Som en del af min undervisning bruger jeg en gang imellem vores egen GDPR-venlige udgave af ChatGPT. Eleverne skal i mine øjne lære at anvende og forstå teknologien, for det er noget, der kommer til at påvirke dem resten af deres liv. Selvom ChatGPT ikke er designet til brug i undervisningen, har sprogmodellen alligevel fundet ind i det danske skolesystem ad bagvejen, og lærere og elever har fået øjnene op for teknologiens muligheder.
Jeg har sat mig for at lave en lille uvidenskabelig undersøgelse over, hvordan eleverne bruger ChatGPT og undersøge, hvorvidt jeg kunne udlede nogle mønstre. Nedenstående er udarbejdet ud fra egne observationer i undervisningen, og her ser jeg en tydelig opdeling af eleverne og deres anvendelse af sprogmodellerne. Man skal altid passe på med at generalisere og putte elever i kasser, men jeg ser alligevel nogle træk hos eleverne, der er værd at være opmærksom på.
Elevtype 1 - Eleven med lav teknologiforståelse
Denne elevtype vil f.eks. skrive "Løs opgaven" og håbe på det bedste, uden at stille for mange spørgsmål til det output, sprogmodellen kommer frem til. De vil have svært ved at reflektere over indholdet, og de ender med ord, begreber og indhold, der ligger over deres faglige niveau. Min oplevelse er, at denne elevtype mange gange vælger at godtage tvivlsomme svar fra sprogmodellerne, fordi de netop ikke kan gennemskue indholdets faglighed. Når man kender eleven, er det ret nemt at gennemskue, når niveauet stiger flere karakterer og leverer en tekst på universitetsniveau.
Elevtypen har ikke færdighederne til kritisk at vurdere og anvende svaret fra sprogmodellerne på en fornuftig måde, og dermed ender teknologien med at blive en udfordring for deres læringsproces.
Elevtype 2 - Eleven med mellem teknologiforståelse
Denne elevtype har en grundlæggende forståelse for sprogmodellerne og deres begrænsninger. Eleverne bruger sprogmodellerne til at skabe forståelse og forstår f.eks., hvordan man laver chain prompting. De er også klar over, at modellerne nogle gange hallucinerer, og dermed at de ikke altid kan stole på det indhold, der kommer fra sprogmodellerne. De kan også rette enkelte ord i teksterne, så det lyder mere som noget, de selv har skrevet, og de trækker afsnit ind i deres egen tekst, fordi det er svært for dem at omformulere indholdet med deres egne ord.
I min undervisning bruger jeg en del tid på at vejlede og støtte dem i, hvordan de kan bruge teknologien som en ressource.
Elevtype 3 - Eleven med høj teknologiforståelse
Denne elevtype benytter avancerede promptingstrategier og bygger videre på egen viden for at få de bedste resultater. De vil forfølge sprogmodellens output og være kritiske over for det, den har skrevet, og de kan gennemskue, hvor der er fejl i teksten. De forstår, hvornår vi bevæger os uden for det fagstof, der er anvendt i undervisningen, og de får hjælp til at blive endnu bedre. Her er det også interessant, at de sjældent anvender det, sprogmodellen skriver, for de omskriver det og tilpasser det med deres egne ord. De har en dyb forståelse for, hvornår det kan være en hjælp med en sprogmodel, men også hvornår de skal fravælge teknologien.
De er typisk meget selvkørende i undervisningen og forstår, hvordan teknologien kan være en værdifuld ressource, som i høj grad kan løfte deres eget niveau, uden at sprogmodellerne overtager styringen.
Elevtype 4 - Den nervøse type
Og så er der faktisk en elevtype mere, som på ingen måde vil afprøve eller ønsker at bruge sprogmodellerne. Det er typisk, fordi de er meget bange for at overtræde reglerne eller har en frygt for, at sprogmodellerne vil påvirke deres læring negativt. I deres øjne er det vigtigere selv at lave hele tænkningen til opgaverne, og imens er de andre elevtyper i gang med at bruge teknologien.
Refleksioner
Ovenstående er et vidnesbyrd fra min egen undervisning. Selvfølgelig findes der flere elevprofiler end dem, jeg har beskrevet her. Dog giver mine observationer et indblik i forskellige elevtypers tilgang til brugen af kunstig intelligens. Det er vigtigt at understrege, at elevernes brug af kunstig intelligens ikke kun afspejler deres faglige dygtighed i det specifikke emne. Snarere peger det ofte på en kombination af både deres faglige niveau og deres teknologiske forståelse. Derfor er det essentielt at betragte både faglig viden og teknologisk dannelse, når man vurderer elevernes interaktion med teknologier som ChatGPT.