Kunstig intelligens til matematikundervisning

Kunstig intelligens til matematikundervisning kan støtte problemløsning, forklaringer, differentiering, feedback og arbejde med data, men den bør bruges som kontrol- og samtalepartner frem for facitmaskine. Matematiklæring kræver stadig elevens egne strategier, mellemregninger, argumentation og vurdering af, om et svar giver mening.

Hvad betyder kunstig intelligens i matematikundervisning?

Kunstig intelligens i matematikundervisning dækker værktøjer, der kan forklare begreber, foreslå løsninger, generere opgaver, analysere elevsvar, omskrive instruktioner eller støtte arbejde med data og visualiseringer. Det kan være generative chatværktøjer, adaptive læringssystemer, computeralgebrasystemer eller digitale hjælpere med AI-funktioner.

Fagligt er den afgørende forskel, om værktøjet hjælper eleven med at tænke matematisk, eller om det skjuler tænkningen. Matematik handler ikke kun om rigtige resultater. Det handler også om at vælge metode, opstille antagelser, bruge repræsentationer, argumentere for en løsning og opdage fejl.

Derfor bør AI kobles til fagets egne processer: problemløsning, ræsonnement, kommunikation, modellering og vurdering. Når teknologien bruges sådan, bliver den en del af den matematiske samtale i stedet for en genvej uden forståelse.

Hvilke matematikopgaver egner sig bedst til AI?

AI egner sig bedst til opgaver, hvor processen kan undersøges. Det kan være åbne problemstillinger, forklaringsopgaver, fejlfindingsopgaver, modelkritik, datafortolkning og sammenligning af flere løsningsstrategier. Her kan eleven bruge AI’s forslag som materiale, der skal kontrolleres.

Mere lukkede opgaver kan også bruges, men de kræver en tydelig ramme. Hvis opgaven kun spørger efter et tal, kan AI nemt fjerne den matematiske aktivitet. Hvis opgaven derimod beder eleven forklare metode, vurdere rimelighed og finde alternative veje, kan AI blive en del af læringen.

Hvordan kan AI støtte problemløsning uden at give facit?

En god brug er at lade AI stille spørgsmål i stedet for at levere løsningen. Eleven kan bede om ledetråde, alternative strategier eller en forklaring af, hvad opgaven egentlig spørger om. Det bevarer elevens ansvar for selve løsningen.

En lærer kan for eksempel bede eleverne få tre mulige angrebsvinkler til et problem og derefter vælge én, som de selv gennemfører. Eleverne kan også sammenligne AI’s forslag med en klassisk metode fra undervisningen og diskutere, hvilken metode der er mest overskuelig.

Det passer godt til kunstig intelligens i folkeskolen, hvor teknologien skal støtte progression og faglig aktivitet. Jo mere opgaven kræver begrundelse, desto mindre bliver risikoen for, at AI blot overtager arbejdet.

Hvordan kan AI gøre fejl til læring?

Matematikfejl er ofte mere lærerige end færdige facitsvar. AI kan bruges til at skabe fejl, finde fejl eller forklare, hvorfor en løsning ikke holder. En elev kan få et forkert løsningsforslag og blive bedt om at identificere fejlen i regnereglen, antagelsen eller konklusionen.

Det kan være særligt nyttigt, fordi mange elever læser et sikkert formuleret svar som korrekt. Når de arbejder med at kontrollere AI-svar, træner de matematisk skepsis: Stemmer enhederne? Er et negativt svar meningsfuldt? Passer grafen med tabellen? Er der byttet rundt på procentpoint og procent?

Læreren kan også bruge AI til at generere typiske misforståelser, som klassen analyserer fælles. Det skal dog kvalitetssikres, før materialet bruges, fordi modellen kan blande nyttige fejl med misvisende forklaringer.

Hvordan kan elever kontrollere et AI-svar?

Elever bør lære en fast kontrolrutine. Først skal de skelne mellem resultat, metode og begrundelse. Derefter skal de kontrollere hvert trin med kendte regler, overslag eller en alternativ metode. Til sidst skal de vurdere, om svaret passer til situationen.

1. Læs opgaven igen, og find de givne oplysninger.
2. Lav et overslag, før AI-svaret vurderes.
3. Kontrollér mellemregninger, enheder og afrunding.
4. Prøv en anden repræsentation, for eksempel graf, tabel eller tegning.
5. Forklar med egne ord, hvorfor svaret kan eller ikke kan bruges.

Denne rutine flytter fokus fra at stole på værktøjet til at undersøge matematikken. Den gør også elevens faglige arbejde synligt for læreren.

Hvordan kan AI understøtte differentiering?

AI kan hjælpe læreren med at lave variationer af samme faglige mål. En elev kan få en enklere kontekst, en anden kan få flere mellemtrin, og en tredje kan få en mere åben problemstilling. Det kan spare tid i forberedelsen, hvis materialet kontrolleres grundigt.

For elever kan AI give forklaringer på flere niveauer. En elev kan få vist et eksempel med konkrete tal, mens en anden kan få en mere generel algebraisk forklaring. Den slags støtte ligger tæt på AI-drevet tilpasningsdygtig læring, hvor systemer forsøger at tilpasse indhold til elevens aktuelle behov.

Differentiering bør dog ikke blive usynlig styring. Hvis et system automatisk ændrer sværhedsgrad eller foreslår læringsvej, skal læreren kunne forstå og vurdere grundlaget. Eleven skal ikke låses fast i et niveau, fordi en model har tolket et begrænset dataspor.

Hvad betyder AI for repræsentationer og visualisering?

Matematik bliver ofte lettere at forstå, når samme problem vises på flere måder. AI kan foreslå, om en tabel, graf, tegning, formel eller verbal forklaring passer bedst til en opgave. Det kan hjælpe elever med at se forbindelser mellem repræsentationer.

I geometri kan AI beskrive sammenhænge mellem vinkler, areal og mål, men eleven skal stadig tegne, måle og argumentere. I algebra kan AI forklare, hvorfor et udtryk kan omskrives, men eleven skal kontrollere, om omskrivningen er gyldig. I statistik kan AI foreslå en graf, men eleven skal vurdere, om grafen fremhæver eller skjuler noget væsentligt.

Den faglige gevinst ligger i sammenligningen: Hvad viser grafen, som formlen ikke viser? Hvad bliver uklart i en tekstforklaring? Hvilken repræsentation passer bedst til modtageren?

Hvordan kan AI bruges i statistik og sandsynlighed?

Statistik og sandsynlighed er oplagte områder, fordi AI kan hjælpe med at strukturere datasæt, foreslå diagrammer og forklare forskellen på mønstre, variation og usikkerhed. Elever kan arbejde med små datasæt og undersøge, hvordan konklusioner ændrer sig, når datagrundlaget ændres.

Det kræver en klar kildekritisk ramme. AI kan foreslå en fortolkning af data, men den kender ikke nødvendigvis indsamlingsmetode, skævheder eller kontekst. Eleverne skal derfor spørge: Hvor kommer data fra? Hvad mangler? Hvilke værdier påvirker gennemsnittet? Er sammenhængen kausal eller kun en samvariation?

På den måde kan AI gøre dataarbejde mere tilgængeligt, uden at den overtager den statistiske vurdering.

Hvad kan læreren bruge AI til i forberedelsen?

Læreren kan bruge AI til at lave udkast til variationer, differentierede forklaringer, opgavesæt, feedbackspørgsmål og eksempler på misforståelser. Det kan især være nyttigt, når en klasse skal arbejde med samme faglige mål på flere niveauer.

Materialet skal altid gennemgås før brug. En AI-genereret opgave kan have uklare forudsætninger, et forkert facit, en uhensigtsmæssig progression eller et sprog, der ikke passer til klassetrinnet. Læreren bør derfor kontrollere både matematikken, sværhedsgraden og den didaktiske hensigt.

Hvis AI bruges til personaliserede læringsplaner med AI, bør planen ses som et forslag. Den skal vurderes sammen med lærerens kendskab til elevens arbejde, deltagelse, motivation og faglige udvikling.

Hvad bør AI ikke bruges til i matematik?

AI bør ikke bruges som eneste kilde til facit, automatiseret bedømmelse eller ukritisk niveaudeling. Den bør heller ikke bruges til at lade elever aflevere løsninger, de ikke kan forklare. Hvis eleven ikke kan redegøre for metode og mellemregninger, er læringsværdien svag.

Der er også en faglig risiko ved for tidlig automatisering. Hvis elever bruger AI til at springe grundlæggende regnestrategier over, kan det svække talforståelse og metodisk sikkerhed. Omvendt kan teknologien være nyttig, når eleverne allerede har noget at kontrollere, sammenligne eller forbedre.

En enkel regel er, at AI må gøre matematikken mere synlig, men ikke gøre elevens tænkning usynlig.

Hvad betyder persondata og sikkerhed i matematikundervisning?

Matematikopgaver kan virke neutrale, men elevdata kan hurtigt blive personlige. Det gælder især adaptive systemer, individuelle fejlprofiler, logdata, karakterlignende vurderinger, stemmeoptagelser og opgaver, hvor elever beskriver egen hverdag eller familieøkonomi.

Datatilsynet beskriver, at skoler og daginstitutioner skal håndtere elevoplysninger efter databeskyttelsesreglerne, og at børn og unge har særlig beskyttelse. Derfor bør skoler undgå at indsætte identificerbare elevoplysninger i åbne AI-værktøjer og kende aftaler om databehandling, sletning og adgang.

Dette hænger sammen med sikkerhedsaspekter ved AI i skolen. Den faglige opgave bør designes, så matematisk læring kan gennemføres uden unødvendige personoplysninger.

Hvordan påvirker AI vurdering og prøver?

AI ændrer især vurdering, når opgaver kan løses automatisk uden synlig proces. Matematikvurdering bør derfor lægge vægt på elevens metode, forklaring, modelvalg, kontrol og evne til at svare på opfølgende spørgsmål.

EU’s AI Act placerer visse AI-systemer i uddannelse i højrisikokategorien, blandt andet systemer der evaluerer læringsudbytte, påvirker adgang til uddannelse eller overvåger elever ved prøver. Det er relevant for automatiseret bedømmelse og prøveovervågning, ikke for almindelig lærerbrug af AI som ide- eller forklaringsstøtte.

En robust praksis kan kombinere mundtlige forklaringer, klassebaserede problemløsningsopgaver, korte individuelle kontroller og afleveringer, hvor elever dokumenterer deres proces. Det gør det lettere at skelne mellem værktøjsstøtte og faktisk matematisk forståelse.

Hvordan kan skolen lave en enkel ramme?

En enkel ramme bør beskrive formål, tilladte anvendelser, forbudte anvendelser, dokumentation og databeskyttelse. Den bør være kort nok til at blive brugt i praksis og præcis nok til, at eleverne forstår grænsen mellem hjælp og overtagelse.

• AI må bruges til forklaringer, ledetråde, variationer og kontrolspørgsmål.
• AI må ikke aflevere færdige løsninger på elevens vegne.
• Eleven skal kunne forklare metode, mellemregninger og kontrol.
• Personlige elevoplysninger må ikke indsættes uden godkendt ramme.
• Læreren afgør, hvornår AI-brug passer til fagets mål.

Rammen bør også tage højde for barrierer for AI-integration i uddannelse, blandt andet ulige adgang, manglende kompetencer, usikre datavilkår og uklare vurderingsformer.

Hvilke kilder ligger til grund?

De centrale kilder er EMU’s officielle sider om formålet for matematik og Fælles Mål, læseplan og vejledning, UNESCOs vejledning om generativ AI i uddannelse og forskning, Datatilsynets side om skoler og daginstitutioner og EU’s AI Act i Regulation (EU) 2024/1689.