Möjligheten att använda GenAI som en väg att få studenter att aktivt engagera sig i återkopplingsprocesserna utforskas i en artikel, publicerad i Higher Education Research & Development. Med utgångspunkt i en studie av tidigare forskning på området vill författarna, som kommer från Hong Kong och Australien, skapa en metod för att på ett teoretiskt plan analysera hur GenAI skulle kunna påverka studenters benägenhet att engagera sig i återkopplingsprocessen. Avslutningsvis vill de också utarbeta en grundmodell som ska kunna hjälpa studenterna igenom de olika stadierna i återkopplingsprocessen.

Tidigare forskning om effekterna av att låta studenter utnyttja GenAI för individanpassad återkoppling har visat att tekniken har god potential att hantera många av de emotionella och strukturella utmaningar, som följer med den traditionella återkopplingssituationen, där det är läraren som, skriftligen eller muntligen, lämnar återkoppling på studenternas prestationer. De emotionella hinder, som studenter upplever, kan handla om allt ifrån ovilja mot att inför läraren framstå som okunnig till den bristande jämnvikt i maktbalans, som oundvikligen råder mellan student och lärare. Här har studenter bland annat lyft fram att det känns lättare att ställa sina frågor till GenAI, just därför att den inte är mänsklig och inte dömer studenten. Då blir det även lättare att be om kompletterande upplysningar och förtydliganden, om det var något man inte förstod i det första svaret.

Också beträffande strukturella faktorer inom dagens högre utbildning har återkoppling, skapad med hjälp av GenAI, goda förutsättningar att kompensera för sådant som stora studentgrupper och begränsningar i lärartid, som inte sällan hindrar oss från att lämna återkommande, individualiserad och konstruktiv återkoppling på studenternas prestationer. Till skillnad från lärare finns GenAI alltid tillgänglig för studenterna och kan ge återkoppling när studenten själv känner behov av det, snarare än när den på förhand är schemalagd. Studenterna kan också be om återkoppling vid återkommande tillfällen, något som sällan är möjligt för lärare, givet tillgängliga resurser.

Samtidigt är tekniken förenad med åtskilliga dilemman. Utöver de ständigt närvarande etiska och materiella utmaningar, som all användning av GenAI är förenad med, tillkommer behovet av återkopplingslitteracitet hos studenterna. För att kunna ta kontroll över processen och tillgodogöra sig återkoppling behöver studenterna veta när och hur den ska efterfrågas (eng. eliciting feedback). Därefter behöver de kunna utvärdera och analysera de synpunkter, som de fått (eng. processing feedback). Slutligen måste studenterna, utifrån erhållen återkoppling, kunna omsätta kommentarerna till konkreta förbättringar, alternativt avfärda dem som mindre användbara för den aktuella uppgiften (eng. enacting feedback). Vart och ett av dessa steg ställer höga krav på studenterna i form av förmåga till självreglerat lärande, materiella ämneskunskaper, metakognitiv bedömningsförmåga, liksom en hög grad av akademisk integritet. Tillgång till GenAI kommer inte automatiskt att bidra till studentengagemang i återkopplingsprocessen.

För att undersöka effekterna av GenAI på studenternas vilja att engagera sig i återkopplingsprocessen analyserar artikelförfattarna de möjligheter och fallgropar som finns under återkopplingsprocessens tre olika faser. Medan GenAI erbjuder ett ständigt närvarande verktyg för individualiserad, iterativ återkoppling i en tillåtande, icke-dömande miljö visar artikeln både hur tekniken kan främja studenternas engagemang och hur den kan motarbeta det. Avgörande för utfallet är graden av återkopplingslitteracitet. Studenter med en väl utvecklad förmåga får möjlighet att, genom att aktivt söka, utvärdera och precisera den efterfrågade återkopplingen, ta kontroll över lärprocessen och successivt förbättra och fördjupa inlärningen. För den, som besitter en lägre grad av återkopplingslitteracitet, är risken däremot att den återkoppling som GenAI levererar, upplevs som alltför generisk och därmed oanvändbar, vilket kan ha en negativ inverkan på deras vilja att alls engagera sig i återkopplingsprocessen.

Avgörande för om studenterna anser AI-genererad återkoppling vara användbar eller inte är bland annat deras förmåga att formulera klara, precisa och individualiserade frågor (promptar) till systemet och att vid behov be om ytterligare klargöranden. Det krävs även tillräckligt goda ämneskunskaper, för att studenterna ska kunna bedöma graden av korrekthet i svaren de får. Utan tillräckliga sakkunskaper berättar många studenter att de helt enkelt inte litar på GenAI och därför avfärdar återkopplingen som oanvändbar. Paradoxalt nog riskerar tillgången till AI-genererad återkoppling, i kombination med brister i studenters återkopplingslitteracitet, att minska viljan till engagemang i återkopplingsprocessen. Tillgången till GenAI fungerar alltså inte som någon universallösning på problemet med återkopplingens begränsade praktiska effekter.

Artikeln avslutas med att en självreglerande cyklisk lärmodell, där AI-genererad återkoppling utgör återkommande inslag, presenteras. Tanken är att studenterna, genom att tillägna sig denna modell, ska bli mer engagerade i att söka, utvärdera och implementera återkoppling som en integrerad del i lärprocessen. Genom att utnyttja de resurser, som Gen-AI erbjuder, kan studenterna själva ta kontroll över sitt lärande och komma runt många av de strukturella begränsningar, som präglar den högre utbildningen. Men – och detta är något som betonas av artikelförfattarna – för att teknikens potential ska få fullt genomslag krävs att vi hjälper våra studenter att nå en tillräcklig grad av återkopplingslitteracitet. Utan den är all form av återkoppling bortkastad. Om vi däremot utbildar studenterna i att på ett konstruktivt sätt använda tekniken i återkopplingssyfte kan GenAI bli en resurs som förmår studenterna att aktivt söka och använda sig av återkoppling för att stärka sitt lärande.

Kommentar: Det finns flera orsaker till att den aktuella artikeln väckte mitt intresse. Bland kollegor diskuterar vi återkommande om det verkligen är rimligt att lägga stora resurser på att ge studenterna individuell återkoppling, när det inte tycks ha någon större effekt i praktiken. Kanske är det bortkastad tid och möda? I detta sammanhang blir diskussionen om återkopplingslitteracitet särskilt intressant. Det är lätt att glömma att detta är något, som vi behöver utbilda studenterna i. Om de inte förstår vad vi menar med våra kommentarer och heller inte vet hur de ska använda synpunkterna för att förbättra sin prestation kommer effekten förstås att utebli, oavsett om det är läraren eller GenAI som lämnar återkoppling. Även generiska färdigheter behöver läras ut och övas under handledning. Artikeln bekräftar också att GenAI inte i sig utgör svaret på alla de utmaningar, som vi inom dagens högre utbildning står inför, inte minst strukturella sådana. Inte heller utgör den det hot, som ibland påstås. Som klart framgår av studien krävs ganska omfattande kunskaper hos studenterna, både ämnesmässiga och generiska, för att teknikens potential ska kunna utnyttjas. Här behöver vi lära studenterna att använda tekniken på ett etisk och ansvarsfullt sätt, så att alla kan ta del av de möjligheter som den erbjuder. Än verkar det alltså inte som om GenAI skulle kunna ersätta läraren inom högre utbildning.

Text: Annelie Gunnerstad, Juridiska institutionen.  

Studien
Zhan, Y., Boud, D., Dawson, P., & Yan, Z. (2025). Generative artificial intelligence as an enabler of student feedback engagement: a framework. Higher Education Research & Development, 44(5), 1289–1304. 

Nyckelord: Generativ AI, återkopplingsengagemang, återkopplingslitteracitet, hållbarhetsperspektiv, självreglering