I den seneste artikel introducerede jeg begrebet “faglig sorg” og de udfordringer, som undervisere står over for i mødet med kunstig intelligens. Hvis du ikke har læst de andre artikler, kan du finde dem her:
- Artikel 1: Faglig sorg: Når kunstig intelligens forandrer underviserens virkelighed
- Artikel 2: Faglig sorg: AI's indflydelse på underviserens faglige identitet
- Artikel 3: Faglig sorg: Når generativ AI skaber følelser af magtesløshed
- Artikel 4: Faglig sorg: Når AI forandrer relationerne i klasseværelset
- Artikel 5: udkommer 3. oktober 2024
I denne artikel, som er den anden ud af syv, dykker jeg ned i den første dimension, der handler om, hvordan kunstig intelligens påvirker og udfordrer underviserens faglige identitet. Udgangspunktet for at skrive disse artikler er de mange samtaler, jeg har haft med undervisere rundt på gymnasierne, når vi har holdt oplæg. Derfor skal hele artikelserien ses som et vidnesbyrd fra disse samtaler og det er et forsøg på at sætte det hele ind i en række velkendte teoretiske rammer.
Kunstig intelligens og den faglige identitet
For mange undervisere er deres fag og undervisningspraksis tæt knyttet til deres identitet og selvforståelse. Jeg møder det i høj grad i samtalen med den enkelte underviser, når vi holder oplæg, hvor især deres passion for faget og elevernes faglige forståelse er prisværdig. Denne dybe forbindelse mellem fag, praksis og identitet danner grundlag for mange underviseres professionelle engagement og effektivitet. Men når ny teknologi som kunstig intelligens pludselig kan overtage eller revolutionere dele af denne praksis, kan det rokke ved selve fundamentet for ens faglige identitet.
Indførelsen af ny teknologi kan ifølge Poulsen og Meiers forskning (2022) medføre, at undervisere oplever ændringer eller bortfald af arbejdsopgaver og processer, der ellers har været en central del af deres professionelle virke. Dette kan føre til en form for identitetskrise, hvor de må gen-definere, hvad det vil sige at være underviser i deres fag.
I 1984 introducerede psykologen Craig Brod begrebet "technostress", som beskriver den moderne tilpasningssygdom, der opstår, når individet ikke formår at håndtere nye teknologier på en sund måde (Chang et al., 2024). I undervisningen kan technostress opstå på mange måder, hvor nogle undervisere føler sig overvældede og utilstrækkelige overfor de konstante krav om at holde trit med den teknologiske udvikling. Andre oplever en reel frygt for at blive overflødiggjort af intelligente systemer.
Undervisere kan føle sig overvældede og overbelastede af konstante krav om at holde trit med den teknologiske udvikling. Jeg oplever mange der kommer og beskriver en følelse af utilstrækkelighed, hvor de ikke mener, at de besidder de nødvendige kompetencer til at integrere teknologien effektivt i undervisningen. Her møder jeg også nogle, der udtrykker en frygt for overflødiggørelse, hvor underviserne bekymrer sig om, hvorvidt intelligente systemer kan erstatte dem helt eller delvist.
Her skal vi måske især være opmærksomme på den overdrevne hype, der lige nu er omkring teknologiens mange muligheder. Denne hype er skabt af tech-giganterne, som søger investorer eller virksomheder, der angiveligt har fundet den gyldne løsningen på fremtidens undervisning. Når vi ser videoen, hvor ChatGPT fungerer som tutor for Sal Khans (grundlæggeren af Kahn Academy) søn, og sprogmodellen taler og instruerer, er det blot en kort undervisningssekvens i et kontrolleret forsøg, der viser hvordan eleverne kan bruge et hjælpeværktøj. Men undervisning rummer meget mere end det, og det ville være at nedgøre hele vores uddannelsessystem, hvis vi tror, at AI vil overtage et dynamisk og uforudsigeligt undervisningsrum.
Endelig er tidspres en væsentlig faktor, hvor undervisere oplever, at de ikke har tid nok til at lære og implementere nye AI-værktøjer ved siden af deres eksisterende arbejdsopgaver.
Men som Chang et al. (2024) påpeger, er technostress ikke bare et spørgsmål om at føle sig overvældet eller være bange for at blive erstattet. Teknologisk stress kan antage to ret forskellige former: enten som en positiv udfordring, der motiverer os til at lære og udvikle os fagligt (challenge stressors) eller som en direkte forhindring, der blokerer for vores arbejde og vækker frustration (hindrance stressors).
I min egen undervisning har jeg oplevet begge sider af technostress. På den ene side har mødet med AI-værktøjer som ChatGPT givet mig mulighed for at gentænke min undervisning og eksperimentere med nye, kreative opgavetyper - noget, der virkelig giver mig energi. Men jeg har også mærket den overvældende følelse af pludselig at skulle sætte mig ind i en helt ny teknologi oven i alle mine andre opgaver. Her har jeg selv oplevet en nagende tvivl om, hvorvidt jeg har de rette kompetencer til at bruge AI meningsfuldt i min undervisning. Og hvor meget af min forberedelses- og undervisningstid kan jeg tillade mig at bruge på et område, som eleverne endnu ikke skal til eksamen i?
Oplevelsen af kontroltab og faglig sorg
Uanset om processen med indførelse af ny teknologi sker gradvis eller pludselig, kan tabet af fagligheden til kunstig intelligens være et hårdt slag mod undervisernes professionelle selvforståelse. For hvad er vi som undervisere, hvis vi ikke er eksperter i vores fag og formidlere af viden? Hvad er vores eksistensberettigelse, hvis en chatbot pludselig kan give feedback, skræddersy undervisning og svare på spørgsmål mindst lige så godt som vi kan?
Guldin (2018) beskriver i sin bog “Sorg”, hvordan tabet af en central del af ens liv – det være sig en legemsdel, en elsket eller en identitet – kan udløse en dyb eksistentiel krise og et behov for at finde ny mening. På samme måde kan tabet af vante undervisningsopgaver og -roller til AI føles som et tab af en del af sig selv. Pludselig er man ikke længere uundværlig. Ens status, relationer og oplevelse af kontrol er truet. Den faglige sorg kan vise sig som identitetsforvirring, vrede, handlingslammelse – eller måske ligefrem depression og meningsløshed.
Oplevelsen af faglig sorg og identitetstab i mødet med AI er altså en psykologisk realitet for mange undervisere. Men hvordan kan vi bedre forstå de forskellige faser i denne proces og de udfordringer og muligheder, der knytter sig til hver af dem? Her kan William Bridges' Transition Model tilbyde et nyttigt perspektiv på denne forandring.
Bridges' Transition Model og de tre faser af forandring
Ifølge William Bridges' Transition Model er der tre faser som alle undervisere gennemgår når ny teknologi introduceres i undervisningen - afslutning, neutral zone og ny begyndelse (Bridges & Bridges, 2017).
I afslutningsfasen skal underviserne måske sige farvel til velkendte rutiner, materialer eller undervisningsmetoder, som de har udviklet gennem mange års erfaring. Her ligger en faglig praksis og en faglig vidensopbygning, der er tilknyttet den enkelte underviser. Det kan vække følelser af tab, vrede og forvirring, når ens didaktiske greb eller faglige ekspertise pludselig udfordres af kunstig intelligens. Her er det vigtigt at underviseren anerkender og bearbejder disse følelser for at kunne give slip og bevæge sig videre.
I den neutrale zone befinder underviserne sig i et limbo mellem det gamle og det nye. De er ikke længere, hvad de var, men heller ikke helt komfortable i deres nye roller og relationer til AI. Mange vil opleve usikkerhed, tvivl og frustration, mens de eksperimenterer med at integrere de nye værktøjer i undervisningen. Hvordan kan AI blive en meningsfuld del af deres pædagogiske praksis? Hvad betyder det for relationen til eleverne og for deres egen identitet som fagperson? Hvad betyder det, når eleverne altid har en AI til rådighed? Midt i al forvirringen er der dog også grobund for kreativitet og nytænkning - hvis man altså tør udforske det ukendte.
Endelig når underviseren til den nye begyndelse, hvor AI ikke længere føles som noget, der er fremmed, men gradvist bliver integreret i undervisningen. Her handler det om at styrke de nye kompetencer, samarbejdsformer og undervisningsforløb, der er udviklet undervejs. Det handler også om at genfinde sin faglige identitet og stolthed i en ny virkelighed - måske endda med en dybere forståelse af, hvad det vil sige at facilitere læring i en digital tidsalder. Her er kunstig intelligens ikke længere en trussel, men en integreret del af deres professionelle praksis og selvforståelse.
Ved at bruge Bridges’ model kan vi måske bedre forstå de udfordringer og muligheder, som underviserne står overfor. I alt dette er oplevelsen af technostress og faglig sorg i mødet med AI en kompleks udfordring for mange undervisere.
Underviserens tekniske self-efficacy som nøgle til mestring
I mødet med AI-drevet technostress spiller underviserens tekniske self-efficacy - troen på egne evner til at mestre teknologien - en afgørende rolle. Albert Bandura, ophavsmanden til begrebet self-efficacy, beskriver det som en central mekanisme i menneskets agens og motivation (Bandura, 2012). Når vi tror på vores evne til at påvirke omgivelserne og opnå resultater, bliver vi mere tilbøjelige til at tage udfordringer op og udvise vedholdenhed.
I en undervisningskontekst præget af kunstig intelligens kan høj teknisk self-efficacy fungere som et skjold mod negativt stress. Undervisere med tiltro til egne tekniske kompetencer vil være mere tilbøjelige til at se AI som en spændende mulighed for udvikling - selv når det kræver en stor indsats at lære nyt. De møder udfordringerne med en positiv, problemløsende tilgang, hvor fejl ses som trædesten mod mestring. Med Banduras ord har de en "robust opfattelse af egen efficacy", der hjælper dem med at bevare engagement og trivsel selv under pres (Bandura, 2012, s. 19).
Omvendt risikerer undervisere med lav teknisk self-efficacy at blive overvældede og lammet af den teknologiske omvæltning. Hver ny udfordring bekræfter deres frygt for utilstrækkelighed og aktiverer katastrofetanker om at blive overflødig. Det kan føre til undvigeadfærd, nedsat arbejdsindsats og i sidste ende decideret modstand mod forandring.
Så hvordan kan skolerne styrke undervisernes tekniske self-efficacy? Her byder Bandura på en vifte af værktøjer, bl.a. mestringserfaringer, rollemodeller og verbal overtalelse. Det handler om at designe et arbejdsmiljø, der giver støttende rammer for at eksperimentere med AI, få succesoplevelser og lære af dygtige kolleger. Her kan en veltilrettelagt kombination af kurser, teknisk support og psykologisk tryghed ruste underviserne til at favne fremtidens teknologi med selvtillid og nysgerrighed - selv når det er svært.
Afrunding
At finde sig selv og sin faglighed i en AI-præget undervisningsverden kan være en kompleks og krævende proces. For nogle undervisere handler det om at forholde sig reflekteret til deres egne psykologiske reaktioner på teknologien og aktivt forsøge at skabe mening for sig selv og deres elever i den nye virkelighed. Men det er vigtigt at anerkende, at ikke alle nødvendigvis har ressourcerne, overskuddet eller motivationen til at kaste sig ud i den øvelse - især midt i en travl og omskiftelig hverdag.
Der findes ikke nogen one-size-fits-all-tilgang til at håndtere de identitetsmæssige og følelsesmæssige udfordringer, som AI kan medføre. Nogle vil måske have brug for mere tid, støtte eller kompetenceudvikling for at finde fodfæste, mens andre vil kaste sig hovedkuls ud i eksperimenterne. Pointen er, at vi bliver nødt til at møde underviserne dér, hvor de er, og anerkende de forskelligartede reaktioner og behov, der kan opstå i mødet med AI-teknologierne.
Uanset tilgangen er det dog afgørende, at underviserne forholder sig aktivt til spørgsmålet om, hvad det vil sige at være en god underviser i en digital tidsalder - både for deres egen selvforståelses skyld, men også for at kunne tilbyde eleverne en meningsfuld og tidssvarende undervisning.
I den næste artikel i denne serie vil jeg dykke dybere ned i, hvordan AI specifikt udfordrer undervisernes autonomi. For hvordan kan vi bevare vores professionelle selvbestemmelse og handlekraft, hvis vi skal samarbejde med selvlærende algoritmer? Alt dette kan fremkalde en anden ubehagelig følelse af magtesløshed, når eleverne i baggrunden udfordrer undervisningen ved at bruge kunstig intelligens.
Kilder
Bridges, W., & Bridges, S. (2017). Managing transitions. Nicholas Brealey Publishing.
Bandura, A. (2012). Self-efficacy. Kognition og pædagogik, 22(83).
Chang, P.-C., Zhang, W., Cai, Q., & Guo, H. (2024). Does AI-driven technostress promote or hinder employees’ Artificial Intelligence adoption intention? A moderated mediation model of affective reactions and technical self-efficacy. Psychology Research and Behavior Management, 17, 413–427. https://doi.org/10.2147/PRBM.S441444
Guldin, M.-B. (2018). Sorg. Aarhus University Press.
Poulsen, J. S., & Meier, D. S. (2022). Sammen om ny teknologi - Sådan får vi det bedste ud af de digitale muligheder (O. Jørgensen (red.)). Fremfærd. https://vpt.dk/sites/default/files/2022-05/Fremf%C3%A6rd%20Sammen%20om%20ny%20teknologi.pdf
Walker, T. (2023, december 3). “My Empathy Felt Drained”: Educators Struggle With Compassion Fatigue. National Education Association (NEA). https://www.nea.org/nea-today/all-news-articles/compassion-fatigue-teachers
