En AI der nægter at give svarene
Et amerikansk universitet tester et AI-system, der stiller spørgsmål i stedet for at levere svar. Resultaterne overrasker både undervisere og studerende.
Mens mange digitale hjælpemidler nærmest serverer færdige opgaveløsninger, gør dette system det modsatte. Det afviser konsekvent at give løsninger og tvinger i stedet de studerende til at opbygge deres egen tankegang trin for trin. Tilgangen er inspireret af en klassisk filosofisk metode, men pakket ind i moderne AI-teknologi.
Ni ud af ti studerende bruger AI til at springe tænkearbejdet over
På amerikanske videregående uddannelser griber en stor del af de studerende til chatbots, når de skal løse opgaver. Forskning peger på, at næsten ni ud af ti studerende bruger AI — ofte for at omgå det egentlige tænkearbejde. Det giver hurtige svar, men ringe forståelse.
Systemet Macro Buddy forsøger at bryde dette mønster. Hvor en almindelig chatbot villigt regner opgaven ud, reagerer denne tutor udelukkende med nye spørgsmål. Beder en studerende om hjælp til at beregne væksten i bruttonationalproduktet, dukker der ikke formler op på skærmen — men derimod målrettede spørgsmål som:
- Hvilke data har du brug for for at måle vækst?
- Hvad fortæller et indekstal om en ændring over tid?
- Hvilken variabel spiller hovedrollen her?
Macro Buddy opfører sig mindre som en regnemaskine og mere som en kritisk underviser, der ikke giver op, før den studerende selv har forstået det.
Den grundlæggende filosofi er, at læring opstår, når man selv skaber forbindelser mellem begreber — ikke når man afskriver en færdig løsning.
Gammel filosofi i ny teknologisk dragt
Skaberne bag Macro Buddy — økonomer fra University of Wisconsin-La Crosse — hentede inspiration fra den såkaldte sokratiske metode. Denne filosofiske tradition bygger på samtaler med stadig skarpere spørgsmål, som gradvist fører personen frem mod indsigt. Det digitale system kopierer dette princip i en sprogmodel.
Forskerne fodrede AI'en med fuldstændige transskriptioner af deres makroøkonomi-forelæsninger. Programmet har ingen adgang til internettet, kan hverken konsultere Wikipedia eller andre sider og kender udelukkende de begreber, der er gennemgået i faget. Derved forbliver hvert svar tæt knyttet til det officielle kursusmateriale.
Begår en studerende en tankefejl, forsøger tutoren ikke at "redde" vedkommende med det rigtige svar. I stedet omformulerer systemet sine spørgsmål. Forveksler en studerende eksempelvis realt og nominalt bruttonationalprodukt, modtager de opfølgende spørgsmål om prisindeks, købekraft og inflation — uden at den præcise formel nogensinde dukker op.
Hver fejl omsættes til en række modspørgsmål, så de studerende selv skal finde det manglende led i deres ræsonnement.
Eksperiment med 140 studerende: aktiv tænkning giver fremgang
For at afprøve tilgangens effekt opdelte forskerne i foråret 2025 en gruppe på 140 makroøkonomistuderende i fire forskellige læringsmiljøer:
- Individuelt med AI-tutor: studerende arbejdede alene med Macro Buddy.
- Traditionelle studiegrupper: studerende diskuterede opgaverne sammen uden AI.
- Kombinationsgruppe: først individuelt arbejde med AI-tutoren, derefter faglig drøftelse i mindre grupper.
- Kontrolgruppe: almindelig undervisning uden ekstra hjælpemidler.
Resultaterne, offentliggjort i et arbejdsdokument på SSRN, viser tydelige forskelle. Kombinationsgruppen kom ud som den store vinder. Studerende, der først kæmpede med AI'ens spørgsmål og derefter drøftede deres ideer med medstuderende, opnåede i gennemsnit 12 point mere på en vigtig eksamen end kontrolgruppen.
Bemærkelsesværdigt er, hvad der sker, når de studerende bruger teknologien passivt. I grupper, hvor AI'en primært fungerede som svarmaskine, faldt resultaterne med gennemsnitligt 8 point, så snart hjælpemidlet ikke længere var tilgængeligt. Uden det digitale "støttehjul" viste det sig, at mange studerende aldrig havde tilegnet sig den egentlige forståelse.
Tutoren fungerer som en kognitiv krykke: den, der læner sig op ad den, svækkes. Den, der træner med den, bliver stærkere.
Sådan omsætter AI en fejl til et læringsøjeblik
Systemets kerne er en løkke af spørgsmål og svar. Giver en studerende en forkert forklaring på inflation, dukker der hverken røde kryds eller korrekte svar op. I stedet følger opfølgende spørgsmål — for eksempel om:
- hvor mange penge der er i omløb;
- den hastighed, hvormed penge skifter hænder;
- sammenhængen mellem pengemængde og det generelle prisniveau.
Gennem denne kæde af spørgsmål tvinges den studerende til at genopbygge sin egen tankerække. AI'en registrerer, hvilke begreber der oftest volder problemer, og tilpasser spørgsmålsstien derefter. Samtalen føles derfor mindre som en statisk quiz og mere som et personligt forhør.
Uddannelsesforskning viser, at en sådan guidet, spørgende dialog på lang sigt virker bedre end simpel forklarende undervisning. Ny viden sætter sig bedre fast, når man aktivt søger efter svaret, frem for passivt at modtage information.
AI og gruppearbejde: menneske og maskine forstærker hinanden
Et bemærkelsesværdigt aspekt af undersøgelsen er kombinationen af digital og menneskelig interaktion. I den bedst præsterende gruppe brugte de studerende Macro Buddy udelukkende i den første fase — derefter lagde de deres eget ræsonnement frem ved siden af deres studerendes.
I disse gruppesamtaler viste AI'en sig at fungere som en samtalestarter. Studerende mødte op med forskellige løsningsveje, alle bygget på de spørgsmål, de selv havde besvaret. Det udløste diskussioner om definitioner, mellemregninger og økonomisk intuition — fremfor debatter om, hvilken "løsning" der var rigtig eller forkert.
Ifølge uddannelseseksperter kan netop denne kombination af en krævende AI-spørger og en social efterbehandling blive en ny model for universitetsundervisning med AI. Ikke som erstatning for underviseren, men som et ekstra lag der skærper de studerendes ræsonnementsevne.
Hvad det betyder for uddannelser i Danmark
Tilgangen berører diskussioner, der også foregår på danske universiteter: hvordan giver man plads til AI uden at studerende holder op med at tænke selv? Et par mulige anvendelser:
- AI-tutorer der udelukkende anvender begreber fra et specifikt fag, ligesom Macro Buddy.
- En obligatorisk fase med individuelt tænkearbejde via AI-spørgsmål, efterfulgt af holdundervisning i mindre grupper.
- Undervisere der designer egne spørgsmålsrækker med udgangspunkt i hyppige fejl, så AI'en kan stille målrettede opfølgningsspørgsmål.
Undervisere ville dermed kunne bruge mere tid på de komplekse dele af stoffet, mens AI'en hjælper med rutinespørgsmål og grundlæggende begreber. Samtidig kræver dette klare retningslinjer: studerende skal forstå, at systemet ikke er en svargenerator, men et træningsværktøj for deres egen tænkning.
Risici og forudsætninger ved lærende AI-tutorer
Denne arbejdsform rejser også nye spørgsmål. Studerende kan blive frustrerede, hvis de aldrig får et direkte svar — særligt tæt på en eksamen. Uddannelsesinstitutioner bør derfor tydeligt forklare, hvorfor systemet er bygget op på denne måde, og hvor studerende kan finde konkrete løsninger, for eksempel i øvelseseksamener eller eksempelopgaver.
Et andet vigtigt punkt er gennemsigtighed. En AI-tutor, der er trænet på underviserens egne forelæsningsnoter, kan overtage fejl fra underviseren. Universiteter er derfor nødt til løbende at kontrollere, at det digitale spørgsmålssystem er indholdsmæssigt korrekt og opdateret — for eksempel ved ændringer i pensum eller økonomiske definitioner.
For studerende kan en sådan krævende, udfordrende tutor udgøre en værdifuld træning. Den, der lærer at opbygge et ræsonnement på egen hånd og først derefter diskutere det med andre, udvikler kompetencer, der rækker langt ud over ét fag: kritisk tænkning, struktureret argumentation og modet til at revidere sine egne antagelser.
