Wat een AI-berichtenchecker kan checken, en hoe je het zelf doet

Zocht je op een AI-berichtenchecker, dan heb je het bericht waarschijnlijk al klaarstaan. Het staat in het tekstvak, je hebt het al zes keer gelezen, en er is niets concreet mis mee. Het voelt gewoon niet lekker. Te kil, of te veel, of defensief op een manier die je niet precies kunt benoemen.

Een AI-berichtenchecker leest een bericht dat je al geschreven hebt en laat zien hoe de formulering kan overkomen voor je het verstuurt. Sommige herschrijven daarna ook. Het checken is het onderdeel dat ertoe doet, en het is het onderdeel dat de meeste tools overslaan.

Ik ben medeoprichter van Subtext, gebouwd rond precies dit moment, dus ben ik niet neutraal over deze categorie. Waar ik wel nuttig in kan zijn, is de smallere vraag: wat kan software je eigenlijk vertellen over een bericht, en wat moet je nog altijd zelf beslissen. Elke onderzoeksbewering hieronder linkt naar de bron.

Wat een berichtenchecker kan checken, en de grens die hij niet moet overschrijden

Een checker kan de taal analyseren die voor hem ligt. Of de formulering formeel of casual overkomt, direct of indirect, warm of afstandelijk. Of een zin het motief van de ander als feit neerzet. Of er drie excuses in een weigering van twee zinnen zitten.

Wat hij niet kan, is verifiëren wat iemand in werkelijkheid voelt.

Neem een concept van twee woorden: “Prima. Doe maar wat je wilt.” Een checker kan redelijkerwijs zeggen dat “Prima” kortaf overkomt en dat “doe maar wat je wilt” leest als terugtrekken. Hij kan niet vaststellen dat de schrijver boos is. Dat zijn twee verschillende beweringen, en veel marketing rond toonherkenning steekt daar ongemerkt overheen. Ik ben het bewijs daarvoor nagegaan in een apart stuk over wat AI wel en niet weet over toon.

Voor een bericht dat je op het punt staat te versturen, heb je gedachten lezen toch niet nodig. Je hebt een tweede lezer nodig, want dat kun je voor je eigen concept niet zelf zijn.

Waarom je eigen concept herlezen niet werkt

In 2005 deden Kruger, Epley, Parker en Ng vijf experimenten naar deze vraag¹, en het paper wordt vaker aangehaald dan gelezen.

Het grootste van de vijf liet 154 paren studenten uitspraken schrijven die sarcasme, ernst, boosheid of verdriet moesten overbrengen, en daarna voorspellen of hun partner de bedoelde toon zou herkennen. Verzenders verwachtten 88,8 procent goed te hebben. Het werd 70,4 procent.

De kloof is de bevinding, en de auteurs zijn voorzichtig over wat ze niet betekent. De nauwkeurigheid in hun eerste experiment was 84 procent, en ze schrijven dat het “misleidend zou zijn om op basis van deze data te suggereren dat mensen slecht zijn in het overbrengen van sarcasme via e-mail.” Hun samenvatting van wat het wel betekent: “hoe bekwaam mensen ook zijn, ze zijn niet zo bekwaam als ze zelf denken.”

Drie details maken dit lastiger voor een verzender. Vrienden zaten er niet minder naast dan vreemden, en waren precies zo overmoedig, dus schrijven naar iemand die je goed kent, dicht die kloof niet. Emoticons dichten hem ook niet: een vervolgexperiment in datzelfde paper varieerde of verzenders emoticons mochten gebruiken, en vond dat “het overmatige zelfvertrouwen niet verschilde tussen wie emoticons gebruikte en wie niet.” En de veelgeciteerde bewering dat mensen toon 56 procent van de tijd correct lezen, is een aflezing van een grafiek en geen getal uit de tekst. Wat het paper voor die conditie afdrukt, is een nauwkeurigheid die niet te onderscheiden is van kans, bij 29 paren. Die 56 is het herhalen niet waard.

Eén eerlijke beperking voor we bij de stappen komen. Dit is onderzoek uit 2005, over e-mail. De auteurs verwachtten dat het mechanisme ook voor chat en instant messaging zou gelden en schreven dat er ook bij, maar niemand heeft het overgedaan op modern appen. Behandel het mechanisme als goed onderbouwd, en de exacte percentages als iets dat bij e-mail hoort.

Wat je bericht betrouwbaar overbrengt, en wat het onderweg verliest

Holtgraves² geeft de bruikbaarste actuele cijfers. Verzenders schreven tekstberichten die een van 22 emoties moesten overbrengen, zonder die te benoemen. Lezers herkenden de emotie in vrije respons 20,1 procent van de tijd, en 46,3 procent bij meerkeuze. Zaten ze ernaast, dan kwamen ze nog altijd 84,5 procent van de tijd op de juiste kant uit, positief of negatief, in de vrije-responsstudie, en 90,6 procent in de meerkeuzestudie.

Dat levert één instructie op voor een verzender. De lezer merkt bijna zeker dat er iets niet klopt. De reden zal hij waarschijnlijk verkeerd raden. De check richt zich dus op de dubbelzinnigheid die hem ruimte geeft om een slechtere reden te bedenken, niet op het verbergen van het gevoel zelf.

Het kader van Byron³ voorspelt de richting van dat verlies: positieve e-mails komen vaak neutraal aan, en neutrale vaak negatief. Het is een theoretisch paper, geen experiment, dus weeg het daarnaar. Schrijf één tandje warmer dan natuurlijk voelt, en het komt aan als natuurlijk.

De check in zeven stappen

Er bestaat geen gevalideerde wetenschappelijke test die bepaalt of een bericht oké klinkt. Wat volgt is een manier om afstand te scheppen tot je eigen concept. Het kost minder dan een minuut en er is geen app voor nodig.

1. Lees het zonder aan te vullen wat je bedoelde

Pak de zin die het meeste gewicht draagt en lees hem alsof je niet weet wie hem geschreven heeft.

“Ik denk dat je gewoon moet doen wat je wilt.” Jij weet of dat oprecht bedoeld was. Je lezer niet. “Ik denk” kan tegenzin signaleren. “Gewoon” kan ongeduld toevoegen. “Wat je wilt” kan lezen als je terugtrekken uit de beslissing.

Geen van die lezingen is automatisch de juiste. Ze liggen wel binnen bereik van de lezer, en dat is precies het punt van checken.

2. Tel de excuses en de voorbehoudjes

Dit is het gebrek dat ik het vaakst zie, en voor beide helften bestaat bewijs.

Freedman, Burgoon, Ferrell, Pennebaker en Beer⁴ vonden over studies met in totaal ongeveer 1.880 deelnemers dat excuses bij afwijzingen de gekwetstheid vergrootten en druk creëerden om “ik vergeef je” te zeggen, zonder dat er echt meer vergeven werd. Verontschuldigende afwijzingen leidden tot meer agressie in een gedragstaak. Zo’n 39 procent van de mensen voegde spontaan een excuus toe toen hun gevraagd werd een goede afwijzing te schrijven, dus de contraproductieve zet is ook de populaire. Het bewijs is specifiek voor afwijzingen en afzeggingen, en ik rek het niet verder op.

Over voorbehoud deden Givi, Kirk, Grossman en Sedikides⁵ zes experimenten, vijf daarvan preregistreerd, naar het beantwoorden van een uitnodiging met een aarzelend “misschien” in plaats van een simpel nee. Genodigden overschatten hoezeer de uitnodigende partij dat misschien zou verkiezen, omdat ze onderschatten hoeveel respectlozer een misschien voor die partij aanvoelt. Hun verklaring is het deel om bij stil te staan: het misschien dient vooral degene die het verstuurt, niet degene die het ontvangt, en gemotiveerd redeneren doet de rest. Dat bewijs gaat over uitnodigingen, dus het toepassen op een beslissing die je al genomen hebt en verkleedt als onzekerheid, is mijn eigen extrapolatie, niet hun bevinding.

In de praktijk: tel elke sorry, elke “sorry dat ik je lastigval”, elke “ik hoop dat dit niet vervelend is”. Houd er hooguit één over, en alleen waar je je verontschuldigt voor iets dat je zelf gedaan hebt. Zoek daarna naar misschien, wellicht, we zien wel, of ik check het en laat het je weten. Sommige daarvan zijn eerlijke onzekerheid en mogen blijven staan. De woorden die je moet schrappen, zijn de woorden die je met opluchting typte.

Deze telling is ook het eerste wat Subtext op een concept loslaat, om de reden die de cijfers van Freedman suggereren: het excuus dat je instinctief toevoegde, is het excuus dat je bij het herlezen het minst snel opmerkt.

3. Zoek de zin die over jou gaat in plaats van over hen

Lees elke zin en vraag je af wie er baat bij heeft. “Ik wilde je al zo lang appen en ik voel me er vreselijk over” ben jij die je eigen schuldgevoel managet voor het oog van iemand die je nu moet geruststellen. Het is een verzoek in de kleren van een bekentenis.

Deze stap is redenering, geen bevinding. Niemand heeft dit experiment gedaan. Ik neem hem op omdat het het meest betrouwbare patroon is dat ik ben tegengekomen bij het lezen van duizenden concepten, en omdat hij aansluit bij iets wat het onderzoek wel documenteert: een excuus dat om vrijspraak vraagt en een excuus dat een kosten erkent, zijn twee verschillende dingen, en alleen het tweede doet iets voor de ontvanger.

De oplossing is meestal schrappen. Soms is het de zin naar het eind verplaatsen, waar hij leest als een voetnoot in plaats van als het hoofdpunt.

4. Check of het verzoek ook een oordeel meedraagt

Vergelijk “Kun je het me voor donderdag laten weten?” met “Kun je het me deze keer nou echt laten weten?”

Allebei doen een verzoek. De tweede geeft ook commentaar op het gedrag van de ander in het verleden. Dat kan bewust zijn, en soms hoort dat er ook bij. Vaker sluipt het erin omdat je gefrustreerd was tijdens het typen en die frustratie een plekje moest vinden.

Het woord dat het werk doet, is meestal klein. Nou. Weer. Eindelijk. Deze keer. Zoek daar specifiek naar.

5. Check of de uitleg de overhand heeft genomen

Uitleg is nuttig, en hij verandert ongemerkt in verdediging. Het gebeurt het meest bij excuses, afzeggingen en meningsverschillen. Je begint met wat er gebeurd is, dan waarom het gebeurde, dan waarom jouw reactie daarop logisch was. Aan het eind heeft de lezer een pleidooi voor de verdediging ontvangen, terwijl jij dacht dat je een excuus verstuurde.

Schrap de uitleg even en kijk wat er overblijft. Is het verzoek nog duidelijk? Staat de erkenning er nog? Is het nee nog steeds een nee? Zakt het bericht in elkaar zonder de uitleg, dan droeg die uitleg iets wat hij niet had moeten dragen.

6. Vraag of het iets toevoegt, of alleen om een reactie vraagt

Lew, Walther, Pang en Shin⁶ kruisten antwoordsnelheid met conversationele contingentie, ofwel hoe direct een bericht ingaat op wat eraan voorafging. Contingente antwoorden scoorden over de hele linie beter dan generieke, maar het effect van snelheid hing af van die contingentie: een snel antwoord hielp alleen als het ook contingent was, terwijl een snel maar generiek, ingestudeerd klinkend antwoord van de vier condities het slechtst beoordeeld werd, slechter dan een traag generiek antwoord. Contingentie compenseerde traagheid niet. Het was een voorwaarde om snelheid überhaupt te laten lonen.

Een bericht dat op het gesprek ingaat, wordt dus beoordeeld op zijn inhoud, en een bericht dat alleen om een reactie vraagt, wordt beoordeeld als een claim op iets waar jij recht op denkt te hebben. “?” en “hallo?” zijn de pure vorm. “Even checken of je dit gezien hebt” doet precies hetzelfde werk in een betere jas.

Snelle test: schrap de laatste regel. Zegt het bericht nog steeds iets, dan was die laatste regel een aanzet, en mag hij weg blijven.

7. Lees het hardop voor in de verkeerde toon

Dit is de enige stap hier met een experiment er rechtstreeks achter, en het resultaat is specifieker dan het advies dat je normaal hoort.

In het vierde experiment van het Kruger-paper¹ typten 54 studenten sarcastische en serieuze uitspraken om per e-mail te versturen, en lazen elke uitspraak daarna hardop voor in een cassetterecorder voor ze voorspelden hoe goed hun partner hem zou ontcijferen. De helft las elke uitspraak voor in de toon die ze bedoeld hadden. De andere helft las hem voor in de tegenovergestelde toon: de sarcastische zinnen serieus, de serieuze zinnen sarcastisch.

Bij de tweede groep verdween het overmatige zelfvertrouwen. In de woorden van het paper: “de fenomenologie-manipulatie wiste het overmatige zelfvertrouwen van deelnemers volledig weg.” De eerste groep, die haar eigen woorden voorlas in de eigen bedoelde toon, bleef precies zo verkeerd gekalibreerd als iedereen in de eerdere studies.

Je concept hardop voorlezen zoals je het bedoelde, doet dus niets, wat ongemakkelijk is voor de standaardversie van dit advies. Lees het in plaats daarvan hardop voor in de toon waar je bang voor bent. Zeg het vlak. Zeg het kil. Zeg het alsof je geïrriteerd was door de ander. Overleeft het dat, verstuur het dan. Wordt het een ander bericht in je mond, dan zat die lezing de hele tijd al in de tekst en kon je hem alleen niet zien.

Eén experiment, 54 mensen, over e-mail. Het is nog altijd het best onderbouwde punt op deze pagina. En het is ook de beste beschrijving van wat Subtext doet als het een concept leest: een keer door je woorden heen in een stem die niet die in je hoofd is.

Lees het dan nog eens als de persoon die het ontvangt

Hoe een bericht gelezen wordt, hangt af van wie het leest, en die persoon is ook overmoedig. In dezelfde Kruger-studie dachten e-maillezers dat ze de bedoelde toon van de verzender 89,3 procent van de tijd goed hadden geraden, en hadden ze het 62,8 procent van de tijd echt goed¹. Wat ze ook besluiten dat je bericht betekende, ze gaan het niet navragen.

Wie ze zijn, verschuift de kansen. Sillars en Zorn⁷ documenteerden een negatieve-intensiveringsbias in werkmail, waarbij ontvangers berichten negatiever beoordeelden dan onbetrokken toeschouwers, en maar zwak verankerd waren aan de werkelijke kenmerken van het bericht. Het effect was sterker in een slecht communicatieklimaat en bij mensen lager in de hiërarchie. Kingsbury en Coplan⁸ vonden dat sociaal angstige lezers dubbelzinnige berichten negatiever interpreteren, in steekproeven van 215 en 353.

App je dus met iemand die lager in de hiërarchie staat, met wie je een gespannen relatie hebt, of die angstig is aangelegd, dan is de scherpste beschikbare lezing van je concept een waarschijnlijke lezing, geen paranoïde. Lees het bericht als hen, in die staat, en kijk of het overeind blijft.

Het is de moeite waard om dit gewoon hardop te zeggen, want de populaire versie schiet door: het bewijs laat niet zien dat iedereen standaard de slechtste lezing van alles kiest. Het laat zien dat negatieve interpretatie voorspeld wordt door wie er leest en hoe de relatie er op dat moment voor staat.

Berichtenchecker of berichtenherschrijver

De twee kunnen onder de motorkap op vergelijkbare modellen draaien. Het nuttige moment ligt gewoon op een ander punt.

Terug naar “Prima. Doe maar wat je wilt.” Een herschrijver geeft je misschien “Klinkt goed, ga voor wat voor jou het beste werkt.” Dat is vloeiender, en het is een ander bericht. Misschien ben je gefrustreerd en wil je dat er iets van blijft staan. Eerst checken laat je het effect zien voor je beslist of je het schrapt.

Kan ChatGPT een bericht checken voor je het verstuurt

Ja, als je het op de juiste manier vraagt. Het gaat mis doordat een algemene assistent de makkelijkere klus oplost, en je een herschrijving geeft voor hij je iets verteld heeft.

Splits die twee expliciet:

Lees dit als de persoon die het ontvangt. Herschrijf het nog niet. Vertel me welke zinsdelen killer, defensiever of heftiger kunnen overkomen dan ik waarschijnlijk bedoel, en leg uit waarom elk dat doet.

Plak daarna het concept, en voeg de relatie en het vorige bericht toe als een van beide de betekenis verandert.

Voor een enkele lastige tekst werkt dat goed. Wat een speciale checker wegneemt, is die opzet vooraf, en dat telt vooral omdat je op precies het moment dat je hem nodig hebt, het minst goed in staat bent om een zorgvuldige prompt te bedenken.

Wat je telefoon al kan

Apple Intelligence Writing Tools herschrijven geselecteerde tekst en bieden Friendly, Professional en Concise, plus een veld “Describe your change” voor alles wat specifieker moet⁹. Magic Compose van Google stelt antwoorden voor en herschrijft concepten in verschillende stijlen binnen Google Messages, op ondersteunde toestellen¹⁰. Writing Assist van Samsung genereert tekst, verandert de schrijfstijl en controleert spelling en grammatica op ondersteunde Galaxy-telefoons¹¹. Grammarly gaat het verst in detectie, en de toonchecker stelt dat hij woordkeuze, formulering, interpunctie en hoofdlettergebruik analyseert¹².

Dit werkt allemaal goed als je weet wat je wilt. “Dit is te formeel, maak het losser” is een opgelost probleem, en het is gratis op hardware die je al bezit.

De lastigere versie is “ik weet niet wat hier mis mee is, klinkt dit oké.” Bij die vraag houden checken en veranderen op hetzelfde werk te zijn.

Hoe Subtext de check uitvoert

Subtext begint bij het bericht dat je aan het schrijven bent, en laat zien hoe het kan overkomen voor je beslist of je iets verandert. Je kunt vanaf nul schrijven, een concept plakken, of een screenshot van het gesprek toevoegen voor context.

De analyse leest de toon en duidelijkheid van je concept en markeert formuleringen die onduidelijk, hard, passief of makkelijk verkeerd te lezen kunnen overkomen. Van daaruit kun je alternatieve formuleringen kiezen, of tikken op korter, warmer, losser, of meer zelfvertrouwen, en het herschrijft met behoud van je eigen stem¹³.

Een screenshot doet iets anders. Het levert gesprekscontext zodat het antwoord bij de uitwisseling past. Daar wil ik precies in zijn: de analyse van triggers en emoties draait op je eigen concept. Een screenshot van wat iemand anders stuurde, is context voor jouw antwoord, geen bewijs van wat die persoon in werkelijkheid voelt, en geen enkele tool, deze inbegrepen, kan dat uit een screenshot afleiden.

Waar het mij om gaat, is de volgorde. Lees het concept. Kijk wat er misschien anders overkomt dan je bedoelde. Beslis dan pas of er iets veranderd moet worden. Soms is de nuttige uitkomst dat het bericht al goed was.

Subtext is gratis om te beginnen, op iPhone en Android.

Wat hier allemaal niet uit blijkt

Drie beperkingen, en die doen er meer toe dan de stappen zelf.

De check is structureel. Hij vindt excuses, voorbehoud, aanzetten, oordelen en zelfdienende zinnen. Hij heeft geen mening over of wat je zegt klopt, eerlijk is, of het zeggen waard is, en een goed geformuleerd bericht kan op elke manier die ertoe doet fout zijn.

De lezer brengt zijn eigen weer mee. Een preregistreerde studie uit 2025 onder 51 stellen¹⁴ vond dat mensen hun eigen actuele stemming deels in de berichten van hun partner lezen. Niets in jouw concept heeft daar grip op.

En de check gaat ervan uit dat het probleem in de formulering zit. Soms is dat niet zo. Herschrijf je hetzelfde bericht voor de negende keer, of stuur je drie vervolgberichten om erachter te komen of iemand geïrriteerd is, dan is de formulering niet meer het ding onder druk. Ik heb apart geschreven over het onderzoek naar appstress en over boosheid lezen in dubbelzinnige berichten, en beide zijn nuttiger dan een beter concept. Speelt het lang genoeg om je dagen te kleuren, dan is een huisarts of therapeut een betere bron dan een artikel van iemand die een app bouwt.

Veelgestelde vragen

Wat is een AI-berichtenchecker? Hij analyseert een bericht dat je al geschreven hebt en laat zien hoe de formulering kan overkomen voor je het verstuurt. Afhankelijk van de tool kan dat gaan over toon, duidelijkheid, formaliteit, dubbelzinnigheid, of zinsdelen die snel verkeerd gelezen worden. Sommige bieden daarna ook herschrijvingen aan.

Kan AI zien of mijn bericht bot overkomt? AI kan formuleringen herkennen die redelijkerwijs als bot, afwijzend of beschuldigend gelezen kunnen worden. Het kan niet garanderen dat één specifiek persoon het bot zal vinden. Een nuttige checker benoemt de precieze formulering die tot die lezing leidt, in plaats van je gewoon één label te geven.

Is een berichtenchecker hetzelfde als een toonchecker? Ze overlappen. Een toonchecker benoemt doorgaans eigenschappen van de tekst, zoals formeel, zelfverzekerd of beschuldigend. Een berichtenchecker kan ook kijken naar duidelijkheid, specifieke formuleringen en gesprekscontext.

Kan AI weten hoe iemand zich voelt aan de hand van een tekst? AI kan taal analyseren en aannemelijke lezingen aanbieden. Een tekst alleen legt niet vast wat de schrijver innerlijk voelt, en stellige beweringen over wat iemand écht voelt, gaan verder dan wat de woorden onderbouwen.

Wat is het verschil tussen een berichtenchecker en een AI-berichtenapp? “AI-berichtenapp” is een brede term voor datingantwoordgenerators, schrijftoetsenborden, chatbots en automatische-antwoordtools. Een berichtenchecker heeft een smallere taak: iets analyseren dat je al geschreven hebt, voor je het verstuurt.

---

Denk je dat ik een studie verkeerd gelezen heb, of ken je onderzoek hierover dat ik gemist heb? Laat het me weten op LinkedIn.

Samet Durgun is medeoprichter van Subtext, een app die de emotionele toon van je berichten oppikt en ze herschrijft in je eigen stem. Hij woont in Berlijn.

Bronnen

Elke link hierboven gaat naar de primaire bron waar die bestaat, genummerd in volgorde van verschijnen. Rust een stap op redenering in plaats van bewijs, dan zegt dit artikel dat expliciet, in plaats van gezag te lenen van een naburige studie. Citaten zijn woordelijk.

1. Kruger, J., Epley, N., Parker, J., & Ng, Z.-W. (2005). Egocentrism over e-mail: Can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. Vijf experimenten. Studie 1 N = 12, Studie 2 N = 60, Studie 3 N = 308 in 154 paren, Studie 4 N = 54, Studie 5 N = 58. Gefinancierd door de University of Illinois Board of Trustees en NSF-subsidie SES-0241544. Het veelgeciteerde cijfer van 56 procent is een aflezing van Figuur 1 in Studie 2, geen getal uit de tekst. doi.org
2. Holtgraves, T. (2022). Implicit communication of emotions via written text messages. Computers in Human Behavior Reports, 7, 100219. N = 136 en N = 167. doi.org
3. Byron, K. (2008). Carrying too heavy a load? The communication and miscommunication of emotion by email. Academy of Management Review, 33(2), 309-327. Theoretisch paper, geen steekproef. doi.org
4. Freedman, G., Burgoon, E. M., Ferrell, J. D., Pennebaker, J. W., & Beer, J. S. (2017). When Saying Sorry May Not Help: The Impact of Apologies on Social Rejections. Frontiers in Psychology, 8, 1375. Gecombineerde N ongeveer 1.880; bevindingen specifiek voor afwijzingen. doi.org
5. Givi, J., Kirk, C. P., Grossman, D. M., & Sedikides, C. (2025). Maybe don’t say “maybe”: How and why invitees fail to realize that they should not respond to invitations with a “maybe”. Journal of Experimental Social Psychology, 121, 104814. Zes experimenten, vijf preregistreerd. Bevindingen specifiek voor uitnodigingen. doi.org
6. Lew, Z., Walther, J. B., Pang, A., & Shin, W. (2018). Interactivity in Online Chat: Conversational Contingency and Response Latency in Computer-Mediated Communication. Journal of Computer-Mediated Communication, 23(4), 201-221. N = 131, 2×2-design tussen proefpersonen. doi.org
7. Sillars, A., & Zorn, T. E. (2021). Hypernegative Interpretation of Negatively Perceived Email at Work. Management Communication Quarterly, 35(2), 171-200. doi.org
8. Kingsbury, M., & Coplan, R. J. (2016). RU mad @ me? Social anxiety and interpretation of ambiguous text messages. Computers in Human Behavior, 54, 368-379. N = 215 en N = 353. doi.org
9. Apple Support. Use Writing Tools with Apple Intelligence on iPhone. support.apple.com
10. Google Messages Help. Draft messages with Magic Compose. support.google.com
11. Samsung Support. Use Writing Assist on Galaxy phones and tablets. samsung.com
12. Grammarly. Writing Tone Detector and Tone Suggestions. grammarly.com
13. Subtext. subtext.it, gecontroleerd augustus 2026.
14. Steinebach, P., Stein, M., & Schnell, K. (2025). Messenger-based assessment of empathic accuracy in couples’ smartphone communication. BMC Psychology, 13, 147. N = 102 in 51 stellen; werving bleef achter bij het preregistreerde doel. doi.org