AI til forbedring af elevengagement

AI til forbedring af elevengagement handler om at bruge kunstig intelligens til at gøre læring mere aktiv, relevant og tilpasset den enkelte elev. Teknologien kan støtte feedback, differentiering og variation, men den virker bedst, når læreren styrer mål, rammer og vurdering.

Hvordan kan AI styrke elevengagement?

AI kan styrke elevengagement ved at gøre undervisningen mere responsiv. Et system kan foreslå opgaver på forskelligt niveau, give hurtig feedback på et udkast eller hjælpe en elev med at finde en ny forklaring, når den første ikke virker. Det er især nyttigt, når elever arbejder i forskelligt tempo.

Engagement betyder ikke kun, at elever klikker mere eller bruger længere tid på en skærm. I undervisning handler engagement også om opmærksomhed, deltagelse, vedholdenhed, faglig nysgerrighed og oplevelsen af at kunne komme videre. Derfor skal AI vurderes på, om den understøtter læring, ikke kun aktivitet.

En praktisk forskel er, at AI kan give flere små anledninger til handling. En elev kan få et hint, en alternativ formulering eller en ny øvelse, før motivationen forsvinder. Samtidig skal læreren sikre, at hjælpen ikke bliver så direkte, at eleven springer tænkningen over.

Hvilke typer engagement kan AI påvirke?

Elevengagement kan opdeles i flere lag. Den adfærdsmæssige del handler om fremmøde, deltagelse, aflevering og vedholdenhed. Den kognitive del handler om dybde, refleksion og strategier. Den følelsesmæssige del handler om tryghed, motivation og oplevelsen af mening.

AI kan især påvirke de to første lag, fordi teknologien kan registrere mønstre i opgaver, svar og progression. Hvis en elev gentagne gange går i stå ved samme type problem, kan systemet foreslå en mellemopgave. Hvis en elev løser opgaver hurtigt, kan systemet foreslå en mere åben opgave.

Den følelsesmæssige del kræver større forsigtighed. En chatbot kan virke støttende, men den kan ikke erstatte lærerens relationelle blik. Elever kan også tolke automatiske beskeder som vurderinger af deres evner. Derfor skal tone, timing og formål være gennemtænkt, især i klassemiljøer med sårbare elever.

Hvor passer adaptiv læring ind?

Adaptiv læring er en af de mest direkte måder at bruge AI til engagement på. Systemet forsøger at tilpasse indhold, sværhedsgrad, rækkefølge eller feedback efter elevens svar. Det kan give en mere jævn udfordring, hvor eleven hverken keder sig over for lette opgaver eller mister modet over for for svære opgaver.

Adaptivitet er dog ikke det samme som god undervisning. Et system kan tilpasse efter målbare svar, men det kender ikke altid elevens misforståelse, arbejdsstrategi eller sociale kontekst. Derfor bør adaptiv læring fungere som støtte til lærerens beslutninger. Den kan pege på mønstre, men den bør ikke definere hele læringsforløbet.

For skoler, der arbejder med undervisning og læring med ChatGPT, er den vigtigste afgrænsning at skelne mellem tilpasning og individualisering uden fællesskab. Elever kan godt få forskellige veje ind i stoffet, mens klassen stadig arbejder mod fælles faglige mål.

Hvordan kan feedback blive mere engagerende?

Feedback er et centralt engagementspunkt, fordi elever ofte mister fremdrift, når de ikke ved, hvad næste skridt er. AI kan give hurtigere respons på udkast, mellemregninger, begrebsforklaringer eller spørgsmål. Det kan gøre ventetiden kortere og give eleven mulighed for at forbedre arbejdet, mens opgaven stadig er aktuel.

God AI-feedback bør være konkret, handlingsrettet og afgrænset. Den bør ikke bare give facit eller generelle rosende kommentarer. Den kan for eksempel pege på, at en forklaring mangler et eksempel, at en argumentation blander to begreber, eller at en løsning bør vise mellemtrin.

• Feedback bør forklare næste skridt, ikke bare bedømme resultatet.
• Eleven bør kunne se, hvorfor forslaget gives.
• Læreren bør kunne ændre, afvise eller supplere feedbacken.
• AI bør ikke give endelige vurderinger i situationer med høj betydning uden menneskelig kontrol.

U.S. Department of Education beskriver i rapporten Artificial Intelligence and the Future of Teaching and Learning, at AI kan styrke feedback loops, men også at systemer skal kunne inspiceres, forklares og tilsidesættes. Den balance er afgørende, hvis feedback skal øge engagement frem for at skabe blind afhængighed.

Hvad kan læreren bruge data til?

AI kan samle signaler fra opgaver, quizzer, afleveringer og læringsplatforme. Det kan hjælpe læreren med at se, hvilke elever der sidder fast, hvilke begreber klassen misforstår, og hvilke aktiviteter der skaber lav deltagelse. Data kan dermed flytte opmærksomheden fra mavefornemmelse til mere synlige mønstre.

Data bør bruges som begyndelse på en faglig samtale, ikke som en automatisk dom. Et lavt aktivitetsniveau kan skyldes sygdom, tekniske problemer, usikkerhed, for lette opgaver eller manglende forståelse. AI kan markere et mønster, men læreren skal undersøge årsagen.

En enkel arbejdsgang kan være at se på tre indikatorer ad gangen: deltagelse, progression og fejltype. Hvis deltagelsen er lav, men progressionen er stabil, kan eleven have brug for mere udfordring. Hvis deltagelsen er høj, men samme fejl går igen, kan eleven have brug for en anden forklaring. Hvis begge dele falder, bør læreren følge op direkte.

Hvordan undgår man at måle det forkerte?

Den største risiko ved AI-baseret engagementsmåling er, at let målbare handlinger forveksles med læring. Klik, tid i systemet og antal afleverede svar siger noget om aktivitet, men ikke nødvendigvis om forståelse. En elev kan bruge lang tid, fordi opgaven er uklar, eller kort tid, fordi eleven arbejder sikkert.

Engagement bør derfor måles med flere typer tegn. Det kan være elevens forklaring af egen strategi, kvaliteten af spørgsmål, evnen til at rette fejl, deltagelse i dialog og progression over tid. AI kan hjælpe med at organisere data, men kvalitative observationer skal stadig indgå.

Den faglige pointe er, at engagement ikke bør reduceres til en score. AI kan give overblik, men læreren skal stadig vurdere sammenhængen mellem data, elevens arbejde og undervisningens mål.

Hvordan kan AI støtte elever med forskellige behov?

AI kan gøre undervisningen mere tilgængelig, når elever har forskellige sproglige, faglige eller organisatoriske behov. En elev kan få en tekst forklaret med enklere ord, få hjælp til at strukturere en opgave eller få forslag til, hvordan en faglig idé kan undersøges videre.

I specialundervisning og inkluderende læringsmiljøer kan AI støtte gentagelse, variation og små trin. Det kan være nyttigt for elever, der har brug for tydelig progression. Samtidig kan automatiske forslag ramme forkert, hvis systemet ikke forstår elevens situation. Læreren skal derfor kunne se og justere støtten.

For yngre elever og elever med særlige behov er transparens ekstra vigtig. Eleven skal vide, hvornår svaret kommer fra et AI-system, og læreren skal kunne forklare, hvordan værktøjet indgår i undervisningen. Arbejdet med sikkerhedsaspekter ved AI i skolen bør derfor være en del af planlægningen.

Hvilke undervisningsformer egner sig bedst?

AI egner sig bedst til engagement, når undervisningsformen kræver aktiv elevhandling. Det gælder øvelser med feedback, undersøgende spørgsmål, skriveprocesser, programmering, sproglig træning og repetition af centrale begreber. Her kan AI støtte eleven i de små mellemtrin, hvor læreren ikke kan være overalt på samme tid.

Teknologien er mindre egnet, hvis målet er en samtale, en fælles fortolkning, en social øvelse eller en vurdering af elevens selvstændige præstation uden hjælp. I de situationer kan AI stadig bruges i forberedelse eller efterbehandling, men ikke som den centrale aktivitet.

1. Start med læringsmålet: Hvad skal eleven kunne gøre bedre?
2. Vælg AI-funktionen: Feedback, differentiering, øvelse, forklaring eller analyse.
3. Definer elevens opgave: Hvad må AI hjælpe med, og hvad skal eleven selv gøre?
4. Planlæg lærerens kontrol: Hvornår skal forslag, data eller feedback gennemgås?
5. Evaluer effekten: Blev deltagelsen, forståelsen eller vedholdenheden bedre?

Denne rækkefølge holder teknologien underordnet didaktikken. Det gør AI til et redskab i undervisningen, ikke til en erstatning for lærerens faglige valg.

Hvordan påvirker generativ AI elevens rolle?

Generativ AI ændrer elevens rolle, fordi eleven ikke kun modtager indhold, men også kan føre dialog med et system, der kan forklare, omskrive og foreslå. Det kan øge deltagelsen, hvis eleven bruger systemet til at teste idéer og få modspil. Det kan svække læringen, hvis eleven blot får færdige svar.

Derfor bør opgaver designes, så eleven skal vise proces, valg og begrundelser. I stedet for kun at aflevere et færdigt svar kan eleven beskrive, hvilke forslag der blev brugt, hvad der blev afvist, og hvordan den endelige løsning blev forbedret. Det gør engagement mere synligt som tænkning.

I undervisning med ChatGPT for lærere eller lignende værktøjer bør elever møde klare regler for brug. Reglerne kan skelne mellem idéudvikling, forklaring, sproglig støtte og færdigproduktion. Den skelnen gør det lettere at bruge AI uden at udviske elevens eget arbejde.

Hvilke etiske og juridiske rammer er relevante?

Skoler skal håndtere AI som både pædagogisk teknologi og datateknologi. Det betyder, at elevdata, gennemsigtighed, bias, alder, leverandørvilkår og menneskelig kontrol skal vurderes, før værktøjer bruges systematisk. Særligt i skoler er konsekvenserne større, fordi elever ikke altid kan gennemskue, hvordan data og anbefalinger påvirker dem.

Europa-Kommissionens etiske retningslinjer om AI og data i undervisning er rettet mod lærere og skoleledere og lægger vægt på praktisk, etisk integration. Retningslinjerne er ikke en teknisk manual, men de giver et fælles sprog for ansvarlig brug.

EU’s Artificial Intelligence Act er også relevant, fordi nogle AI-systemer i uddannelse kan blive klassificeret som højrisiko, især hvis de påvirker adgang, vurdering eller beslutninger om elever. Almindelig brug af AI til idéer, øvelser eller feedback er ikke automatisk det samme, men skoler bør kende forskellen.

Hvordan kan skolen indføre AI uden at svække motivationen?

AI bør indføres i små, fagligt afgrænsede forløb. Hvis teknologien rulles ud som et generelt krav, risikerer lærere og elever at bruge den mekanisk. Hvis den derimod knyttes til et konkret problem, kan skolen bedre se, om den faktisk styrker engagement.

Et godt pilotforløb har et tydeligt før- og efterbillede. Målet kan være, at flere elever afleverer et første udkast, at flere bruger feedback aktivt, eller at flere kan forklare en faglig strategi. Målet bør ikke være, at elever bare bruger AI mere.

Skolen bør også beslutte, hvornår AI ikke skal bruges. Det kan være ved bestemte prøver, ved personfølsomme oplysninger, ved relationsarbejde eller ved opgaver, hvor formålet er at træne selvstændig hukommelse og ræsonnement. Klare fravalg gør de gode anvendelser mere troværdige.

Hvilke kontrolspørgsmål bør læreren stille?

Før AI bruges til elevengagement, bør læreren stille nogle enkle kontrolspørgsmål. De hjælper med at skelne mellem en funktion, der ser moderne ud, og en funktion, der faktisk understøtter læring.

• Hvilket læringsmål skal AI-aktiviteten understøtte?
• Hvilken elevhandling skal blive mere aktiv, tydelig eller vedholdende?
• Hvilke data indsamles, og hvem kan se dem?
• Kan læreren forklare og tilsidesætte AI-forslag?
• Hvordan opdager klassen, hvis AI giver upræcis eller skæv feedback?
• Hvordan viser eleven sin egen tænkning?

Hvis svarene er uklare, bør aktiviteten gøres mindre eller mere styret. AI behøver ikke være avanceret for at være nyttig. Den bedste anvendelse er ofte en snæver funktion, der fjerner en konkret barriere for deltagelse.

Hvornår er AI ikke den rigtige løsning?

AI er ikke den rigtige løsning, når lavt engagement skyldes relationelle problemer, uklare mål, for meget skærmtid, manglende klasseledelse eller opgaver uden faglig mening. I de tilfælde kan AI skjule problemet ved at skabe aktivitet uden at skabe læring.

AI bør heller ikke bruges til at automatisere følsomme vurderinger af elever uden tydelig menneskelig kontrol. Hvis et system markerer en elev som passiv, risikofyldt eller fagligt svag, skal læreren kunne se grundlaget og undersøge situationen. Ellers kan værktøjet forstærke skævheder.

Den mest robuste brug af AI til elevengagement er derfor begrænset, gennemsigtig og fagligt begrundet. Den hjælper elever med at komme i gang, blive ved, forstå feedback og tage næste skridt, men den overtager ikke lærerens relation, vurdering eller ansvar.

Hvilke kilder ligger til grund?

Kilderne er især U.S. Department of Educations rapport Artificial Intelligence and the Future of Teaching and Learning, Europa-Kommissionens retningslinjer om AI og data i undervisning, EU’s Artificial Intelligence Act og UNESCOs vejledning om generativ AI i uddannelse og forskning.