Den menneskelige krop og hjerne har visse begrænsninger, hvilket kan være en af grundene til, at mennesker har udviklet forskellige kompensatoriske teknikker og teknologier, der har forstørret og forbedret disse kapaciteter. Det gælder for kroppens vedkommende, hvor man har udviklet forskellige redskaber som hamre og kraner, så mennesker har kunnet gøre flere ting mere effektivt.

Men det gælder også for hjernen. Tænk på opfindelsen af skriftsproget, som har muliggjort, at man kan lagre oplysninger eller tanker, så man ikke skal gå og huske på dem. Så kan man tage dem frem senere for at hjælpe hukommelsen og måske arbejde videre med dem. I en vis forstand kan man her tale om en eksternalisering af hjernen, der øger menneskelige kapaciteter til læring og udvikling; en kunstig intelligens.

Generativ kunstig intelligens (GenKI) er en af de nyere teknologier, der nu gør det muligt for mennesker at forstærke visse kapaciteter. Og på samme måde som Platon kunne anklage skriften for at ødelægge den menneskelige hukommelse og tænkning, så kan man også spørge til, om generativ kunstig intelligens vil svække visse menneskelige evner som kritisk tænkning og skriftlig kommunikation. For kan man ikke bare få en generativ kunstig intelligens til at svare på spørgsmål om viden og sammenhænge i verden og ovenikøbet få den til at generere en velfungerende tekst om det? Og behøver man så selv at lære det selv?

Bogen Generative AI in Higher Education. The ChatGPT Effect er en forholdsvis dybdegående behandling af emnet om forholdet mellem GenKI og de videregående uddannelser. Bogen er skrevet af Cecilia Ka Yuk Chan og Tom Colloton, som er eksperter i uddannelses- og computervidenskab.

Bogen består af syv kapitler, som introducerer til begrebet og teknologien bag GenKI, behandler teknologiforståelse, undervisning, bedømmelser og politikker i og med GenKI og afslutter med nogle overvejelser over fremtiden for forholdet mellem GenKI og videregående uddannelse.

Selvom bogen forsøger sig med en nuanceret fremstilling af, hvordan GenKI påvirker de videregående uddannelser, så er der ingen tvivl om, at de først og fremmest er optimistiske på vegne af uddannelser med GenKI. De taler for, at man bliver nødt til at omfavne teknologien, da man ikke kan holde den ude, og det er efter deres opfattelse positivt, da det vil gøre undervisningen bedre og mere interessant.

“The future of education is not just digital; it is smart, responsive, and tailored. Imagine classrooms that function like a high-tech ecosystem, adjusting to the needs of every student in real time. [...] The classroom of the future? It is innovative, flexible, and built on groundbreaking technology. As we ride this wave, one thing is clear: learning is about to get a whole lot more exciting” (s. 19).

De lægger her op til, at undervisningen i højere grad bliver adaptiv og tilpasser sig den enkelte studerende. Dette bliver ofte inden for litteraturen om GenKI fremhævet som et af de største potentialer. Det ligger også i forlængelse af (forsnings)feltet om learning analytics, som også bygger på kunstig intelligens, hvor man kan spore den enkelte studerende og tilpasse undervisningen efter vedkommende.

Men man kan godt udfordre forestillingen om, at det udelukkende er positivt, at undervisningen tilpasser sig den enkelte, selvom det bestemt har sine positive sider, når det hjælper den enkelte over visse barrierer i et læringsforløb og dermed bidrager til den studerendes faglige selvtillid. Der er måske især tre problemstillinger, man bliver nødt til også at forholde sig til.

Det ene handler om, hvorvidt studerende får de nødvendige kompetencer, hvis undervisningens niveau tilpasser sig den enkelte. Betyder tilpasning en sænkning i niveau?

Den anden indvending er mere principiel og handler om læring. Skal læring være en udfordring og kræve en vis anstrengelse af den enkelte? Og hvad sker der for det person- og identitetsopbyggende arbejde, det også er at tage en uddannelse, når man skal knokle med at forstå noget og samtidig forsøge at formulere sig om det. Vil dette blive svækket, hvis undervisningen hele tiden tilpasser sig den enkelte.

Endelig kan man også pege på det sociale aspekt, der både er en del af den måde, hvorpå mange lærer sig noget, og selve det at være studerende. Læring foregår socialt, og det, man lærer, skal sættes ind i sociale forhold. Tilpasning betyder en individualisering af den enkelte lærende udvikling. Og dette kan også true det sociale fællesskab, som det at tage en uddannelse, hvilket også har betydning for den enkeltes udvikling af identitet og selvforståelse.

Disse spørgsmål behandles ikke i bogen udover, at de peger på risikoen for en vis dovenskab, når studerende har GenKI tilgængelig.

Forfatterne argumenterer for, at det er vigtigt, at alle har en vis teknologiforståelse i et samfund, hvor mange områder påvirkes af digitalisering og kunstig intelligens. For at være en autonom borger må man kunne forholde sig til, at mange forhold er digitalt medierede.

Chan og Colloton definerer teknologiforståelse i forhold til GenKI på følgende måde: “AI literacy for the typical individual is the ability to comprehend, assess, interact with, and make informed decisions regarding artificial intelligence technologies in daily life. It involves understanding the basic principles of AI, recognising its applications, being aware of its ethical, social, and privacy implications, as well as understanding the impacts and values AI has on humans and human emotions, all while responsibly engaging with AI systems” (s. 24).

Når der her fremgår, at denne definition gælder det “typiske individ”, hænger det sammen med, at der for professionsudøvere gælder lidt andre forhold, da teknologiens betydning for ens funktion i forhold til andre mennesker stiller større krav om teknologiforståelse. Når man anvender teknologier i sin professionelle funktion, giver det et større ansvar for indsigt i dem og viden om de konsekvenser, de kan have for andre mennesker; medborgere.

I kapitlet om undervisning med GenKI kommer bogen ind på mange af de udfordringer, der er blevet fremhævet ift. anvendelse af teknologien i uddannelse. Det drejer sig bl.a. om, at studerende har adgang til at få genereret tekst, der kan afleveres som om, de selv har skrevet det. Derfor er der også fokus på det, man kalder akademisk integritet. Studerende skal lære, hvordan de kan anvende GenKI til at styrke deres lærende udvikling. “Academic integrity is another significant concern when it comes to the use of AI tools. The ease with which students can produce detailed answers might blur the boundaries of independent research and reliance on AI-generated content” (s. 55). Afhængigheden er i sig selv en udfordring, da man risikerer at vænne sig af med selv at tænke selv, når man har adgang til en robot, der tilsyneladende kan gøre arbejdet. De henviser til studerende, som peger på, at de lettere glemmer at “tænke selv”, når de anvender GenKI.

I bogen bliver der listet en række udfordringer, som udover spørgsmålet om akademisk integritet også peger på “over-reliance” af teknologien, spørgsmålet om “accuracy”, “manglende dømmekraft”, “loss of personal touch” osv. (s.56).

Udfordringer og potentialer ved GenKI i de videregående uddannelser bliver delt op i forhold, der vedrører underviseren, de studerende, institutionerne og samfundet. Denne opdeling giver rigtig god mening i forhold til at vurdere betydningen af GenKI. I forhold til underviserne er der virkelig stor hjælp at hente ved bogens fremstilling af en lang række eksempler på, hvor der er et potentiale for forbedringer ved at gøre brug af GenKI. Det kan være alt fra en gennemarbejdet undervisningsplan, der tager højde for en række præmisser. Det kan også være udvikling af egne undervisningsmaterialer, der er differentierede i forhold til den gruppe af studerende, man har. Eller nedbrydning af mål for undervisningen, der graduerer målopfyldelse (rubrics).

Tilsvarende er der en lang række forslag til, hvordan man kan tilrettelægge undervisningen, så de studerende kan anvende GenKI til at løse opgaver på måder, der styrker de studerendes refleksivitet og dermed deres lærende udvikling. Her er det afgørende, at undervisningen designes, så den tilskynder til det. Og det kræver, at de studerende kan se, at deres læringsproces betyder noget og ikke kun deres læringsprodukter. Det, forfatterne siger om bedømmelse, gælder generelt for undervisningen, nemlig at prioritere “feedback over grades, process over products, and authentic learning experiences over rote memorisation” (s. 123).

Den måde, vi bedømmer studerende på, har længe været udfordret, fordi der ofte er en manglende sammenhæng mellem undervisningens mål på den ene side, og på den anden det, de studerende bliver bedømt på. Mange bedømmelser bliver foretaget ud fra slutprodukter (afleveringer), selvom der kun er en meget løs og usikker forbindelse mellem den måde slutprodukter bliver til på og de studerendes faglige udvikling. GenKI gør det endnu mere åbenbart, at der ikke er denne sammenhæng, hvorfor man må udvikle på de eksisterende eksamens- og bedømmelsessystemer.

Kernen i de forslag til ændringer i bedømmelsessystemet har jeg citeret ovenfor i forhold til undervisningen. Forfatterne argumenterer for, at det erfaringsbaserede i læringen kan prioriteres højere, når man bedømmer studerende - endvidere skal der være langt mere plads til processer, der demonstrerer studerendes refleksive evner. Men der er også andre måder at eksaminere på. Især lægger de i bogen op til mere projekt- og scenariebaserede bedømmelsesformer. Der er generelt mange gode overvejelser om bedømmelser i bogen.

AI in Higher Education er en virkelig inspirerende bog om teknologiforståelse, undervisning og bedømmelser med integration af GenKI i de videregående uddannelser. Der er også rigtig god hjælp for uddannelsesinstitutionerne til at formulere en politik på området. Her har de udviklet en skabelon, man kan lade sig inspirere af.

Selvom forfatterne kommer ind på mange forhold ved GenKI i uddannelse, savner jeg inddragelse af og refleksioner over læringsteori. Er der typer af tilgange til læring, der i særlig grad understøttes eller udfordres af teknologien? Dette ses blandt andet ved, at tilpasning eller “adaptability” hele tiden fremhæves som en af de helt store fordele ved GenKI, uden at det individualiserede læringssyn, der følger med, diskuteres.