Når du møder dine studerende, kan du lige så godt gå ud fra, at de i længere tid har brugt generativ AI i deres studiearbejde, enten på ungdomsuddannelser eller tidligere semestre.
Men du kan ikke gå ud fra, at de anvender teknologien, som du kunne ønske.
Derfor er det afgørende, at du som underviser tager ejerskab over, hvordan generativ AI skal anvendes i din undervisning. Du skal sikre, at generativ AI bliver en facilitator for læring og mestring fremfor det modsatte.
Vores underviser-survey viste, at mange undervisere er usikre på, hvordan generativ AI bør anvendes i deres undervisning, og pga. manglende viden adresserer de det ikke.
Nogle har ikke indblik i, hvordan de studerende på eget initiativ anvender AI, og grundlæggende er de fleste i tvivl om, hvordan generativ AI påvirker de studerendes læring.
Forslagene til rammesætning skal gøre det muligt for dig som underviser at skabe en ramme for anvendelsen af AI på holdet, så der opstår en fælles samtale, og så de studerende introduceres for anvendelsen som en metodisk disciplin, der kræver kritisk tænkning og velovervejet brug.
Vi foreslår aktiviteter, der lægger sig FØR brugen af generativ AI i undervisningen, UNDER brugen og EFTER – vel vidende, at man selvfølgelig ikke kan dele det så skarpt op i praksis.
Formålet med FØR-aktiviteterne er at sikre, at de studerende opdager, hvordan generativ AI indgår i en større faglig sammenhæng og samtidig tilegner sig et kritisk blik på både teknologien og deres egen måde at anvende den på– så ukritisk og ureflekteret kommes i forkøbet.
Forslagene til UNDER-aktiviteter har til formål at guide de studerendes brug af generativ AI, bl.a. ved at introducere fælles praksisser og tilgange, så de studerende har andet end deres egne individuelle strategier at læne sig op ad.
Forslagene til aktiviteter vil bl.a. give de studerende mulighed for at gøre sig personlige erfaringer, der kan lede til kritisk refleksion – fremfor at de blot får det kritiske perspektiv præsenteret af dig som underviser.
EFTER-aktiviteterne har til formål at skabe klarhed over, hvordan de studerende forventes at dokumentere deres brug af generativ AI i projekter og til eksamener.
De fleste institutioner har udarbejdet generelle vejledninger i brugen af generativ AI, der gælder for alle studerende på tværs af uddannelser. Som supplement hertil kan I på jeres egen uddannelse lave en lokal vejledning, der tager højde for fagligheden, undervisningens fokus, de anvendte værktøjer m.m.
Her har I mulighed for at beskrive de kontekstuelle forhold, der gør sig gældende for lige præcis jeres studerende: Må multimediedesignere f.eks. bruge værktøjer, der kan programmere alt for dem, må finansøkonomer bruge GPT’er udviklet til statistik fremfor selv at regne osv.?
Der bør også være vejledning i, hvordan de studerende skal henvise til generativ AI’s rolle i eksamensprojekter. Lav eller henvis til en eksisterende ressource, f.eks. fra biblioteket.
Det er umuligt at generalisere om, hvilke opgaver, der løses med generativ AI ude i danske virksomheder, da virksomheder og brancher er så forskellige.
Både undervisere og studerende kan med fordel tage på feltbesøg og få indblik i, hvordan en specifik virksomhed anvender generativ AI i dagligdagen og til hvad. Handler det om at spare tid på repetitive opgaver - som generering af korte produkttekster til en webshop? Bruges kunstig intelligens til at overskue og analysere store mængder af data? Har man skabt sine egne løsninger?
TIP: Et enkelt feltbesøg kan næppe i sig selv begrunde en omlægning af undervisningen. Men sætter I det i system ved at fordele feltbesøg og dele indtryk efterfølgende, begynder I at have et beslutningsgrundlag.
Byg eventuelt ind i praktikbesøg, at I (uanset praktikantens arbejdsområde) husker at spørge til praktikvirksomhedens brug af generativ AI.
På Erhvervsakademi MidtVest sendes alle studerende på multimediedesigneruddannelsen i introugen ud for at besøge en dimittend i arbejde. Her samler de viden om jobbet men også om overgangen fra studerende til job. Målet er, at de kan se meningen med det hele og får en karriere at spejle sig i. Efterfølgende deles erfaringer med resten af holdet sammen med billeder mv. fra besøget.
De studerende får udleveret en spørgeramme, der sikrer, at de kommer godt rundt. Her spørges der også ind til færdigheder og trends – f.eks. på AI fronten. Når dette deles på holdet, skabes der en fælles forståelse af AI i professionen.
Generativ AI kan både anvendes som en læringsteknologi og en fagteknologi, og der vil være forskellige formål og anvendelser knyttet hertil. Det bør de studerende have en bevidsthed omkring.
Læringsteknologi:
Alle studerende uanset uddannelse og faglighed kan anvende generativ AI som et konstruktivt hjælpemiddel i deres studiearbejde. Når de studerende gennem brugen skal styrke deres egen læring, kræver det, at de holder fokus på læreprocessen og ser generativ AI som et proces- og metodeværktøj, der kan udfordre og spejle dem i deres studiearbejde.
Fagteknologi:
For nogle studerende vil generativ AI også være en fagteknologi, som de forventes at kunne anvende til professionelle opgaver i deres kommende profession. Her er generativ AI en integreret del af ”erhvervets anvendelse” i studieordningen, og skal anvendes på samme måde som i professionen. Det vil typisk være på uddannelser, hvor kodning, webdesign, online indhold, SEO eller økonomisk analyse spiller en rolle.
De studerende bør både kunne anvende generativ AI i løsningen af professionens arbejdsopgaver men også kunne forholde sig kritisk og vurdere hvornår og hvordan generativ AI bør bruges for at løse arbejdsopgaven mest hensigtsmæssigt.
Groft opsummeret kan de to anvendelser modstilles således:
| Generativ AI brugt som læringsteknologi | Generativ AI brugt som fagteknologi |
|---|---|
| Alle studerende | Nogle studerende |
| Almen anvendelse | Branchespecifik anvendelse |
| Fokus på (lære)processen | Fokus på resultatet |
| Kritisk tilgang til egen læring | Kritisk tilgang til opgaveløsningen |
Her er nogle fiktive eksempler på øvelser og diskussioner, der tager udgangspunkt i oversigten:
Forslag til øvelser og diskussioner om generativ AI som lærings- eller fagteknologi
De studerende skal opdage og reflektere over, hvordan generativ AI åbner op for forskellige betydninger, alt efter hvilket perspektiv, der udforskes.
De forskellige perspektiver kan diskuteres ved hjælp af denne skematiske oversigt. Bed de studerende (gerne i grupper) reflektere og udfylde oversigten med eksempler. Ved hver kategori er der gjort plads til et positivt og et negativt eksempel.
| Generativ AI som læringsteknologi |
Hvilken betydning kan generativ AI have for dig som studerende? | + | - |
|---|---|---|---|
| Generativ AI som fagteknologi |
Hvilken betydning kan generativ AI have for brugerne / kunderne / målgrupperne i din profession? | + | - |
| Hvilken betydning kan generativ AI have for selve professionen? | + | - | |
| Hvilken betydning kan generativ AI have for dig som kommende professionel? | + | - | |
OBS: For at de studerende kan forholde sig til generativ AI som fagteknologi, må de have et indblik i professionen – opnået f.eks. ved feltbesøg som foreslået tidligere eller på anden vis.
Print arbejdsarket: Arbejdsark - generativ AI og professionel identitet
Eksempler på øvelser og diskussioner, der tager udgangspunkt i oversigten:
Forslag til diskussion om generativ AI og professionel identitet
Prompting er en kerneaktivitet i brugen af generativ AI. Der er dog ikke entydigt rigtige og forkerte svar på, hvordan man prompter, eller hvilke arbejdsopgaver i hvilke kontekster, der er egnede til at prompte sig til et output.
De studerende kan derfor med fordel forholde sig til anvendeligheden ved forskellige opgavetyper i deres egen kontekst, før de kaster sig ud i brugen.
Det kan de f.eks. gøre gennem to begreber præsenteret af Ethan Mollick; Task Prompting og Thinking Prompting.
Ethan Mollick skelner i blogindlægget https://www.oneusefulthing.org/p/getting-started-with-ai-good-enough (udgivet 24. november, 2024) mellem Task Prompting og Thinking Prompting – altså forskellen på at prompte sig til et konkret resultat og prompte sig til feedback på ens overvejelser.
Især ved Task Prompting bliver promptens indhold afgørende for at minimere fejlagtige eller upræcise svar. Udover at beskrive selve opgaven og den kontekst, den indgår i, bør man ifølge Mollick også instruere sprogmodellen i dens måde at løse opgaven på. F.eks. kan man give den mulighed for at sige fra, når den ikke kender svaret, eller bede den om at forbedre promptet eller bede om flere relevante oplysninger.
Både ved Task Prompting og Thinking Prompting er det nødvendigt at have en forhåndsviden til emnet, så man er i stand til at vurdere kvaliteten af de givne svar.
Brug blogindlægget og de to begreber til sammen med de studerende at stille skarpt på en given opgaves resultat- eller procesorienterede karaktér.
Kritisk tænkning er altafgørende i brugen af generativ AI. Disse teoretiske tilgange kan måske inspirere dig i arbejdet med at skabe læringsaktiviteter for dine studerende, hvormed de kan opøve en kritisk bevidsthed. Du kan naturligvis også inddrage teksterne i læringsaktiviteterne selv.
Hartmut Rosa: Læreren skal være rollemodel og vise vejen til resonans
https://dpu.au.dk/asterisk/hartmut-rosa-laereren-skal-vaere-rollemodel-og-vise-vejen-til-resonans
”Hvis vi tager generativ AI; på den ene side øger den min ’self-efficacy’ (mestringsoplevelse, red.), fordi jeg pludselig kan foregive at vide mere eller arbejde hurtigere. På den anden side, så stiger forskellen mellem, hvad jeg kan gøre gennem teknologien, og hvad jeg kan gøre som person. Det er jo ikke mig, der gør det eller mestrer den viden. Og når jeg indser, at resonansen opstod på et falsk grundlag, føler jeg mig fremmedgjort. For hvad kan jeg egentlig? Hvem er jeg? ”
”Men måske vil vi gerne snydes. Vi accepterer det i hvert fald, alt imens AI gør os dummere, fordi vi ikke anstrenger os for at lære – vi spørger bare ChatGPT og glemmer lynhurtigt svaret igen, fordi vi i processen ingen modstand møder. Der sker ingen læring, ingen transformation og derfor ingen resonans.”
Ove Christensen: Hvordan kan jeg vide, hvad jeg tænker, hvis jeg ikke læser, hvad jeg har skrevet?
”I første omgang kan det dog være problematisk, at man anvender GAI, da det ofte betyder, at man udliciterer selve den processuelle tankeproces eller i hvert fald dele af den til en automat. Ved ikke selv at være i processen, men blot modtager af en del af denne, så misser man besværet og bøvlet med tænkningen og dens genstand. Artefaktet eller eksternaliseringen bliver et sterilt produkt, man kan tage og bruge, men bliver ikke en del af den måde, man selv bliver en anden på. Det er i friktionen mellem det, man forsøger at tænke og det, man kan udtrykke af sin tækning, at læring og personlig udvikling opstår.
Læringen er bøvlet i den dobbelte betydning, at det er bøvlet at lære, men selve bøvlet er det, der er læringen ved bøvlet.”
Du kan med fordel vejlede de studerende i brugen af store sprogmodeller (LLM'er) som ChatGPT. Det kræver, at du som underviser fokuserer på at forklare, hvordan effektiv prompt-udformning kan forbedre kvaliteten af de resultater, de studerende opnår. Her skal du være opmærksom på, at som modellerne og mulighederne løbende og hele tiden ændres, kan det være svært at lægge sig op ad en specifik prompting teknik eller framework.
Følgende generelle principper kan dog altid følges:
Generelle principper for prompting
Lektor Elin Brandi Sørensen, Erhvervsakademi København, lod sine studerende på PBA International Salg og Markedsføring anvende generativ AI i udformningen af relevante variabler og spørgeskema-spørgsmål i arbejdet med spørgeskemaer som dataindsamlingsværktøj.
I processen så hun noget, hun ikke havde forventet: Nemlig mange studerendes udtalte usikkerhed og blufærdighed i at dele deres anvendelse af generativ AI med deres underviser.
Læs om Elins afprøvning: 250605 Elin Brandi Sørensen AI i undervisningen – en afprøvning
Se opgavearket til øvelsen: 250325 Elin Brandi Sørensen - Øvelse vedr Variabler og Spørgsmålstyper
Generativ AI skaber nye måder at lære og udvikle sig på. Som underviser og som rammesætter og facilitator for læring, skal vi huske at spørge os selv: ”Bliver mine studerende dygtigere af at bruge AI til at skabe disse løsninger? Og hvad er det egentlig, de skal være dygtige til?”
Skal de studerende anvende generativ AI som fagteknologi til at skabe professionsrettede løsninger, skal det stadig være på en bund af solid faglighed. Det er den faglige indsigt, der gør, at de kan vurdere kvaliteten af et output.
Det er vigtigt, at de studerende får øjnene op for kvaliteterne ved deres egen viden og uddannelsens pensum og metoder. Det kan gøres ved at koble fagligheden med generativ AI via øvelser, der fremkalder en kritisk stillingtagen til output ud fra et fagligt synspunkt.
Her er forslag til egnede aktiviteter:
Hold de studerendes egen viden og pensum op overfor generativ AI
Lektor Frederik Krabbe Nielsen underviser på uddannelsen til multimediedesigner på Erhvervsakademi MidtVest de studerende i at skabe online indhold, f.eks. blogindlæg til hjemmesider.
”Men ChatGPT kan jo også skrive blogindlæg. Det medfører, at alle nu kan skrive blogindlæg. Men – samtidig er der faktisk ingen, der kan, fordi de udliciterer opgaven til en sprogmodel og ikke forholder sig til outputtet.” Frederik udtænkte et benspænd til sine studerende: Han fik ChatGPT til at lave et blogindlæg men fremstillede det som sit eget, hvorefter han bad de studerende vurdere det. De var flinke og ukritiske, indtil han delte sin egen uforbeholdne mening om produktet: ”It’s crap!”
Herefter holdt han blogindlægget op mod fagets teorier om godt indhold, som de studerende egentlig skal demonstrere kendskab til: Sprogtone, engagement, tekstens WHY, appel til målgrupperne, overensstemmelse med afsenderens brand osv.
Ifølge Frederik blev der stille på holdet, da de studerende så med nye øjne på den AI-genererede tekst bestående mest af floskler, banale almindeligheder og stilforvirrede sprogbilleder.
Lokale AI-vejledninger og anbefalede tilgange kan være en god anledning til at afholde en decideret metodeworkshop, hvor de forskellige principper introduceres og afprøves.
En workshop, der indgår i semesterplanen, er med til at synliggøre anvendelsen af generativ AI som en metodisk disciplin, der trækker de studerende væk fra individuelle og uhensigtsmæssige tilgange.
Adjunkt Alexander Lysgaard Brandt, Erhvervsakademi København,
har inddraget AI til konkrete opgaver i faget global økonomi.
Se et eksempel på en lektion: Lektion 8
Lav udkast til en deklaration, der skal vedlægges opgaver og projekter som bilag. Her ses et eksempel på en skitse til en deklarering til projekt- og eksamensopgaver:
|
Hvorvidt den studerendes anvendelse af generativ AI er relevant at runde i en eksamensdialog, vil sandsynligvis afhænge af, hvorvidt teknologien indgår som fagteknologi og brugen derved er en af de faglige kompetencer, der skal udprøves for.
Det beror på en konkret vurdering på de enkelte uddannelser og i de enkelte fag.