herzieningen van gemarkeerde passages de natuurlijke variatie herstellen die uitgebreide bewerking soms verwijdert. Voor ingeschreven studenten voert het uitvoeren van cursusartikelen via een zelfcontroletool vóór inzending via je campus' learningmanagementsysteem je een gelegenheid om passages waar AI-achtig taalgebruik zich tijdens schrijven of herziening in mocht hebben geslopen, te detecteren.

1. Plak je voltooide tekst in een onafhankelijke AI-detectietool vóór UC-inzending
2. Vergelijk scores van meer dan één tool — tekst die op meerdere tools hoog scoort, is hoger risico
3. Bekijk gemarkeerde passages en evalueer of zij voldoende specifiek en persoonlijk detail bevatten
4. Herzien gemarkeerde secties voor natuurlijke zinlengtevariatie en meer specifieke woordkeuzes
5. Bevestig dat de herziene versie nog steeds samenhangend leest en als je natuurlijke stem klinkt
6. Zend alleen in nadat je hebt bevestigd dat de tekst nauwkeurig je eigen denken en ervaring weerspiegelt