Fra svaringsmaskine til tænkecoach
Et nyt eksperimentelt læringsværktøj vender fuldstændig op og ned på den måde, de fleste studerende bruger kunstig intelligens på. Mens langt de fleste griber efter ChatGPT-lignende programmer som en lynhurtig facitliste, tvinger denne AI-tutor dem i stedet til at arbejde sig frem til svaret trin for trin.
Værktøjet hedder Macro Buddy og er blevet afprøvet i makroøkonomikurser på et amerikansk universitet. Resultaterne er bemærkelsesværdige.
I den amerikanske videregående uddannelse bruger anslået næsten ni ud af ti studerende en chatbot til lektier og eksamensforberedelse. Mønsteret er velkendt: skriv spørgsmålet ind, kopiér svaret, og gå videre. Læringudbyttet er minimalt, og underviserne kan se det med det samme til forelæsninger og eksamener.
Macro Buddy er bygget på et helt andet grundprincip. Chatbotten nægter simpelthen at udlevere færdige svar. I stedet reagerer den med målrettede spørgsmål, der skubber den studerende i retning af sin egen ræsonnering. Det kan føles frustrerende — men netop den modstand skaber en dybere forståelse af stoffet.
AI'en fungerer ikke som en regnemaskine eller snydeseddel, men som en slags digital studievejleder, der bliver ved med at spørge.
Spørger en studerende om, hvordan man beregner væksten i bruttonationalproduktet, kommer der ingen formel. I stedet følger en række korte spørgsmål: Hvad er udgangssituationen? Hvilken periode sammenligner du? Hvordan ændrer produktionen sig? Hvad sker der med priserne? Den studerende tvinges hele tiden tilbage til grundbegreberne fra undervisningen.
Gammel filosofi, ny teknologi
Tilgangen er inspireret af en filosofisk metode, der er over 2.400 år gammel: den sokratiske spørgeteknik. Den græske filosof Sokrates gav aldrig svar — han stillede vedholdende spørgsmål, indtil hans samtalepartner selv nåede frem til kernen af problemet.
Makroøkonomiforskere ved University of Wisconsin–La Crosse trænede en sprogmodel med komplette transskriptioner af deres egne forelæsninger. AI'en må ikke hente information fra internettet og er strengt begrænset til det officielle undervisningsmateriale for faget. Det skal forhindre, at tutoren ender med at formidle generel eller fejlagtig viden fra nettet.
- Alle svar stammer udelukkende fra fagets egne forelæsninger og opgaver.
- Chatbotten giver aldrig den endelige løsning eller formel.
- Ved fejl vender den tilbage til definitioner og grundbegreber.
- Den studerende skal selv tage det afgørende skridt mod løsningen.
Blander en studerende eksempelvis reelt og nominelt BNP sammen, svarer Macro Buddy ikke med en forklaring af begge begreber. Den spørger først til prisniveauet, derefter til inflation, og til sidst til hvad der korrigeres for og hvad der ikke gør. På den måde skal den studerende selv lægge puslespillet.
Aktive brugere rykker frem — passive studerende falder bagud
I foråret 2025 gennemførte forskerne et praktisk forsøg med 140 makroøkonomistuderende. Gruppen blev inddelt i fire kategorier:
- Studerende der udelukkende arbejdede med Macro Buddy.
- Studerende der samarbejdede i traditionelle studiegrupper uden AI.
- Studerende der først brugte Macro Buddy og derefter diskuterede i grupper.
- En kontrolgruppe uden ekstra støtte.
Forskerne fokuserede især på resultaterne ved den tredje eksamen, efter en periode med intensiv brug af tutoren. Her skilte én gruppe sig klart ud: studerende der først havde øvet sig individuelt via chatbotten og bagefter talte med hinanden om det. Deres karakterer lå i gennemsnit 12 point højere end kontrolgruppens.
Kombinationen af en spørgende AI-tutor og efterfølgende drøftelse i små grupper gav det største løft i læringsresultaterne.
Det gik stik modsat for studerende, der primært brugte AI'en som en hurtig svarstation. Så snart hjælpen blev fjernet og de skulle klare sig selv, faldt deres karakterer med gennemsnitligt 8 point. Uden aktivt tankework viste det sig, at der næsten ingenting havde sat sig fast.
Fejl er en mulighed for et bedre samtaleforløb med AI'en
Kernen i Macro Buddy er en løkke af opfølgende spørgsmål. Ved hvert ufuldstændigt eller forkert svar følger der ikke et rødt kryds, men et nyt og skarpere spørgsmål. Det fortsætter, indtil den studerende selv opdager, hvor ræsonneringen halter.
Ved en misforståelse om inflation spørger tutoren eksempelvis først om, hvor mange penge der er i omløb. Derefter om, hvor ofte de penge skifter hænder, og først til sidst om det generelle prisniveau. Denne opbygning får den studerende til at placere inflation i et bredere billede frem for blot at udenadslære en definition.
Denne fremgangsmåde understøttes af forskning fra Harvard om adaptive AI-tutorer, der allerede har vist, at guidede spørgsmål er langt mere effektive til langsigtet vidensopbygning end blot at præsentere information. De nye forsøg med Macro Buddy ser ud til at bekræfte dette.
AI som del af studiegruppen
Et interessant fund fra forsøget er, at AI'en har størst effekt, når den ikke anvendes alene. Studerende der efter en session med Macro Buddy skulle diskutere deres arbejde med medstuderende, beherskede stoffet bedst af alle.
Rækkefølgen ser ud til at være afgørende: først kæmpe med chatbottens spørgsmål, derefter sammenligne med andre. På den måde har alle deltagere noget fagligt at bidrage med, frem for at én person åbner chatvinduet mens resten læner sig tilbage.
Uddannelseseksperter ser heri et muligt nyt standardmodel for universiteter: ikke fuldstændig digital selvstudium, men en trekant bestående af menneske, maskine og gruppe. AI'en sætter den studerende i gang med at tænke, og gruppesamtalen sørger for, at indsigterne sætter sig fast og bliver nuanceret.
Hvad betyder det for danske videregående uddannelser?
Danske uddannelsesinstitutioner kæmper i mellemtiden med de samme spørgsmål som i USA. Hvordan lader man studerende drage nytte af AI uden at færdigheder som ræsonnering, analyse og skriftlig fremstilling forsvinder?
En tilgang som Macro Buddys giver nogle konkrete holdepunkter:
- Gør i undervisningsdesignet eksplicit forskel på "AI som regnemaskine" og "AI som tutor".
- Begræns den viden, en AI-tutor må trække på, til fagets eget materiale.
- Udform chatbotten, så den stiller spørgsmål fremfor at levere udregninger.
- Kobl individuelle AI-sessioner altid til efterfølgende drøftelser i små grupper eller studiekredse.
For undervisere kan et sådant system desuden give indblik i, hvor studerende går i stå. De spørgsmål som AI'en oftest vender tilbage til, peger direkte mod fagets sværeste elementer — og det gør det nemmere at justere forelæsninger og øvelsestimer.
Fordele og risici ved en spørgende AI-tutor
En digital tutor, der aldrig bliver træt og har ubegrænset tid til hvert spørgsmål, kan lette arbejdsbyrden for underviserne. Studerende behøver ikke vente længe på feedback og kan øve sig på ethvert tidspunkt — også uden for undervisningstiden.
Samtidig ligger der en reel risiko i dårligt designede systemer. Så snart en chatbot igen primært begynder at udspytte svar, skubber studerende blot deres tankework endnu længere i baggrunden. Så forstærker AI'en præcis det problem, den skulle løse.
Et forsvarligt design kræver derfor klare grænser: ingen endelige svar, ingen eksterne kilder, og en brugerflade der aktivt inviterer til refleksion. Tænk knapper som "hvor går min ræsonnering galt?" frem for "giv mig løsningen".
For studerende der har svært ved matematiske eller økonomiske ræsonnementer, kan en sokratisk indstillet chatbot netop fungere som en indgang. De får plads til at pusle i eget tempo uden at føle, at de holder hele gruppen tilbage. Kombineret med klassisk undervisning og ægte interaktion med undervisere opstår der på den måde en rigere blanding af læringsformer.
