I det følgende vil Microsoft Copilot oppsummere sitatene fra forskere og teknologer gjengitt i kapittel 9. Teksten er kopiert direkte fra Copilot og limt inn her «as is».
Kap 9 Det handler om undervisning og oppgavedesign
Her er en oppsummering av hovedsynspunktene til forskere, teknologer og noen studenter når det gjelder hvordan KI, samtaleroboter og LLM påvirker undervisning og vurderingsformer i høyere utdanning:
- Utforming av oppgaver for høyere kognisjon og refleksjon Flere stemmer understreker at skrive- og eksamensoppgaver må utformes slik at de krever mer enn overfladisk kunnskap – de skal åpne for faglig refleksjon, utforsking og kreativitet. Sitatene fra NTNU Skrivesenteret og Førstelektor Per A. Godejord poengterer at oppgavene må designes for å teste evnen til kritisk tenkning og individuell refleksjon, kvaliteter som språkmodeller ennå ikke kan erstatte. Dette innebærer blant annet å «krympe» tradisjonelle spørsmål til å dekke høyere nivåer i Blooms taksonomi, slik at oppgavene utfordrer dypere forståelse og anvendelse av kunnskap.
- Vurderingsformer som fremmer metakognisjon og prosesslæring Flere forskere, blant andre Postdoktor Amanda Leary og professorene Louis Volante, Christopher DeLuca og Don A. Klinger, legger vekt på viktigheten av formative vurderingsstrukturer. Ved å kreve at studenter leverer utkast, reflekterer over sin egen læringsprosess og dokumenterer arbeidstrinnene de har gjennomgått, settes studentene i en posisjon der det ikke bare er sluttproduktet som vurderes. Denne tilnærmingen hjelper til med å bekjempe juks samtidig som den fremmer eierskap til egen læring og utvikler evnen til metakognisjon.
- KI som hjelpemiddel – med muligheter og grenser Enkelte sitater, slik som Professor Roni Katzirs og Kenneth Hansons, påpeker at selv om KI kan generere tekst som ved første øyekast ser seriøs ut, er den ofte mangelfull når det gjelder dybde og korrekthet. Studier som de av Reginald Gerald Govender, Hashim Habiballa og Ambadasu Bharatha viser at KI godt kan håndtere oppgaver på lavere kognitive nivåer, men sliter med komplekse spørsmål som krever analyse, evaluering og kreativ tenkning. Dette understreker at selv om generative verktøy kan være nyttige som hjelpemidler, kan de aldri erstatte den menneskelige evnen til dyp refleksjon og innsiktsfull analyse.
- Redusere insentiver for juks gjennom bedre undervisningspraksis Ifølge Erling Coates og Jessica Lahey ligger utfordringen med juks ikke nødvendigvis i teknologien, men i hvordan undervisningen og vurderingsformene utformes. Dersom eksamensoppgaver ikke reflekterer studentens faktiske læringsprosess og evne til kritisk refleksjon, oppstår fristelsen til å ty til AI som en «krykke». Ved å utvikle oppgaver som krever aktiv og selvstendig informasjonsinnhenting, medførende en dypere læringsprosess, reduseres risikoen for at studenter benytter KI-verktøy som snarveier i egen læring.
- Variasjon mellom fagområder og tilpasning Noen erfaringer, for eksempel fra en anonym britisk universitetsstudent, viser at generativ KI foreløpig ikke er særlig anvendelig i humanistiske og samfunnsvitenskapelige fag – hvor tekstkvaliteten ofte er utilstrekkelig. Dette illustrerer viktigheten av at hver disiplin vurderer KI-verktøy relatert til sine spesifikke krav og tilpasses oppgavedesign og vurderingsformer deretter, slik at det faglige nivået opprettholdes.
Sammenfattende: Disse perspektivene peker på at undervisning og vurdering i høyere utdanning må reflektere den nye virkeligheten med KI ved å:
- Designe oppgaver som utfordrer studentene til å demonstrere høyere ordens ferdigheter, kritisk analyse og individuell refleksjon – noe KI ennå ikke mestrer.
- Implementere formative vurderingsmetoder, som innlevering av utkast og metakognitive refleksjonsoppgaver, for å sikre en dyp, prosessorientert læring og for å dempe juks.
- Tilpasse undervisnings- og vurderingsformer etter fagområdenes særegenheter, slik at både fordelene og begrensningene ved bruk av generative verktøy tas hensyn til.
- Skape en undervisningskultur der det å lære håndverksmessig med pensum og aktiv deltakelse verdsettes høyere enn ren leveranse av ferdig generert innhold.
Disse synspunktene legger et solid grunnlag for at endringer i både oppgavedesign og vurderingsstrategier kan sikre at KI forblir et støtteverktøy, og at studentenes faktiske faglige kompetanse og refleksjonsnivå står i sentrum.
Er du enig i Copilot her har foretatt en grei og presis oppsummering av det de ulike sitatene peker på?