29 juli 2025

Introductie van de studiemodus

Een nieuwe manier van leren in ChatGPT die stapsgewijze begeleiding biedt in plaats van snelle antwoorden.

Bezig met laden...

Vandaag introduceren we de studiemodus in ChatGPT: een leerervaring die je helpt om problemen stap voor stap op te lossen in plaats van alleen maar een antwoord te krijgen. Vanaf vandaag is deze modus beschikbaar voor gebruikers van Free, Plus, Pro en Team, en binnen enkele weken ook in ChatGPT Edu.

ChatGPT is een van de meest gebruikte leermiddelen ter wereld aan het worden. Studenten gebruiken het om uitdagende huiswerkproblemen op te lossen, zich voor te bereiden op examens en nieuwe concepten te verkennen. Maar het gebruik ervan in het onderwijs heeft ook een belangrijke vraag opgeworpen: hoe zorgen we ervoor dat het wordt gebruikt om echt leren te ondersteunen, en niet alleen oplossingen biedt zonder studenten te helpen deze te begrijpen?

We hebben de studiemodus ontwikkeld om deze vraag te helpen beantwoorden. Wanneer studenten de studiemodus gebruiken, krijgen ze begeleidende vragen te zien die de antwoorden afstemmen op hun doel en vaardigheidsniveau, zodat ze een beter begrip kunnen opbouwen. De boeiende en interactieve studiemodus is bedoeld om studenten te helpen iets te leren, niet alleen taken te voltooien.

Ontwikkelingsfase van de studiemodus

De studiemodus wordt aangestuurd door aangepaste systeeminstructies die we hebben geschreven in samenwerking met docenten, wetenschappers en pedagogische experts. Deze instructies komen overeen met enkele kerngedragingen die een diepgaander leerproces ondersteunen, zoals:actieve deelname stimuleren, de cognitieve belasting beheren, proactief metacognitie en zelfreflectie ontwikkelen, nieuwsgierigheid bevorderen en bruikbare en ondersteunende feedback geven. Deze gedragingen zijn gebaseerd op langdurig onderzoek in de leerwetenschap en bepalen hoe de studiemodus op studenten reageert.

"In plaats van het werk voor hen te doen, moedigt de studiemodus studenten aan om kritisch na te denken over hun leerproces. Functies als deze zijn een positieve stap op weg naar effectief gebruik van AI voor het leerproces. Zelfs in het AI-tijdperk blijft het beste leerproces een proces wanneer studenten enthousiast zijn over en actief bezig zijn met de lesstof." – Robbie Torney, Senior Director AI Programs bij Common Sense Media.

Belangrijkste functies

Interactieve prompts: Combineert Socratische vragen, hints en zelfreflectie om het begrip te sturen en actief leren te bevorderen in plaats van direct antwoorden te geven.

Gestructureerde antwoorden De informatie is opgedeeld in gemakkelijk te volgen onderdelen, waarin de belangrijkste verbanden tussen onderwerpen worden behandeld. Hierdoor blijft de informatie boeiend met precies de juiste hoeveelheid context, zodat studenten minder snel worden overweldigd door complexe onderwerpen.

Gepersonaliseerde ondersteuning De lessen worden afgestemd op het juiste niveau voor de gebruiker, op basis van vragen die het vaardigheidsniveau en het geheugen van eerdere chats beoordelen.

Kennistoetsen: Quizzen en open vragen, gecombineerd met persoonlijke feedback om de voortgang bij te houden, ondersteunen het behoud van kennis en het vermogen om die kennis in nieuwe contexten toe te passen.

Flexibiliteit: Schakel de studiemodus eenvoudig in en uit tijdens een gesprek, zodat je je flexibel kunt aanpassen aan je leerdoelen in elk gesprek.

Gebruik van de studiemodus door studenten

De studiemodus is bedoeld voor studenten. Hier is wat feedback die we tijdens de eerste testfase hebben ontvangen:

“De beste omschrijving die ik ervan kan geven, is: een live, 24/7 beschikbare kennisbron.” – Noah Campbell, student in het hoger onderwijs

“De studiemodus heeft uitstekend werk geleverd door complexe materie op te splitsen in duidelijke, goed gestructureerde uitleg. —Caleb Masi, student in het hoger onderwijs

"Ik heb de studiemodus getest en gevraagd om me een concept bij te brengen dat ik al vaak heb geprobeerd te leren: sinusvormige positiecoderingen. Het voelde als een docent die mijn vragen niet beu wordt. Na een werksessie van 3 uur begreep ik het eindelijk goed genoeg om er vertrouwen in te hebben." —Maggie Wang, student in het hoger onderwijs

Manieren om de studiemodus te gebruiken, geïnspireerd door studenten van het ChatGPT‑lab

I want to learn about Game Theory, specifically the broad spectrum that the field entails, then also the ways in which you think it'd be useful for me to understand in my daily life. I want you to of course follow my curiousity, but mostly you will be teaching me about it, and keeping a high level plan to iterate through so I can cover the full scope here. I will ask questions when I am curious, but be deadset on quickly educating me on this.

Perfect. Here’s the high-level plan I’ll drive us through—think of it as a layered roadmap from foundational ideas to practical intuition:

🔹 Phase 1: Core Foundations

1. What is Game Theory, really?

Strategic interaction, rational agents, assumptions.

2. Types of Games

Cooperative vs non-cooperative
Simultaneous vs sequential
Zero-sum vs non-zero-sum

3. Basic Concepts

Players, strategies, payoffs, information
Dominant strategies
Nash equilibrium (core to nearly everything)

🔸 Phase 2: Classic Games & Concepts

4. Famous Games

Prisoner’s Dilemma
Chicken
Battle of the Sexes
Stag Hunt
Matching Pennies

5. Mixed Strategy Equilibria

When no pure strategy works
Randomization and expected payoffs

🔹 Phase 3: Deepening the Model

6. Repeated Games & Folk Theorems

Cooperation emerging over time
Tit for Tat, Grim Trigger, etc.

7. Extensive-Form Games

Game trees, backward induction
Subgame Perfect Equilibria

8. Bayesian Games

Games with incomplete information
Beliefs, types, and expected utility

🔸 Phase 4: Real-Life Relevance

9. Mechanism Design / Reverse Game Theory

Voting systems, auctions, contracts

10. Behavioral Game Theory

Bounded rationality, fairness, heuristics

11. Daily Life Applications

Negotiation, dating, politics, AI systems, etc.

🔹 Phase 5: Advanced & Optional

12. Evolutionary Game Theory

Strategies that reproduce over time

13. Algorithmic Game Theory

Network effects, internet auctions

14. Your world: How it matters to Parker

Systems design, incentives, power structures

Throughout this, I’ll mix in:

🔄 Guided examples
🧠 Thought experiments
🎭 Real-life situations to map theory onto
🧩 Quick checks to make sure ideas are sticking

Let’s kick off Phase 1.
First quick one: In your own words, what do you think Game Theory is about? No need to be polished—just get it out.

I think Game Theory is sort of this meta aspect framing of modern society in life where we look at people in situations and complex systems and we try to analyze how people in them make decisions, sometimes why they make it, and how this affects the situation/system

Nice—you're already circling the core.

Let’s sharpen it a bit together. Game Theory is fundamentally about strategic decision-making—situations where the outcome for each person depends not just on what they do, but on what others do too.

So real quick:

If you’re making a decision and it depends entirely on nature or chance—like a dice roll—is that Game Theory?

And then:

If you’re making a decision and it depends on what someone else does—like whether they cooperate or betray you—is that Game Theory?

Walk me through your thinking on both.

No random chance isn't game theory, though agents in game theory may end up having things depend on random chance. But if youre decision matters then of course it is. Also please remember you should be teaching this to me, via paragraphs of information and moving through a high level plan. If I want to do interactions and questions, I will ask. Continue

Got it—I'll stay in teaching mode and drive forward through the roadmap unless you tap in.

📍Phase 1: Core Foundations — What Game Theory Is

At its heart, Game Theory studies strategic interactions: any situation where the outcome for each agent (person, company, nation, etc.) depends on the actions of others. It’s not about games in the traditional sense, but rather any “game” where decisions must be made in the presence of others who are also making decisions.

Key Assumptions (Classical Game Theory):

1. Rational agents – Everyone acts to maximize their own utility (whatever that means to them).

2. Strategic thinking – Agents consider what others might do before acting.

3. Common knowledge – Everyone knows the rules, the payoffs, and that everyone is rational (though later variants relax this).

🧩 Core Building Blocks

Here are the elements every formal game model needs:

Players – The decision-makers.
Strategies – The complete set of actions each player could take.
Payoffs – The outcomes (usually represented numerically) each player receives depending on the combination of strategies chosen.
Rules of play – Whether players move simultaneously or in turns, whether they see each other’s moves, whether they play once or repeatedly.

These get framed into a “game form”, and from there, you look for solutions—most famously, Nash equilibrium (more on that soon).

🎲 Quick Clarification: Game Theory vs Probability

You're exactly right—pure chance (like dice) isn’t Game Theory. That’s probability theory. But if you are choosing a strategy knowing that others may randomize their own moves? That’s Game Theory.

For example: in rock-paper-scissors, the “optimal” strategy is not deterministic—it’s a mixed strategy, which involves randomizing your choices. But you’re doing so strategically, in response to an opponent.

🧠 Where We’re Going Next

Next up, I’ll walk through types of games (Phase 1 continued), then move into dominant strategies and Nash equilibrium to set up the first actual game analysis.

Let me know if you want to pause, go deeper, or shift gears—but otherwise I’ll keep pressing forward.

I like the rock paper scissors example. Keep going, connecting to my life where possible. want to internalize this to be a better person/decision maker

Aan de slag gaan

De studiemodus is vooral handig voor hulp bij huiswerk, voorbereiding op toetsen en het leren van nieuwe onderwerpen. Als je de studiemodus wilt proberen, selecteer je ‘Studeren en leren’ in de tools van ChatGPT en stel je een vraag.

Beperkingen en toekomstige ontwikkelingen

Dit is de eerste stap in een langer traject voor betere leerprocessen in ChatGPT. Tegenwoordig wordt de studiemodus aangestuurd door aangepaste systeeminstructies. We hebben voor deze aanpak gekozen omdat we hiermee snel kunnen leren van de feedback van studenten en de ervaring kunnen verbeteren, zelfs als dit leidt tot inconsistent gedrag en fouten in de gesprekken. We zijn van plan om dit gedrag direct in onze hoofdmodellen te trainen, zodra we door herhaling en feedback van studenten hebben geleerd wat het beste werkt.

We onderzoeken ook functionaliteiten om de studiemodus aantrekkelijker en nuttiger te maken voor studenten, bijvoorbeeld:

Duidelijkere visualisaties voor complexe of voornamelijk op teksten gebaseerde concepten
Doelen stellen en voortgang volgen tijdens gesprekken
Diepgaandere personalisatie, afgestemd op het vaardigheidsniveau en de doelen van elke student

Wat de beste manier is om AI in het onderwijs toe te passen, is nog in volle evolutie. OpenAI maakt verder onderzoek naar leren en AI met verschillende partners mogelijk via het NextGenAI⁠-initiatief. Hierbij wordt samengewerkt met experts van het SCALE-initiatief van het Accelerator for Learning-programma van Stanford University⁠(opent in een nieuw venster) om te onderzoeken en te delen hoe AI-tools de leerresultaten beïnvloeden op gebieden zoals het basis- en voortgezet onderwijs.

Terwijl we langetermijnonderzoek doen naar hoe studenten het beste leren met AI, willen we een diepgaandere analyse publiceren van wat we hebben geleerd over de verbanden tussen modelontwerp en cognitie. Ook willen we toekomstige productervaringen vormgeven op basis van deze inzichten en nauw samenwerken met het bredere onderwijsecosysteem om ervoor te zorgen dat AI voordelen biedt aan studenten over de hele wereld.

Auteur

OpenAI

Andere interessante artikelen

Alles weergeven

Introducing the OpenAI Partner Network

Product14 jun 2026

Better memory for a more helpful ChatGPT

Dreaming: Better memory for a more helpful ChatGPT

Onderzoek4 jun 2026

Nieuwe mogelijkheden voor GPT-Rosalind

Product3 jun 2026