AI i skolan – hur långt har vi kommit?
AI är på frammarsch i alla delar av samhället – skolan är inget undantag. Men i den nybyggaranda som råder finns en risk att verktyg som saknar vetenskapligt stöd införs i undervisningen. Det kan få allvarliga konsekvenser.
– Alla edtechföretag trycker i dag in AI-komponenter i sina produkter. Men långt ifrån alla utgår från en vetenskaplig grund.
Det konstaterar Jalal Nouri, professor i data- och systemvetenskap med inriktning teknikstött lärande. Med ”edtech” – en sammanslagning av ”education” och ”technology” – menas digital teknik som används i undervisning. Det kan till exempel vara en matteapp med övningar, eller en plattform som hjälper lärare att göra bedömningar.
Verktygen kan upplevas som både moderna, smidiga och roliga, men om de inte bygger på forskningsbaserad kunskap kan de i slutändan visa sig vara kontraproduktiva. Jalal Nouri och hans forskarkollegor arbetar med en rad projekt som på olika sätt undersöker hur AI-verktyg kan utformas för att komma till nytta i skolor.
– Sedan ChatGPT slog igenom för ett par år sedan är hela världen bekant med fenomenet stora språkmodeller. Och många ställer nu frågan: Hur kommer AI förändra utbildningen på olika nivåer?
Det finns utrymme för innovativa lösningar som kan göra lärandet mer personligt
Några svar har levererats i fyra färska doktorsavhandlingar, författade av Muhammad Afzaal, Xiu Li, Yongchao Wu och Piyumi Udeshinee. Nouri har varit handledare för de tre förstnämnda. Han berättar att det har varit en spännande resa där forskningsfrågorna har belysts från olika perspektiv.
– Doktoranderna har undersökt hur AI och teknikstöd kan användas i undervisning. De visar att det finns utrymme för innovativa lösningar som kan göra lärandet mer personligt och adaptivt. Det handlar om att möta de kunskapsmässiga behov som eleven eller studenten har, säger Jalal Nouri.
Fokus på lärandet
Han betonar att det inte rör sig om teknikutveckling för teknikens skull – det är alltid lärandet som står i centrum. Oftast är målet att höja elevens eller studentens kunskapsnivå, men det kan också handla om att effektivisera lärarens arbete och frigöra tid till undervisning.
– Muhammad Afzaal har utforskat hur AI kan användas för att ge studenter datadriven feedback så att de kan reglera och förstärka sitt eget lärande. Han har skapat en AI-modell som matats med studiematerial, historiska elevdata och information om studentens egna lärvägar och prestationer för att kunna ge intelligenta rekommendationer.
Det kan vara svårt att veta vad man behöver plugga på för att klara en kurs, men AI-modellen har koll. Baserat på kunskapskraven och studentens egna insatser, i kombination med insikter från tusentals tidigare studenters lärande, kan modellen vägleda. Studenten får förslag på kapitel att läsa, övningar att göra och quiz att testa sig på för att höja kunskapsnivån.
– Muhammad har testat sin prototyp på universitetsstudenter som varit nöjda – det finns potential i tekniken, säger Nouri.
Samarbeten och smarta läroböcker
Yongchao Wu tar i sin avhandling ett brett grepp om de stora språkmodellerna och undersöker hur de kan användas för kunskapsbedömning och för att konstruera övningsmaterial.
– Yongchao diskuterar också hur språkmodeller kan användas för att stärka det kollaborativa lärandet och identifiera vilka som bör samarbeta med varandra.
Även Xiu Li intresserar sig för stora språkmodeller. Hon har undersökt hur de kan användas för att skapa smarta läroböcker.
– Språkmodeller kan göra digitala läromedel mer adaptiva och lättanvända, med individanpassade rekommendationer. Xiu samarbetade med ett förlag i sitt avhandlingsarbete, och jag tror att flera förlag är på gång att implementera den här typen av teknik, berättar Jalal Nouri.
Den fjärde avhandlingsförfattaren, Piyumi Udeshinee, är lärare i engelska som andraspråk i hemlandet Sri Lanka. Hon har i många år sett studenter kämpa med att hitta rätt ord och verbformer. I sin avhandling visar hon hur textchattar mellan lärare och student kan öka inlärningen av ett andra språk. Udeshinee kallar textchattar för ”samtal i slowmotion” och menar att de ger goda möjligheter till konstruktiv feedback – och ökat lärande.
– De fyra avhandlingarna kan ses som inlägg i debatten om edtechbranschens bristande vetenskaplighet. De bidrar med en injektion av vetenskapliga perspektiv som bör ligga till grund för teknikutvecklingen, säger Nouri.
Kompletterande kompetenser
Expertisen på DSV speglar det internationella forskningsfältet inom teknikstött lärande, anser han.
– Vi har två forskningsgrenar som kompletterar varandra. Den ena drivs av bland andra professor Teresa Cerratto-Pargman. Den handlar om mjuka men extremt viktiga aspekter som AI och etik, att ha ett kritiskt perspektiv på teknikutvecklingen.
– Den andra forskningsgrenen, där jag är en av representanterna, handlar om att tillämpa AI i undervisning för att undersöka möjligheter och begränsningar. Vi vill förstå hur framtidens utbildningsteknik kan skapas.
Vi kan kombinera personer inom pedagogik med personer som kan teknik
Enligt Jalal Nouri har DSV en styrka i att det finns en slags tvärvetenskaplighet inom det egna ämnet, data- och systemvetenskap. Det märks inte minst i de senaste årens arbete med doktoranderna. Nouri har ingått i handledarteam med DSV-kollegorna Aron Henriksson och Martin Duneld, respektive Panagiotis Papapetrou och Uno Fors.
– Tillsammans har vi bidragit med flera olika kompetenser som maskininlärning, teknikstött lärande och data science. Att vi kan kombinera personer inom pedagogik med personer som kan teknik är en verklig styrka. Det gör att vi kan förstå saker som vi inte skulle kunna se isolerat inom ett ämne.
Lärarna är positiva
Vad säger då lärare om de nya AI-verktygen som lanseras? Är de tveksamma eller intresserade? Jalal Nouri har nyligen intervjuat ett stort antal grundskole- och gymnasielärare och är i färd med att skriva en forskningsartikel.
– Vi ser en kraftig attitydförändring. Många lärare var skeptiska för ett par år sedan, men i takt med att de har lärt sig mer och fått egna erfarenheter av AI har inställningen ändrats. I dag är fler öppna, positiva och ser potential i tekniken, avslöjar han.
Färsk forskning
Muhammad Afzaal, Piyumi Udeshinee, Xiu Li och Yongchao Wu har alla disputerat under hösten 2024 på Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet.
Muhammad Afzaal disputerade 30 september 2024.
Avhandlingstitel: ”Explainable AI for Data-Driven Feedback and Intelligent Action Recommendations to Support”
Handledare: Jalal Nouri, Panagiotis Papapetrou och Uno Fors, DSV
Läs mer och ladda ner avhandlingen
Xiu Li disputerade 22 oktober 2024.
Avhandlingstitel: ”Exploring Natural Language Processing for Linking Digital Learning Materials – Towards Intelligent and Adaptive Learning Systems”
Handledare: Aron Henriksson, Jalal Nouri och Martin Duneld, DSV
Läs mer och ladda ner avhandlingen
Piyumi Udeshinee disputerade 4 december 2024.
Avhandlingstitel: ”CALL for Dynamic Assessment: Using Collaborative Technologies for Second Language Development”
Handledare: Ola Knutsson och Sirkku Männikkö Barbutiu, DSV
Läs mer och ladda ner avhandlingen
Yongchao Wu disputerade 16 december 2024.
Avhandlingstitel: ”Exploring the Educational Utility of Pretrained Language Models”
Handledare: Aron Henriksson, Jalal Nouri och Martin Duneld, DSV
Läs mer och ladda ner avhandlingen
Mer om Teknikstött lärande
Jalal Nouri är professor på Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet.
Nouri leder forskargruppen Learning Analytics and AI for Education Group
Ett 15-tal forskare och doktorander på DSV är verksamma inom forskningsämnet Teknikstött lärande
Mer om Jalal Nouris forskning
Kontaktuppgifter till Jalal Nouri
Läs även om Gerard Nyiringango som disputerade 14 februari 2025 inom Teknikstött lärande. Avhandlingstiteln är “Exploring the Potential of Using Virtual Patient Cases for Continuous Professional Development of Nurses Working in Primary Health Centres in Rwanda”.
Text: Åse Karlén
Senast uppdaterad: 7 mars 2025
Sidansvarig: Institutionen för data- och systemvetenskap, DSV