Når AI flytter læring, skal undervisningen flytte sig med

Der diskuteres i øjeblikket meget om, hvordan eksamensopgaverne skal se ud, nu hvor kunstig intelligens er rykket ind på uddannelsesinstitutionerne. Løsningerne er nye prøveformer, lektier på skolen og lokaler uden adgang til værktøjet. Som nødbremse giver det mening. Men det er ikke nok. Et forbud fortæller kun eleverne, hvornår de ikke må bruge værktøjet, og ingenting om, hvordan de bruger det uden at holde op med at tænke selv.

Politiken beskrev i en artikel fra den 27. juli, forskning om brugen af AI i kinesiske ungdomsuddannelser. Over 30 måneder blev 26.811 elever fulgt. I gennemsnit steg AI-brugeres karakterer med 18 procent, og deres lektietid faldt fra 64 til 45 minutter. Samtidigt viser studiet, at omkring 80 procent af AI-brugerne efter fem måneder afleverer på under 50 minutter, og i denne gruppe falder karaktererne ved afsluttende eksamener med 18-24 procent. Store tal, og de fortjener opmærksomheden.

Undervisningsminister Magnus Heunicke har andetsteds udtalt, at det bliver nødvendigt at ændre eksamensformerne. En prøve, der kan bestås af en chatbot, måler ikke det, den skal, og vi kan ikke længere bare give lektier for og tro, at de bliver lavet med den rette læring. Men det handler ikke kun om eksamener eller om lektierne. Vi kan heller ikke undervise, som vi plejer, og tro på, at der foregår tilstrækkelig læring. Det næste store uddannelsespolitiske spørgsmål bliver derfor ikke kun, hvordan vi eksaminerer eleverne. Det bliver, hvordan vi underviser dem. Svaret indtil videre er at holde værktøjet ude: lektier på skolen, i lokaler uden adgang til kunstig intelligens. Som nødbremse giver det mening. Men et forbud vil ikke afhjælpe problemet i forhold til undervisning. Det fortæller kun eleverne, hvornår de ikke må bruge værktøjet, og ingenting om, hvordan de bruger det uden at holde op med at tænke selv.

Men studiet rummer en gruppe, som der ikke tales så meget om, nemlig de eleverne, der anvender kunstig intelligens, men stadig bruger den samme mængde tid på deres opgaver som gruppen, der slet ikke anvender AI – og ender med at klare sig stort set lige så godt som elever, der ikke anvender AI.

Pointen er, at de, på trods af at de har de samme værktøjer til rådighed, formår at fokusere på processen – altså læringen, og ikke kun på produktet – altså afleveringerne.

Forskerne undersøger, om det bare er de fagligt stærkeste, der opfører sig sådan. Det er det ikke.

Faglige evner bliver til gennem et loop. Man prøver noget, ser, hvad der sker, retter og prøver igen. Når svaret kommer, før denne proces begynder, kommer læringsloopet aldrig i gang. Og så finder læringen aldrig sted.

I det kinesiske studie gik der to år, før hele skaden viste sig ved den afsluttende prøve. Undervisningsministeren har varslet en strakspakke inden næste sommers eksamener. Det er nødvendigt.

Men retter vi først og fremmest prøven, får vi blot et bedre termometer og den samme feber. Vi kommer blot til at se problemet tydeligere, to år (tre år for stx) efter det opstod, hos elever der ikke kan gå om. Håbet er givetvis, at eleverne også ændrer adfærd. Men efter tretten år i gymnasiet ved jeg, hvor svært det er for eleverne en søndag aften før en aflevering, hvis undervisningen ikke understøtter en anden tilgang.

Udfordringen med kunstig intelligens i undervisningen skal ikke fixes i maj og juni, men løses hver tirsdag formiddag i 2.g.

Heldigvis behøver det ikke begynde med en ny reform. Meget kan flyttes gennem små didaktiske greb i den undervisning, vi allerede har. Pointen er, at god brug af kunstig intelligens ikke kræver en helt ny pædagogik. Tværtimod. Den bygger på klassiske didaktiske principper. Eleverne skal tænke først, få hint frem for svar og arbejde aktivt med fejl. Lærerne kender allerede redskaberne. Grebene findes. Opgaven er at dosere modstanden, så den passer ind i en travl hverdag, hvor kunstig intelligens er blevet en fast del af klasseværelset.

Herudover skal evaluering af AI-output gøres til en vane gennem metoder, der træner eleven i det igen og igen. Siger man det én gang, er det en løftet pegefinger. Når man gør det tres gange, bliver det til en vane.

Der er en grund til, at selve arbejdet siger mere end karakteren. Det, der eroderer først, er sjældent fagligheden. Først forsvinder fornemmelsen af, hvor godt ens eget svar egentlig er. En elev, der ved, hvad hun ikke ved, spørger, tjekker efter og øver sig. En elev, der føler sig dygtig uden at være det, holder op med alle tre dele. Det kaldes the fluency trap. Et poleret svar føles som forståelse og giver en falsk fornemmelse af egne kompetencer. Det interessante er, at afstanden mellem fornemmelse og kunnen kan måles, og at den kan trænes.

Og den fornemmelse er noget af det allervigtigste i de formative år hos unge, hvor evnen til kritisk tænkning og evnen til at forholde sig til viden opbygges.

Studiet skal naturligvis læses med forbehold. Det er endnu ikke peer-reviewed, det bygger på et skolesystem med mere udenadslære end vores, og det bygger på elevernes egne oplysninger om, hvornår de begyndte at bruge AI. Jeg læser det som et stærkt signal, som matcher meget af den øvrige forskning, der dukker op på området.

Opgaven, vi står med, er altså at flytte fokus fra afleveringsprodukterne til læringsprocessen og give lærerne konkrete metoder, der kan bruges i en travl hverdag, hvor AI allerede er rykket ind. Det er ikke den enkelte lærers opgave at opfinde dem alene. Det er et ledelses- og rammespørgsmål.

Eksamen fortæller os, hvordan det gik. Undervisningen afgør, hvordan det kommer til at gå.