AI er ikke snyd, men det ændrer al læring

Dette er en kronik skrevet af en ekstern kronikør. Jyllands-Posten skelner skarpt mellem journalistik og meningsstof. Vil du skrive en kronik? Læs hvordan her.

Gymnasieelever oplever i stigende grad selv, at de “snyder”, når de bruger kunstig intelligens. Det fremgår af en ny undersøgelse fra EVA, som også har fået politisk opmærksomhed. Undervisningsministeren varsler nye retningslinjer, og Gymnasieelevernes Sammenslutning bakker op: Der er brug for klare rammer for brugen af AI i undervisningen.

Samtidig peger lærere på et grundlæggende problem. En lærer fra Ballerup fremhæver, at tilliden udfordres, mens en anden fra Brøndby problematiserer autenticiteten i elevernes opgaver. Hvis man ikke ved, hvordan en opgave er blevet til, bliver det vanskeligt at støtte elevens læring. Dermed opstår en tvivl om, hvorvidt skriftlige opgaver overhovedet længere kan fungere som mål for, hvad eleverne har lært.

Debatten kredser derfor hurtigt om snyd. Men det er en for snæver ramme. Problemet er ikke primært, at elever snyder. Problemet er, at den måde, vi traditionelt har koblet opgaveproduktion, læring og bedømmelse på, er ved at blive destabiliseret.

For at forstå hvorfor må vi et skridt tilbage og spørge: Hvad er teknologi egentlig?

I en klassisk sociologisk forståelse er teknologi kendetegnet ved stabilitet. Teknologi er det, der gør det muligt at koble årsag og virkning tæt sammen, så bestemte input fører til forudsigelige output som at slå op i et leksikon eller starte en motor. Den reducerer usikkerhed om, hvad der sker. Når en teknologi virker, kan vi gentage en proces uden hele tiden at skulle reflektere over den.

Problemet er, at undervisning aldrig har været en teknologi i denne forstand, tværtimod lider undervisningen af et “teknologisk underskud”: Undervisning er kommunikation, men læring er noget, der foregår i den enkelte elevs bevidsthed.

Der findes ingen stabil relation mellem det, læreren gør, og det, eleven lærer. Derfor har skolen historisk måttet håndtere underskuddet gennem didaktik, evaluering og dannelsesforestillinger.

Generativ AI ændrer imidlertid situationen. Den ligner en teknologi, men opfører sig ikke som en.

Når en elev skriver en opgave med hjælp fra en sprogmodel, får man ikke et stabilt output fra et entydigt input. I stedet produceres teksten probabilistisk som et statistisk sandsynligt svar baseret på store datamængder. Dermed overskrider generativ AI den klassiske teknologiforståelse.

Den skaber ikke bare mere forudsigelige resultater, som teknologi normalt gør – den flytter usikkerheden. Hvor usikkerheden tidligere lå i selve skrivningen, ligger den nu i vurderingen: Er teksten korrekt, begreberne præcise, og referencerne reelle? Det betyder også, at den skriftlige opgave ændrer karakter.

Den er stadig et udtryk for elevens faglige kunnen, men ikke på helt samme måde som før. I stigende grad viser den elevens evne til at styre, vurdere og bearbejde AI-genereret tekst i et mediemiljø, hvor selve formuleringen i højere grad kan automatiseres.

Denne forskydning genfindes i den voksende internationale forskning i generativ AI i uddannelse. Meta-analyser og reviews peger på et dobbelt mønster: AI kan løfte præstationer, motivation og selvtillid, men samtidig øge risikoen for overfladisk læring, afhængighed og manglende gennemsigtighed i de processer, der producerer svarene.

Generativ AI er hverken entydigt en gevinst eller en trussel. Den ændrer betingelserne for, hvad det vil sige at lære og at blive bedømt. Dette bliver tydeligt i en analyse af 88 eksamensopgaver fra et universitetskursus, hvor brugen af AI var tilladt, men skulle deklareres. Her viser der sig et interessant mønster.

På den ene side er der ingen dramatisk ændring i karakterfordelingen. De dygtigste studerende klarer sig stadig bedst, men kan nu mere end før. På den anden side er der sket en forskydning i, hvor problemerne opstår.

De svageste opgaver er ikke længere nødvendigvis sprogligt mangelfulde. Tværtimod kan de fremstå overraskende velformulerede.

Problemet er i stedet, at de mangler begrebslig forankring, præcise referencer og sammenhæng mellem teori og analyse. Teksterne kan virke generiske, som om de kunne passe på enhver case.

De bedste opgaver udmærker sig derimod ved noget andet end før. Ikke ved sproglig form alene, men ved evnen til at styre AI’en: udvælge relevante begreber, få teorien til at hænge sammen, kontrollere referencer og fastholde en analytisk linje. Det peger på en afgørende forskydning: Teksten er ikke længere først og fremmest et tegn på skriveevne, men på faglig dømmekraft og evnen til at vurdere, om noget er fagligt holdbart.

Dermed bliver lærerens opgave også en anden. Hvor man tidligere i høj grad kunne vurdere kvalitet ud fra tekstens form og sammenhæng, kræver det nu en langt mere indgående vurdering af begrebsbrug, referencer og analytisk nødvendighed. Bedømmelsen forskydes fra form til, om indholdet faktisk er korrekt, velbegrundet og fagligt holdbart.

Set i dette lys er det ikke overraskende, at både elever, lærere og politikere oplever situationen som usikker. De normer og praksisser, der hidtil har reguleret undervisning og bedømmelse, er udviklet til en mediesituation, som nu er under forandring. Det fører frem til det normative spørgsmål: Hvad gør vi så?

Det oplagte svar er ikke at forsøge at genoprette en tidligere tilstand gennem kontrol og forbud. Det vil næppe være muligt – og det vil heller ikke adressere det egentlige problem. For generativ AI er ikke blot et redskab, der kan reguleres udefra. Det er noget, der ændrer selve betingelserne for læring. I stedet må uddannelsessystemet arbejde eksperimenterende.

Vi befinder os i en situation, hvor der er blevet langt flere mulige udfald, og hvor det er sværere at forudsige, hvad der virker og er korrekt. Det kræver en form for aktionsforskning, hvor undervisere systematisk afprøver nye former for undervisning, opgaver og evaluering.

Her bliver dannelse et centralt begreb, ikke som en nostalgisk reference, men som en nødvendig orientering. Hvis elever og studerende skal kunne navigere i en verden, hvor viden kan genereres automatisk, bliver det afgørende, at de udvikler evnen til at vurdere, vælge og tage ansvar. Det rejser tre grundlæggende spørgsmål: Hvad må man vide? Hvad betyder det for fællesskabet? Og hvem bliver man selv i processen?

For det første: Viden handler både om dyb faglig indsigt og evnen til at styre generativ AI. Man arbejder frem og tilbage med den – stiller spørgsmål, finder tekster og kontrollerer svarene – så AI bliver et redskab, men ansvaret for, at indholdet er korrekt, er ens eget.

Det kræver både forståelse for AI og faglig indsigt – herunder en kritisk opmærksomhed på, at AI-systemer er præget af de interesser og data, de bygger på.

For det andet: Elever skal lære at tage hensyn til fællesskabet og overveje konsekvenserne for andre. Hvis man ikke forholder sig kritisk til det, man deler, risikerer man at sprede misinformation.

Og hvis AI bruges til løsninger, der gavner de få, men skader fællesskabet eller miljøet, lever man ikke op til det ansvar, der følger med.

For det tredje: Eksistentielt handler det om at finde sin egen stemme i fællesskabet. Ikke ved at overlade tænkningen til AI, men ved selv at tage ansvar for at forstå, vurdere og stå på mål for det, man siger og skriver.

Det kræver, at man ikke kun søger den hurtige løsning, men gør sig den umage at lære noget selv. Samtidig indebærer det at bevæge sig fra en snæver egeninteresse til også at tage ansvar for fællesskabet.

Hvis vi reducerer problemstillingen til snyd, overser vi disse spørgsmål. Men hvis vi tager dem alvorligt, bliver det tydeligt, at vi står midt i en mere grundlæggende transformation.

Generativ AI udfordrer ikke blot vores regler. Den udfordrer vores forståelse af læring, viden og dannelse. Derfor er opgaven ikke at finde tilbage til det, vi havde.

Opgaven er at udvikle nye måder at koble undervisning, læring og bedømmelse på, som er tilpasset de betingelser, vi faktisk har. Det er en vanskelig opgave. Men det er også en mulighed for at gentænke, hvad uddannelse skal være i en tid, hvor systemer som generativ AI ikke længere blot understøtter vores handlinger – men er med til at forme dem.