«Don’t fulfill the prophecy that “the college essay is dead” because The Atlantic told you so. Keep the essay; but don’t be a cop. Meet thoughtless text extrusion with desultory feedback. Reserve your energy instead for crafting assignments that compel care from students who care enough to think, offering thoughtful feedback on the papers that exhibit their own thoughtfulness.»
Sonja Drimmer, PhD and Christopher J. Nygren, PhD. 2025 (1)
Er studenters «prompte-kompetanse» nå den nye gullstandarden i akademia? Sett fra mitt ståsted er dette bare teknologiske tåkepratet på linje med det vi jevnlig har hørt fra kommersielle aktører og teknologientusiaster siden «IT» ble allemannseie fra siste del av 90-tallet. Våre digitale «hjelpere» endrer seg med hurtigtogsfart, men sannheten er at uten god fagforståelse i bunnen blir «KI-assistenten» bare en rask vei til merarbeid og svakt karakterresultat i fagemner der det ikke finnes fasitsvar.
Som vanlig er mine refleksjoner forankret i samfunnsinformatikken, over 20 års erfaring med studentaktiv undervisning i teknologirelaterte fag og det faktum at mine studenter allerede er "sertifisert" i betydningen av at de er yrkesaktive undervisere, kursholdere, instruktører, samt beredskapsansatte. Jeg underviser heller ikke i fagemner der det finnes fasitsvar, og sist - men ikke minst - jeg underviser kun i fagemner der jeg har både teoretisk og praktisk dybdekompetanse.
I deler av debatten om «KI», dvs. store språkmodeller med samtalergrensesnitt, har det ofte vært hevdet at studenter med gode «KI-strategier» eller med god «promte-kompetanse» vil kunne bruke samtaleroboter til å besvare eksamensoppgaver. Men hva menes egentlig med slike påstander?
Hvis vi skreller bort alt det teknologiske tåkepratet, så handler dette i praksis om studentaktiv læring. Samtaleroboter, selv de nyeste modellene, fungerer overhode ikke som fasit i fagemner der det ikke finnes svar med to streker under. Men de kan absolutt fungere som «samtalepartnere» og assistenter i en utforskende læringsprosess.
Men for at dette skal fungere, må følgende ting på plass:
- Aktiv lesing av pensum og forståelse av oppgavene
Før en student i det hele tatt kan skrive en god «prompt», må de ha gjort en god del tankearbeid selv. Det nytter ikke å bare legge inn oppgavene i en samtalerobot og be om «skriv 500 ord om dette».
- Hvis studenten ikke har lest pensum, klarer denne ikke å oppdage om samtaleroboten finner på ting eller gir et overfladisk svar.
- Hvis studenten ikke har forstått oppgavene, klarer denne heller ikke å gi systemet de nødvendige rammene, kriteriene og begrensningene for å få et brukbart resultat.
- Case- og prosjektarbeid uten klare svar
Når ren faktakunnskap kan være ett klikk unna, mister selvsagt tradisjonelle pugge og reprodusere-oppgaver noe av sin verdi. Men innen den delen av informatikken jeg tilhører, har denne type oppgaver aldri vært aktuelle. Mine studenter har siden 2002 vært nødt til å jobbe med case eller oppdrag fra f.eks. Kripos, som er noenlunde (i varierende grad selvsagt) like de komplekse oppdrag man kan møte i arbeidslivet. Og for mine EVU-studenter er det selvsagt viktig at de trekker inn sin egen yrkeserfaring i alle analyser og vurderinger.
- Problemstillingene i oppgavene i mine fagemner er komplekse nok til at studenten ikke kan lese seg til et fasitsvar, men samtidig er det å ha lest (og forstått) fagstoffet vesentlig for videre arbeid frem mot veiledning.
- Studenten må selv styre prosessen, og de må gjerne bruke samtaleroboter til å sparre, generere ideer, teste hypoteser og analysere data.
- Som fagansvarlig vurderer jeg ikke bare det endelige produktet, men selve arbeidsprosessen – fra første utkast via veiledning til endelig innlevering; Hvordan studenten har resonnert, argumentert, utøvd kildekritik, osv. Mine studenter må gjerne benytte samtaleroboter, men bruken skal deklareres med presise beskrivelser av hvilke samtalerobot, til hva og hvordan denne er benyttet, og besvarelser som ikke preges av grundige drøftinger og analyser av de momenter et arbeidskrav omfatter og der studentens egen yrkeserfaring er koblet både til tematikken i oppgavene og til relevant faglitteratur gir E til F.
Med andre ord; Effektiv bruk av samtaleroboter krever at studentene gjør det kognitive grovarbeidet før de tar slike system i bruk. Et godt eksempel på dette er Handelshøyskolen Nord sin nye KI-labb der hovedtanken er at studentene først setter seg inn i en sak og gjør sine egne vurderinger, og deretter tar i bruk en «KI»-tjeneste.
Når jeg leser den pågående debatten om samtaleroboter i akademia, så virker det som om de fleste kun forholder seg til den tradisjonelle modellen hvor foreleseren eller pensumlitteraturen sitter på svaret, og studenten må lete etter dette. I mange fagormåder er dette sikkert normen og her vil man nok bli tvunget til å enten avholde «penn og papir-eksamen» eller skifte til andre vurderingsformer der studentene tvinges over i de øverste nivåene av læring (analyse, evaluering og skapelse), i stedet for å bruke energien sin på de nederste nivåene (gjenkalling og ren reproduksjon).
Men for de av oss som i tiår har drevet med studentaktiv undervisning i fagemner der det ikke finnes fasitsvar, handler det stadig vekk om å bevisstgjøre studentene på at de ikke kan forvente å løse oppgavene uten først å ha lest pensum, inklusive litteratur de selv skal finne frem til, og at de må bruke tid på de praktiske oppgavene slik at disse løses på best mulig måte enten det er å spille et dataspill innen sikkerhetsteori eller lage et lite dataspill i Kodu. Og ikke minst; at det å levere til individuell veiledningen faktisk er en vesentlig del av «mappen» som skal vurderes til slutt. Den individuelle veiledningen har vært en ytterst viktig del av alle større nettbaserte program i mange år, ikke bare som et «verktøy» for å løfte den enkelte student men også som et tilsyn med at det faktisk er studenten selv som leverer det ferdige produkt. Studentaktivitet og komplekse oppgaver er også gammelt nytt i denne type program, i alle fall innen de samfunnsvitenskapelige delene av informatikken og også innen lærerutdanningsrelaterte program. Som Odin Nøsen sier det i et debattinnlegg i Udanningsnytt i 2024: ««På PfDK-MOOCen (fjernundervisningskurs i Profesjonsfaglig digital utdanning) for grunnskole, hvor jeg er veileder, har vi eksamensoppgaver som er helt meningsløse for ChatGPT. Der må studenten mene noe. ChatGPT kan kanskje ordlegge det bedre, men innholdet blir ikke bedre enn det studenten bidrar med».
Å påstå at det nå er studentenes gode eller dårlig «KI-strategi» (altså evne til «promting») som er måleenheten om oppgave- og eksamensform er god eller ikke, er etter min mening et eksempel på en forestillingen om at læring og vurdering kan reduseres til kvaliteten på kommandoene en student gir til en samtalerobot. Sett med mine samfunnsinformatikk-øyne blir dette helt feil.
Dette minner meg om tiden på sent 90-tall og tidlig 2000-tall, da «IT» (i uspesifisert form) ble påstått å være det kraftigste verktøy for all læring. Selv den gang viste både nasjonal og internasjonal forskning at det «kraftigste verktøyet» var lærernes fagkompetanse og evne til undervisning og vurdering.
Basert på erfaring i mine fagemner siden samtalerobotene ble alment tilgjengelig, klarer faglig svake studenter ikke å utnytte disse systemene til å levere besvarelser som oppnår høyere karakter enn D uansett hvor mye de «promter». Og de fleste ender på E til F.
Mine erfaringer virker også å være noenlunde sammenfallende med opplevelsene til førsteamanuensis Inga Strümke, som i et intervju med Khrono 5. november 26 uttaler at «— Vi ser at i snitt at de som bruker KI mye og er avhengig av det, kan forvente å få en D i snitt. Mens de som kan forvente å få A eller B er de som ikke bruker det i det hele tatt.
Ut fra min erfaring er det de faglig sterke studentene, de som makter å koble fagteori med egen yrkeserfaring og som organisere tiden sin effektivt, som også viser størst evne til praktisk bruk av samtaleroboter. Og denne gruppen studenter er også godt kjent med at slike system ikke kan levere fullverdige besvarelser, men kun være en støtte i deler av arbeidsprosessen. Sånn sett kan man jo si at denne studentgruppen har en god «KI-strategi», men egentlig har de først og fremst en god studiestrategi helt i tråd med poenget med studentaktiv undervisning.
Det er et klart paradoks i dagens utdanningsdebatt at mens verktøyene endrer seg, forblir prinsippene for god læring de samme. De studentene som lykkes best med såkalt «KI», er de som allerede har knekt læringskoden gjennom aktiv bearbeiding, tidsstyring og kritisk tenkning. For å omskrive et sitat fra utdanningsforskeren Jane David fra 1986: If you took the chatbots out, there would still be good learning there (*)
Leseliste
«Måten KI kommer frem til svarene er at den opererer som slags midtpunkt eller gjennomsnitt av det som allerede sirkulerer av informasjon på internett. Nettopp derfor kan den ikke skape noe genuint nytt, men først og fremst reorganisere det som allerede finnes.»
– Erika Eidslott, PhD., 2026 (2)
- AI competency framework for students
- AI competency framework for teachers
- A scoping literature review of prompt engineering for bridging students AI literacy in higher education
- Using prompt engineering to foster critical thinking in higher education
- Critical Thinking and Prompt Engineering in the AI Era: From Understanding to Application in Higher Education
- Improving Student-AI Interaction Through Pedagogical Prompting: An Example in Computer Science Education
- How Students Are Using — and Misusing — AI in Higher Education
- Forskere: – Ikke alle elever lærer noe av å bruke KI
- From search to work tasks: exploring students’ AI chatbot information practices in higher education
- Learning with AI falls short compared to old‑fashioned web search
- College Students May Face Greater AI Risks Than Children
- Large-Language Models as a Cognitive Virus
- Artificial intelligence, cognitive offloading and implications for education
- What happens to learning when AI does the thinking for us?
