Fra hurtig snydegenvej til et redskab der skærper tænkningen
Forskere ved et amerikansk universitet har udviklet en digital tutor, der fungerer helt anderledes end traditionelle chatbots. I stedet for at løse lektier direkte reagerer systemet med målrettede opfølgningsspørgsmål. Tilgangen er inspireret af Sokrates' filosofi og skal sikre, at studerende begynder at ræsonnere ordentligt igen – frem for blot at fodre en AI med opgaver og kopiere svaret.
AI i uddannelsen: fra snydetrick til tænkeredskab
Brugen af chatbots i videregående uddannelse vokser eksplosivt. I USA anslås det, at næsten ni ud af ti studerende bruger AI-hjælp til opgaver. Mønsteret er velkendt: stil et spørgsmål i chatbotten, kopiér svaret, aflevér. Praktisk nok – men selve tankework forsvinder fuldstændig.
Den nye AI-tutor, kaldet Macro Buddy, er netop designet til at bryde dette mønster. Systemet afgiver aldrig et direkte svar, en udregning eller en definition. Spørger du, hvordan man beregner væksten i bruttonationalproduktet, får du ikke en formel. I stedet møder du spørgsmål som: "Hvilke data har du brug for at bestemme væksten mellem to år?" eller "Hvad fortæller prisniveauet i dette eksempel?"
Kernetanken er klar: AI'en må ikke tænke i stedet for den studerende, men hjælpe den studerende til selv at tænke.
Den digitale tutor anvendes i øjeblikket i makroøkonomiundervisning ved University of Wisconsin-La Crosse. Her er systemet indlæst med komplette transskriptioner af forelæsningerne og det officielle kursusmateriale. Programmet har ingen adgang til internettet og kan derfor ikke hente tilfældige forklaringer online. Kun de begreber og eksempler, de studerende allerede har mødt i faget, dukker op i samtalerne.
En 2.400 år gammel filosofisk metode i moderne dragt
Konceptet hviler tungt på den sokratiske metode – en undervisningsform, der er over 2.400 år gammel. I stedet for at belære stiller læreren løbende spørgsmål, der guider eleven mod indsigten. AI-tutoren gør præcis det samme, blot digitalt.
Begår en studerende en fejl, korrigerer AI'en den ikke direkte. Den omformulerer i stedet situationen. Forveksler nogen eksempelvis realt og nominalt BNP, kommer der ingen forklaring med den rigtige formel. I stedet følger spørgsmål om prisindekser, inflation og købekraft – og den studerende skal selv drage forbindelserne.
- AI'en afgiver aldrig et endeligt svar eller en fuldstændig udregning.
- Fejl opfanges og omdannes til nye spørgsmål.
- Al forklaring holdes inden for fagets pensum.
- Tempo og sværhedsgrad tilpasser sig den enkelte studerende.
Designerne ønsker, at studerende aktivt skaber forbindelser: hvilket begreb hænger sammen med hvilken mekanisme, og hvilket trin mangler stadig i min ræsonnering? Det kræver mere arbejde end blot at læse et færdigt svar, men giver langt dybere forståelse på sigt.
Eksperiment med 140 studerende: aktiv deltagelse løfter karakteren 12 point
For at måle effekten af denne tilgang gennemførte forskerne i foråret 2025 et eksperiment med 140 makroøkonomistuderende. De blev fordelt på fire grupper, hver med en forskellig arbejdsmetode:
| Gruppe | Arbejdsmetode |
|---|---|
| 1 | Arbejdede udelukkende med AI-tutoren |
| 2 | Traditionelle gruppeopgaver uden AI |
| 3 | Først AI-tutor individuelt, derefter gruppediskussion |
| 4 | Kontrolgruppe uden ekstra støtte |
Resultaterne, offentliggjort i et arbejdsdokument på SSRN, viser markante forskelle. De studerende i den blandede gruppe – først individuelt med AI, derefter fælles diskussion – opnåede de højeste karakterer ved den tredje eksamen. De lå i gennemsnit 12 point højere end kontrolgruppen.
Den stærkeste effekt opstod, når AI ikke erstattede gruppediskussionen, men derimod skærpede det individuelle tankework inden diskussionen gik i gang.
I den anden ende af skalaen befandt sig studerende, der forsøgte at læne sig passivt op ad teknologien. I situationer, hvor AI'en gav direkte svar og efterfølgende blev slukket, faldt deres karakterer med gennemsnitligt 8 point. Når den digitale krykke forsvandt, viste det sig, at deres forståelse af stoffet var skrøbelig.
Hver fejl bliver udgangspunkt for et nyt tankestep
Styrken ved AI-tutoren ligger i den måde, den håndterer fejl på. Et forkert svar eller en skæv ræsonnering afvises ikke – det bliver i stedet input til en ny række spørgsmål.
Påstår en studerende eksempelvis, at inflation udelukkende skyldes en større pengemængde, følger der spørgsmål om penges omløbshastighed, prisniveauer og efterspørgsel efter varer. Gennem denne kæde af spørgsmål begynder den studerende selv at tvivle på den første, alt for enkle forklaring.
Forskerne henviser til tidligere arbejde fra Harvard, publiceret i 2025 i tidsskriftet Scientific Reports. Det viste allerede, at vejledt spørgeteknik er langt mere effektiv for langsigtet vidensopbygning end blot at præsentere information. Den nye tutor omsætter dette princip til et konkret fagområde med rigtige studerende og eksamener som målestok.
AI og gruppearbejde forstærker hinanden
Kombinationen af individuel AI-kontakt efterfulgt af gruppearbejde viser sig overraskende kraftfuld. De studerende møder op til gruppediskussionen med et tankework, der allerede er blevet skærpet af AI'ens spørgsmål. Under diskussionen støder disse ræsonnementer mod hinanden, og uklarheder bliver synlige.
Det afføder samtaler som: "Mine AI-spørgsmål handlede hele tiden om prisindekser – hvilke fik du?" eller "Jeg skulle koble alt til penges omløbshastighed." Disse sammenligninger hjælper de studerende med at forankre kernebegreberne langt mere solidt.
Ifølge uddannelsesanalyser tilbyder denne kombination af menneske, maskine og gruppe en måde at integrere AI i pensum på uden at undergrave udviklingen af analytiske færdigheder. Tutoren overtager ingenting – den sætter i stedet samtalen i gang, både i den studerendes hoved og imellem de studerende indbyrdes.
Hvad danske uddannelsesinstitutioner kan lære af dette
For danske erhvervsakademier og universiteter er situationen velkendt: undervisere kæmper med AI-genererede opgaver, og studerende bruger ChatGPT som både første og sidste skridt. Den amerikanske tilgang viser, at det kan gøres anderledes.
I stedet for at forbyde AI eller give helt frit slag kan uddannelsesinstitutioner tage redskaber i brug med indbyggede begrænsninger:
- Ingen direkte svar – kun spørgsmål og hints.
- Adgang udelukkende til det aktuelle kursusmateriale.
- Fejlregistrering der fører til omformulering, ikke til det rigtige svar.
- Kobling til obligatorisk efterfølgende diskussion i studiegrupper.
Undervisere kan desuden udarbejde forløb, hvor studerende først øver sig med en sådan tutor og derefter i undervisningen reflekterer over det: hvilke spørgsmål hjalp dig videre, hvor gik du i stå, og hvornår begyndte du at svare på autopilot?
Risici og muligheder ved denne tilgang
Der er stadig opmærksomhedspunkter. Opdager de studerende, hvilken type svar AI'en "ønsker at høre", risikerer de at gætte sig frem til det rigtige mønster i stedet for at ræsonnere ægte. Kvaliteten af de spørgsmål, tutoren stiller, bliver derfor altafgørende.
Modellen kræver desuden tæt samarbejde mellem fageksperter og AI-specialister. Kun hvis kursusindholdet er korrekt indarbejdet i systemet, kan tutoren stille meningsfulde spørgsmål, der matcher fagets niveau og læringsmål.
Samtidig åbner denne tilgang for interessante perspektiver. En AI, der tålmodigt og udfordrende stiller spørgsmål døgnet rundt, kan aflaste holdundervisningen og give de studerende mere plads til at øve sig i deres eget tempo. I store førstårsfag, hvor personlig vejledning ofte er utilstrækkelig, kan en sådan digital tutor varetage dele af den samtale, der ellers aldrig ville finde sted.
For de studerende selv gælder det endeligt: den, der bruger denne type AI-redskaber som et tankespejl frem for en svarsmaskine, træner præcis de kompetencer, der gør en forskel på fremtidens arbejdsmarked. Det er ikke den, der finder flest informationer, men den, der kan stille de bedste spørgsmål, der skiller sig ud – menneske og maskine inkluderet.
