Självständig AI-användning – självständigt lärande?

Att studenter använder AI-verktyg för sina studier är vid det här laget ett faktum. Men vilken typ av AI-verktyg de använder, och hur, spelar roll. En studie i European Journal of Higher Education undersöker vad som händer när studenter använder interaktiva AI-verktyg (IAI). Studiens mest slående resultat är att effekterna på studieresultaten beror på om dessa verktyg är integrerade i studieplaneringen. I de fall där läraren integrerat, och väglett, användningen av verktyg har de en positiv effekt på studieresultat. I annat fall har användning av verktygen tvärtom en negativ effekt på studieresultaten.

Författarna fokuserar specifikt på interaktiva AI-verktyg. Det vill säga AI som inte bara skapar nytt innehåll utifrån en instruktion (en prompt), utan också anpassar sig till användarens respons i realtid – exempelvis intelligenta tutorsystem som ger individuell feedback eller adaptiva lärplattformar som anpassar innehåller efter studentens kunskapsnivå. (För att ge ett konkret exempel på typen av verktyg som de avser nämner författarna Duolingo.) Det är denna typ av verktyg, och deras effekter på studenternas studieprestation, som studien undersöker.

Forskningslitteraturen pekar i två riktningar. Å ena sidan finns studier som visar att AI-teknik kan göra lärandet mer individanpassad, ge snabbare feedback, öka studenternas engagemang och anpassa deras lärandevägar efter individuella behov. Å andra sidan varnar andra studier för att ett beroende av AI-verktyg kan främja passivt lärande på bekostnad av kritiskt tänkande och problemlösning. Överdriven tillit till automatiserade svar kan minska studenternas aktivitet, eftersom de kan hoppa över viktiga steg som brainstorming och reflektion.

Studien bygger på enkätsvar från 407 studenter vid spanska och franska universitet. Studenterna svarade på ett frågeformulär baserat på den etablerade UTAUT-2-modellen, som analyserar vilka faktorer som påverkar användningen av ny teknik. Dessutom fick studenterna uppge sina studieresultat.

Författarna undersökte vilka faktorer som driver studenternas avsikt att använda IAI-verktyg, med utgångspunkt i en etablerad modell för teknikacceptans (UTAT-2). Bland de faktorer som visade sig ha betydelse fanns studenternas förväntningar på förbättrade resultat, socialt inflytande och teknikvana. Det visade sig också att studenternas avsikt att använda IAI också hade ett starkt positivt samband med deras faktiska användning. De studenter som uttryckte en avsikt att använda verktyg gjorde alltså också det i stor utsträckning.

Det mest anmärkningsvärda resultatet gäller dock vad som händer när studenterna faktiskt använder IAI-verktygen. Forskarna fann ett statistiskt signifikant negativt samband med studieprestation. Med andra ord, de studenter som i högre grad använde IAI presterade sämre. Så resultatet var det omvända mot vad studenterna förväntade sig. Detta beskrivs som en motsägelsefull effekt. Studenternas motivation för att använda IAI-verktygen handlar inte bara om att få bättre betyg. De enkätfrågor som använts visar att studenterna förväntar sig att verktygen ska hjälpa dem att individualisera lärandet, utvidga sina kunskaper och få omedelbar feedback på kursinnehållet. Det verkar alltså handla om en genuin förväntan om bättre lärande, men den faktiska effekten blir den omvända.

Författarna noterar att den IAI-användning som de undersökt är egeninitierad. Det är alltså inte fråga om strukturerad användning som lärarna har integrerat i kursplaneringen. Detta kontrasteras mot studier där användning av IAI-verktyg haft positiv effekt på studieprestation. De positiva resultaten verkar, åtminstone ofta, förekomma i fall där IAI-användningen varit mer strukturerad. Deras slutsats är att den avgörande variabeln är om användningen sker inom ramen för en pedagogisk struktur eller inte. När studenterna lämnas att använda verktygen på egen hand riskerar det att leda till passivt lärande, medan en planerad, och i någon mån styrd, integration kan leda till mer produktiv användning. Utifrån detta resonemang formulerar författarna ett antal konkreta rekommendationer: lärare behöver inse att studenter redan använder dessa verktyg och aktivt integrera dem i sin undervisningsplanering. De föreslår också att det kan vara värdefullt att använda kurspecifika AI-verktyg som är tränade på kursinnehållet. De föreslår att sådan integration bör ske på programnivå och inte enbart som enskilda lärares initiativ.

Kommentar: Studiens huvudresultat – att ostrukturerad AI-användning har ett negativt samband med akademisk prestation – är tankeväckande och högst relevant. Det bekräftar en farhåga som många universitetslärare delar, nämligen att studenterna kan använda AI-verktygen som en genväg snarare än som ett stöd för djupare lärande. Att försöka hindra studenterna från att använda denna typ av verktyg är redan svårt, och givet utvecklingen, sannolikt svårare för varje dag. Författarnas centrala slutsats – att skillnaden mellan negativa och positiva effekter beror på om AI-användningen är integrerad i undervisningen – föreslår en annan strategi. Om de har rätt bör lärarna alltså integrera AI-verktyg i undervisningen. Det kräver mycket arbete. Lämpliga verktyg behöver hittas (eller utvecklas) och integreras i kursplaneringen. Förhoppningen är att dessa verktyg dels ska ha positiv effekt på studenternas lärande och samtidigt minska den ostrukturerade användningen som har negativa effekter. Det är en intressant strategi, men möjligen är deras slutsats otillräckligt underbyggd. Deras studie undersöker enbart ostrukturerad användning. De har inget underlag för vad som händer när lärare aktivt integrerar IAI-verktyg i sin undervisning. Slutsatsen vilar på en jämförelse med andra studier som rapporterat positiva effekter, men det framgår inte helt tydligt att detta beror på att användningen i dessa fall är lärarinitierad. Det innebär att den föreslagna förklaringen – att integration är nyckeln – snarare är en rimlig hypotes än en empiriskt belagd slutsats. Det vore värdefullt med framtida studier som direkt jämför strukturerad och ostrukturerad AI-användning. Det finns en alternativ förklaring som författarna inte diskuterar i någon större utsträckning. Det negativa sambandet behöver inte betyda att AI-användningen orsakar sämre resultat. Studiens tvärsnittdesign gör det omöjligt att fastställa orsaksriktningen. Det kan lika gärna vara så att studenter som har svårare för studierna i högre utsträckning söker sig till AI-verktyg som ett stöd. I så fall speglar sambandet en redan existerande skillnad i studieprestationer, snarare än en effekt av verktygen i sig. Trots dessa invändningar är författarnas praktiska rekommendationer värda att ta på allvar, även om det empiriska stödet för dem är begränsat. Oavsett om integration är den avgörande faktorn eller inte, tycks det rimligt att studenter som lämnas helt utan vägledning i sin AI-användning riskerar att använda verktygen på sätt som inte gynnar deras lärande. Därmed inte sagt att all lärar-initierad användning har positiv effekt. Idén om kursspecifika AI-bottar och programövergripande strategier för AI-integration förtjänar att diskuteras.

Text: Sama Agahi, Filosofiska institutionen

Studien
Castro-Lopez, A., El Abed, M., Cervero, A., & Álvarez-Blanco, L. (2026). From AI adoption to underperformance? Investigating the impact of interactive AI tools on student outcomes in higher education. European Journal of Higher Education, 1-22.

Nyckelord: interaktiva AI-verktyg, IAI-användning, högre utbildning, studieprestationer