AI og lektie-apokalypsen

I mange år har vi vurderet elevers faglige niveau ud fra skriftlige opgaver, matematikafleveringer og rapporter lavet uden for undervisningen. Vi har betragtet det færdige produkt som et direkte udtryk for, hvad eleven kan – og dermed for karakteren. Det har altid været en antagelse. I dag er den helt brudt sammen.

Alle elever har nu adgang til en maskine, der kan løse stort set alle typer opgaver bedre end 80–90% af befolkningen. En chatbot, der opfører sig som en slags psykofantisk onkel med ph.d. i alle fag: uendelig tid, uendelig tålmodighed og altid klar til at forklare, omskrive, forbedre og optimere. Når vi står med et færdigt produkt, ved vi derfor ikke længere, hvem der har tænkt hvad – eller hvordan.

Men problemet er ikke nyt. Allerede før AI har hjemmeopgaver været vanskelige at bruge som vurderingsgrundlag. Hvem har lavet opgaven? Hvor meget hjælp har eleven fået? Hvor lang tid er der brugt? Hvilke ressourcer har været til rådighed? Afleveringsopgaver har altid været produceret under vidt forskellige vilkår – men vi har ladet som om, de var sammenlignelige.

Elevens perspektiv
Set fra elevens side er situationen mindst lige så paradoksal. Eleven ved, at hjemmeopgaven skal afleveres som et færdigt, velformuleret og korrekt produkt – noget, der ligner det ‘rigtige svar’. Samtidig er det ofte uklart, hvad der egentlig vurderes: forståelsen, ræsonnementet, sproget, strukturen – eller blot fraværet af fejl.

Når karakteren i praksis knytter sig til det færdige produkt, opstår der et pres for at aflevere noget, der ser ordentligt ud. Ikke nødvendigvis noget, man selv har kæmpet sig frem til. AI gør det pres lettere at handle på – men også svært at lære noget af. For hvorfor bruge tid på at famle sig frem, hvis man med få prompts kan få en løsning, der både er pænere, hurtigere og mere korrekt end ens egen?

Dermed flyttes fokus fra forståelse til optimering. Ikke fordi eleverne er dovne eller uærlige, men fordi de spiller efter de regler, vi implicit har sat op: Det er produktet, der tæller. Og hvis målet er at aflevere et godt produkt, giver det rationelt mening at bruge de værktøjer, der bedst sikrer det.

Skal vi så til at have “mere kontrol”?
En nærliggende reaktion på AI’s indtog er ønsket om mere kontrol. Flere krav, flere regler, flere forsikringer om, at arbejdet er elevens eget. Det kan betyde overvågning, erklæringer om brug af hjælpemidler og tekniske løsninger, der forsøger at afsløre snyd.

Men øget kontrol har en pris. Det ændrer relationen mellem elev og lærer fra tillid til mistanke. Det gør eleverne mere optagede af at dokumentere deres uskyld end af at undersøge deres forståelse. Og det risikerer at skabe en skole, hvor energi bruges på at omgå systemer i stedet for at lære det faglige indhold.

Spørgsmålet er derfor ikke, om vi skal kontrollere mere – men om det er den skole, vi ønsker. En skole, hvor vi forsøger at lukke alle sprækker, eller en skole, hvor vi indretter vurderingsformer, der giver mening i en verden, hvor sprækkerne ikke kan lukkes.

Nyt fokus på læringsprocesser frem for produkter
Hvis det færdige produkt ikke længere kan stå alene som mål for elevens faglige niveau, må fokus flyttes – fra produkt til proces.

Procesvurdering handler om at få indblik i elevens tænkning. Kan eleven forklare sine valg? Kan hun redegøre for, hvorfor en metode virker – eller ikke virker? Kan hun indgå i en faglig samtale om et emne? Kan hun justere sin tilgang på baggrund af feedback?

Når vi vurderer produkter, vurderer vi resultatet af en ukendt proces. Når vi vurderer processer, får vi et bedre indtryk af elevens faglighed. Det kan komme til udtryk gennem mundtlige forklaringer, korte faglige samtaler, arbejde med udkast og versioner, samarbejde om løsninger og refleksion over alternative veje. Ikke som et krav om dokumentation, men som en måde at gøre tænkningen synlig.

Samtidig bør vi tage ved lære af eksamenssituationen. Til skriftlig eksamen accepterer vi kun produkter produceret under kontrollerede forhold: begrænsede ressourcer, begrænset tid og klare og ens rammer for alle. Her ved vi, hvad vi måler. Det gør vi ikke med hjemmeproducerede opgaver.

Derfor giver det mening at øge brugen både af diagnostiske og summative test. Diagnostiske test, der bruges til at afdække elevernes forståelse, misforståelser og forhåndsviden – før eller under undervisningen. Formålet er ikke karakterer, men indsigt: Hvad tænker eleverne egentlig?

Summative test udført under kontrollerede forhold i undervisning, kan bruges til at vurdere elevens faglige niveau ved afslutningen af et forløb. De giver et mere pålideligt grundlag for karaktergivning, netop fordi rammerne er tydelige og fælles. Set i det lys bliver AI mindre et pædagogisk problem – og mere en afsløring.

AI har ikke ødelagt lektierne. Den har blot gjort en gammel praksis synlig: at vi i årevis har brugt hjemmeproducerede produkter som mål for elevens faglige niveau. Når teknologien nu gør produktets ophav endnu mere uigennemskueligt, tvinges vi til at stille et mere grundlæggende spørgsmål:

Hvad er det, vi vil bruge vores kostbare tid til? Svaret peger ikke mod mere kontrol, men mod et skift i fokus. Fra produkt til proces. Læring opstår i processen – i forklaringerne, fejltagelserne, justeringerne og de faglige valg.

Det er ikke en ny erkendelse. Men med AI’s indtog kan vi ikke længere ignorere den. Og måske er det netop her, midt i lektie-apokalypsen, at vi får en kærkommen anledning til at indrette skolen mere efter læring end efter produkter.