Der er meget snak om anvendelsen af generativ kunstig intelligens (GenAI) i undervisningsverdenen. I begyndelsen handlede snakken meget om, hvad man dog skal stille op, når studerende bruger GenAI, men i løbet af de sidste par år har paraderne for de fleste nok sænket sig.

Tilbage står det helt store spørgsmål for mange undervisere om, hvordan man så i praksis selv kan anvende GenAI, og hvordan kan man designe studieaktiviteter, der meningsfuldt og ansvarligt lægger op til, at de studerende anvender det? Hvad er god undervisningspraksis på området?

Nu er der så udkommet en bog, der tilbyder en hjælpende hånd til de frustrerede undervisere. Titlen er meget simpel: 40 aktiviteter til din undervisning. Generativ kunstig intelligens i efter- og videregående uddannelse. Sådan! 40 aktiviteter, lige her.

De fleste aktiviteter er simple og bygget op efter en fast skabelon. Først beskrives en didaktisk udfordring. Denne efterfølges af en trinvis vejledning til, hvordan aktiviteten kan afvikles. I langt de fleste tilfælde er der også en kort beskrivelse af forskellige muligheder for variationer over aktiviteten. I bogens indledning angives det endvidere, at der er “krydshenvisninger til andre aktiviteter, der enten minder om eller kunne supplere” (s.12). Men disse har jeg ikke været i stand til at finde. Det er en af de blandt flere sjuskefejl, der tyder på, at det er gået lidt hurtigt med at få bogen gjort færdig.

De forskellige aktiviteter er delt op efter, om de typisk ligger før undervisningen, i undervisningen eller efter undervisningen. Aktiviteter, der handler om at undervise i teknologiforståelse, har dog fået sin egen afdeling. Her drejer aktiviteterne sig om, at studerende oparbejder en forståelse for samspillet med teknologien og læring.

En meget fin ting er, at der i aktiviteterne også er inddraget ABC-modellen for læringsformer, der er udviklet af Diana Laurillard. Det fremgår således af læringsaktiviteterne, om de underbygger en eller flere af følgende læringsformer: tilegnelse, undersøgelse, diskussion, øvelse, produktion eller samarbejde.

Set fra et underviserperspektiv kan der være stor hjælp at hente at få genereret udkast til undervisningsplaner, og det er netop det, den første aktivitet beskriver. Som underviser kan man lægge mål, semesterbeskrivelser og andet materiale ind i en chatbot, og så få chatbotten til at genere et udkast til en undervisningsplan baseret på de parametre, man har fodret den med. Herefter kan man gå i gang med at luge ud og tilpasse, så det er tilpasset den konkrete kontekst og de konkrete studerende. Man kan også få genereret forskellige differentieringer af undervisningsaktiviteter ved at specificere dette som særlige parametre.

Dette er en vidt beskrevet aktivitet, og det har vist sig, at denne måde at anvende GenAI på lider af, at der ofte vil være en stærk didaktisk bias i retning af undervisercentrerede og forelæsningstunge valg. Dette er værd at vide, når man anvender GenAI til undervisningsplanlægning, men det er ikke noget, forfatterne til denne bog kommer ind på. Her beskrives de enkelte aktiviteter blot. Det er naturligvis et valg, men det ville have været en styrke, hvis de forskellige aktiviteter var sat ind i en ramme, som også kunne angive mere principielle og måske også læringsteoretiske overvejelser over aktiviteterne.

Aktivitet nummer 2 består i at få genereret en præsentation ud fra den viden, underviseren har om et emne. Denne aktivitet består af fire trin, hvoraf de tre første forekommer logiske. Det fjerde og sidste trin beskrives således: “Du gennemgår præsentationen og tilpasser den ved at ændre og tilføje i prompten” (s. 36). Det forvirrer denne læser. Jeg kan forstå, at man efter genereringen tilpasser og tilføjer til præsentationen. Det vil give mening. Og hvis man er utilfreds med det genererede, kan man ændre prompten for at forsøge at få et bedre resultat. Men hvis det er meningen, så mangler der et femte trin, hvor man tilpasser selve præsentationen og kvalitetssikre den i forhold til, at styr på alt det faktuelle.

De fleste aktiviteter giver mening og vil være en kilde til inspiration. Eksempelvis er der to aktiviteter, der handler om at få genereret cases, som kan bruges i undervisningen, eller som studerende kan bruge til at oparbejde en dybere og mere professionsrettet forståelse for et givet stof. Men en del kræver også, at man som underviser tænker med selv og prøver sig frem, som også er opfordringen fra forfatternes side.

Der er også aktiviteter, hvor jeg er mindre overbevist om, at det er anbefalelsesværdigt at følge dem. En aktivitet hedder “Få et overblik i en fart”. Udgangspunktet er, at man skal arbejde med et stofområde, man “ikke kender så godt”, og så kan man få en chatbot til at give overblikket. Blandt andet kan man få botten til, “at give dig en kort opsummering af artikler og relevansen ift. den kontekst, du skal bruge dem i” (s.38).

Jeg forstår ikke, at der ikke medfølger et ´WARNING´-skilt til denne aktivitet. Det er en måde at anvende teknologien på, som jeg meget fraråder studerende. Problemet er, at hvis man ikke kender et område, så har man ikke den viden og indsigt, der skal til for at vurdere indholdet i genereret tekst. Resumeer er i øvrigt noget af det, chatbotter er rigtig dårlige til. For det første er udvælgelseskriterierne uigennemskuelige. Desuden er det konteksten, der afgør, hvad der kræves af et godt resume. For det tredje fordrejer og forvansker chatbotter indholdet, når de angiveligt resumerer. Det kaldes for forsimplingsbias.

Et opslag på Wikipedia, “ring til en ven” eller websøgninger er meget bedre strategier til den situation, der er beskrevet.

Udover de 40 aktiviteter så er der også inspiration til prompting og her blandt andet “pædagogisk prompting”. Begrebet giver ikke så meget mening, da det handler om at være opmærksom på, hvad en god promptingstrategi består af. God prompting handler ofte om at tildele botten en rolle, give kontekst, specificere målgruppe og hvilken type output, man ønsker. Det er der en god beskrivelse af i bogen (s. 28ff).

Efter de mange aktiviteter kommer bogen ind på, hvilken forståelse af teknologien, der er nødvendig for undervisere. “Teknologiforståelse handler i denne kontekst om, at der er en sammenhæng mellem at forstå, hvordan teknologien fungerer, og at kunne bruge den kritisk, kreativt og ansvarligt i undervisningen” (s. 69). Det kan diskuteres, hvilket niveau af forståelse, der skal være til stede for at bruge teknologien kritisk, kreativt og ansvarligt.

Teknologien beskrives i tre niveauer: et datalag, logiklag og præsentationslag. Men hvad er data egentlig, når vi taler om chatbots? Her ser det ud til, at forfatterne har valgt, at data består af ord og måske endda sammenhængende ord. “Data kan i chatbotternes tilfælde bestå af alt fra bøger, artikler, hjemmesider, sociale medier, billeder, statistik til cafémenuer og meget mere” (s. 71). Det er efter min opfattelse en tvivlsom bestemmelse af data i chatbotter. Det er en beskrivelse af det, store sprogmodeller bliver trænet på for at etablere et datalag, der består af vektoriserede tokens. Der er således ikke bøger, artikler osv. i en chatbot.

Så når man får genereret et output, så er det ud fra princippet om “next token prediction”. Dette kan synes at være en spidsfindighed, men er alligevel noget, der har betydning for forståelsen af teknologien. Det betyder nemlig at teknologien fungerer på et subsemantisk niveau - altså på et niveau der principielt er uforståeligt for mennesker, fordi det netop ikke er meningsfulde ord. Derfor er chatbots heller ikke vidensressourcer, og de besidder ikke viden i nogen meningsfuld forstand. Det giver derfor heller ikke mening, når forfatterne skriver: “Alt efter, hvad vi ender med at spørge chatbotterne om, så kan data være godt (repræsentativt) eller mindre godt (biased)” (s. 71). Data i chatbots kan ikke være repræsentative, men et output kan fungere, så det kan accepteres som en acceptabel beskrivelse af et fænomen. Men det er en simulation - ikke en beskrivelse, der bygger på en forståelse eller en opfattelse af, hvad der giver mening.

Rigtig mange undervisere vil helt sikkert få stor gavn af denne bog. Den kan bidrage til, at man som underviser kommer i gang og selv får erfaringer med, hvordan GenAI kan anvendes både som forberedelse af undervisning og til at styrke de studerendes læring.

Der er en fare for, at man kommer til at bruge teknologien selv de steder, hvor det ikke giver mening. Så man skal hele tiden kritisk overveje, om de planlagte aktiviteter er de bedste til at opnå det, der er formålet med dem. Kritisk vurdering og dømmekraft er her lige så afgørende som i alle andre didaktiske valg, man træffer. 40 aktiviteter er en støtte for at træffe gode valg.