Nyhedsbreve

Ugens nyheder: Mellem kasserollebøjning og kunstig intelligens

Ministeriet åbner for brugen af AI i engelskprøver, mens forskere advarer om “optimiseringsfælden”. Læs om kampen mellem innovation og bekymring i ugens nyhedsbrev.

Per Størup Lauridsen

25 aug 2025 · 11 minut læses

Indholdsfortegnelse

Hermed ugens nyhedsbrev om kunstig intelligens i undervisningen, hvor jeg denne gang ser på både konkrete tiltag i gymnasieskolen og bekymringer over, hvordan teknologien påvirker det danske skolesystem.

I fredags introducerede Børne- og Undervisningsministeriet et nyt forsøg med AI i engelskprøver på stx. Eleverne får nu mulighed for at bruge AI i den mundtlige del af eksamen, mens den skriftlige prøve opdeles. Første del løses analogt med pen og papir, og anden del løses digitalt med begrænsede muligheder i et tekstfelt.

Samtidig advarer forskere og lærere om, at teknologien kan skabe en “optimiseringsfælde”, hvor elever vænnes til hurtige svar frem for dyb tænkning. Jeppe Klitgaard Stricker beskriver, hvordan AI-værktøjer følger et mønster, der minder om spilleafhængighed. Hver forbedring af prompten giver tilfredsstillelse og fastholder brugeren, mens den dybere kognitive proces gradvist erstattes. Det er også interessant at GPT-5 fra OpenAI ofte afslutter hvert svar med en opfordring til, hvad man kunne spørge om.

Kritikken er hård fra mange sider. Gymnasielærer Anders Sigsgaard Skov kalder AI for en “rådden hjerne” og henviser til forskning fra MIT, som viser, at elever lærer mindre, når de bruger AI. Professor Sine Nørholm Just advarer om, at AI’s mønstergenkendelse ikke kan erstatte menneskers evne til at forklare og opbygge tillid.

På trods af at sprogmodellerne forsøger at fastholde brugeren, mener jeg, at det er bekymrende, at ikke alle elever faktisk lærer af at bruge AI. Ifølge norske forskere kan teknologien være med til at forstærke uligheden i undervisningen. Ressourcestærke elever bruger AI som sparringspartner, mens andre springer læringen over og dermed lærer mindre. Det er også problematisk, hvis eleverne overlades til sig selv, når de skal lære at bruge AI.

Spørgsmålet er derfor ikke længere, om AI skal bruges i undervisningen, men hvordan vi designer læring, der styrker elevernes intellektuelle modstandskraft i stedet for at svække den. Derfor er det vigtigt, som Nynne Afzelius fra HTX Køge skriver i Altinget, at alle fag definerer deres kernefaglighed. Eleverne må vide, hvad de skal kunne selv, og hvad AI må hjælpe med.

Mens vi diskuterer AI’s påvirkning på undervisningen er det også værd at nævne en positiv udvikling. Her på bloggen interesserer vi os meget for AI’s miljøpåvirkning, og indtil nu har tallene bag sprogmodellerne mest været et gæt. I sidste uge offentliggjorde Google endelig tal for hvor meget energi en forespørgsel bruger i deres datacentre. Selvom tallene stadig er høje især for video og billeder har Google reduceret miljøpåvirkningen betydeligt i forhold til de første modeller.

Tre pointer at tage med fra denne uge:

Analoge og digitale prøveformer: Flere fag eksperimenterer nu med at kombinere analoge prøveformer med kontrolleret AI-brug.
Optimiseringsfælden: Vær opmærksom på de psykologiske mekanismer i AI-værktøjer, som kan erstatte dyb tænkning.
Kernefaglighed: Hvert fag må definere, hvilke kompetencer der er umisteligt menneskelige.

Derudover kan du finde ugens andre nyheder til sidst.

God læselyst med nyhedsbrevet!

💡

Vi samler løbende nyheder om AI i undervisningen på viden.ai/nyheder, hvis du vil følge med mellem nyhedsbrevene.

Forsøg med AI i engelskprøver på stx

I skoleåret 2025/26 gennemføres et forsøg med nye prøveformer i engelsk A på stx, der skal afprøves ved sommerprøverne i 2026. Formålet er at finde en balance mellem analoge og digitale arbejdsformer, så eleverne både udfordres i selvstændig sproglig formulering og lærer at anvende digitale værktøjer, herunder AI, på en hensigtsmæssig måde.

Den skriftlige prøve opdeles i to dele: Første del løses analogt med pen og papir uden hjælpemidler, mens anden del gennemføres digitalt i et afgrænset tekstfelt med begrænsede muligheder. Den mundtlige prøve ændres også, idet alle hjælpemidler, inklusive generativ AI, tillades i forberedelsestiden. Eleverne får her kortere præsentationstid, men skal til gengæld perspektivere en kendt tekst i forhold til den udtrukne tekst.

Baggrunden er stigende udfordringer med snyd samt vanskeligheder for censorer i vurderingen af selvstændigheden i digitale besvarelser. Ministeren understreger, at AI skal bruges som læringsværktøj, ikke som snyd, og at eleverne skal rustes til en virkelighed, hvor både analoge og digitale færdigheder er nødvendige.

Samtidig indføres flere analoge prøveformer i sprogfag som fransk, italiensk, spansk, tysk og latin, mens nye læreplaner, blandt andet i arabisk, japansk, russisk og tyrkisk, er på vej. Erfaringer fra tidligere forsøg, blandt andet i spansk, har vist, at analoge prøver kan styrke elevernes selvstændighed og mindske snyd.

Når AI-værktøjer træner elever til at undgå dyb tænkning

Jeppe Klitgaard Stricker beskriver i en ny artikel, hvordan generativ AI kan skabe en “optimiseringsfælde” for elever. De øjeblikkelige belønningssystemer i AI-værktøjer vænner brugere til at forvente hurtige svar i stedet for at udvikle tålmodighed til kompleks tænkning.

Interaktionen med ChatGPT følger et mønster, der minder om spilleafhængighed – hver forbedring af prompten giver tilfredsstillelse og fastholder brugeren. Dette iterative system erstatter gradvist den dybere kognitive proces, hvor man arbejder sig gennem komplekse problemer uden teknologisk hjælp.

For undervisere rejser dette spørgsmålet: Hvordan kan vi designe læring, der styrker elevernes intellektuelle modstandskraft? Artiklen foreslår konkrete tiltag som “AI-fri zoner” samt undervisning i de psykologiske mekanismer bag AI-interaktioner.

The Optimization Trap

How Generative AI is Training Students to Avoid Deep Thinking

The Future of Higher EducationJeppe Klitgaard Stricker

AI = rådden hjerne – Kasserollebøjning = frisk hjerne

Gymnasielærer Anders Sigsgaard Skov leverer på Gymnasieskolens blog et skarpt opgør med den AI-begejstring, der synes at præge uddannelsessektoren.

Han henviser til forskning fra MIT, der viser, at elever bliver dummere af at bruge AI til opgaveløsning: De klarer ganske vist opgaverne bedre, men lærer meget lidt, og deres generelle hjerneaktivitet falder. Ifølge Anders Sigsgaard Skov er skolens opgave ikke at løse opgaverne, men at blive klogere.

Han forsvarer “kasserollebøjningen” – de grundlæggende, tilsyneladende kedelige øvelser som udenadslære og sprogbøjning – som helt afgørende for hjernens udvikling.

I blogindlægget argumenterer han for, at skolen bør uddanne i fortidens viden frem for fremtidens teknologi, da vi faktisk ved noget sikkert om fortiden. Viden om sprog og kultur udvider bevidstheden og skaber et “kreativt overskudslager” af kompetencer.

Mønstergenkendelse må ikke erstatte menneskelig dømmekraft

Professor Sine Nørholm Just fra ADD-projektet argumenterer for, at implementeringen af kunstig intelligens i sundhedssektoren bør opfattes som eksperimenter snarere end som standardløsninger. Selvom AI kan levere præcise diagnoser hurtigere og billigere end mennesker, mangler den evnen til at forklare resultaterne og skabe tillid.

Hendes centrale pointe er, at mennesker og maskiner er gode til forskellige ting. AI er gode til mønstergenkendelse og sandsynlighedsberegninger, mens mennesker kan italesætte tavs viden og forklare, hvorfor noget er tilfældet i en specifik situation.

Perspektivet er også relevant for uddannelsessektoren, hvor AI-værktøjer i stigende grad implementeres. Ligesom i sundhedsvæsenet er spørgsmålet ikke, om AI skal anvendes, men hvordan mennesker og maskiner kan samarbejde bedst muligt.

Ikke alle elever lærer af at bruge AI i skolen

Forskere fra Universitetet i Oslo og lærere i Asker Kommune undersøger i øjeblikket, hvordan elever faktisk lærer, når de bruger AI i undervisningen. Erfaringerne viser, at det kræver langt mere indsats fra både elever og lærere, end man tidligere havde troet. Mens nogle elever får god støtte til idéudvikling, sprogarbejde og korrektur, viser andre tegn på at springe de kognitive anstrengelser over – de læser ikke svarene grundigt igennem og stiller heller ikke opfølgende spørgsmål til systemet.

Projektet Læring i algoritmenes tidsalder viser, at forskellene i udbytte kan blive store. For de mest ressourcestærke elever kan AI fungere som en stærk sparringspartner, der løfter deres skriftlige niveau flere år frem i tiden. For andre kan det tværtimod betyde, at de lærer mindre, fordi de ikke selv træner sproglig forståelse, hukommelse eller problemløsning. Dermed kan AI både støtte og forstærke uligheden mellem eleverne.

En vigtig erfaring er, at AI skal designes og bruges på en måde, der stimulerer elevernes kognitive processer frem for blot at udføre arbejdet for dem. Det er afgørende, at lærerne hjælper eleverne med at skelne mellem at lære om teknologien og at lære med teknologien. Forskerne understreger også, at yngre elever ikke selv kan vurdere, om svarene fra AI er korrekte – her spiller lærernes støtte en central rolle.

Selvom udfordringerne er store, peger forskerne på, at AI kan blive et værdifuldt redskab i undervisningen, hvis det kobles tæt til faglig viden og anvendes bevidst. Erfaringerne fra Asker skal efter planen udbredes nationalt i Norge fra 2027, hvor de første didaktiske modeller forventes færdigudviklet.

Hvad skal eleverne kunne selv – og hvad må AI hjælpe med?

Rektor Nynne Afzelius fra HTX Køge skriver i Altinget om den udfordring, som AI-udviklingen stiller gymnasierne overfor. Hun sammenligner situationen med introduktionen af CAS-værktøjer i matematik for 20 år siden, hvor der også opstod forvirring og modstand.

Hendes centrale budskab er klart: Alle fag skal nu definere deres kernefaglighed, det vil sige hvad eleverne skal kunne uden hjælp, og hvad de skal kunne med AI. Som hun citerer en kollega: "Jeg underviser ikke i AI, fordi jeg elsker AI. Jeg underviser i AI, fordi jeg elsker mine elever."

Nynne Afzelius argumenterer for, at samtalen om det "umistelige" i hvert fag skal tages nu, på lærerværelserne og i faglige netværk, og ikke overlades til ministeriet. Hun peger på, at matematikfagets erfaringer med todelt eksamen kan tjene som inspiration for andre fag.

Fra berøringsangst til medspiller – en lærer lod elever undervise hende i AI

Historie- og samfundsfagslærer Louise Urth fra Lemtorpskolen i Lemvig beskriver på Folkeskolen.dk, hvordan hun gik fra at være skeptisk over for AI til at inddrage det aktivt i sin undervisning. Udgangspunktet var et forløb om Rigsfællesskabet, hvor nogle elever begyndte at bruge AI til kildeopgaver. Først blev hun frustreret, men hun besluttede derefter at vende situationen til en læringsmulighed, hvor eleverne skulle lære hende at bruge AI, samtidig med at de anvendte det i et politisk rollespil om Grønlands fremtid.

Eleverne lavede selv rollebeskrivelser med hjælp fra AI, og læreren lagde mærke til, at de blev mere engagerede og samtidig mere kritiske.

Urth peger på, at AI kan bruges til at gøre store informationsmængder mere overskuelige og til at understøtte differentiering, for eksempel for tosprogede elever. Samtidig fremhæver hun begrænsningerne, for AI kan ikke indfange de menneskelige og taktile dimensioner, som ligger i historiske kilder. Hun reflekterer derfor over, hvordan AI bedst anvendes i praksis, for eksempel ved at lade elever fremlægge og begrunde deres prompts i stedet for udelukkende at bedømme skriftlige produkter.

Google afslører energiforbruget pr. AI-forespørgsel

Google har offentliggjort en ny teknisk rapport, der for første gang giver et samlet overblik over, hvor meget energi, vand og CO₂ en Gemini-forespørgsel bruger.

Ifølge rapporten kræver en gennemsnitlig tekstforespørgsel 0,24 watt-timer, udleder 0,03 gram CO₂ og bruger 0,26 ml vand – svarende til cirka fem dråber. Det svarer til under ni sekunders tv-kiggeri.

Tallene er markant lavere end mange tidligere antagelser, og Google fremhæver, at forbruget er faldet kraftigt: På ét år er energiforbruget pr. forespørgsel reduceret med en faktor 33, mens CO₂-udledningen er faldet med en faktor 44. Det skyldes både nye modelarkitekturer, optimerede algoritmer, specialbyggede TPU’er og mere effektive datacentre.

Google understreger, at mange tidligere beregninger af AI’s klimaaftryk kun har medregnet det aktive chipforbrug. I deres mere omfattende metode indgår også CPU’er, hukommelse, backupmaskiner og køling i datacentre. Hvis man kun medregner chipforbruget, lander energien på 0,10 watt-timer – altså langt under det reelle tal.

Formålet med rapporten er at skabe større gennemsigtighed og bane vejen for fælles standarder til måling af AI’s ressourceforbrug. Ifølge Google skal metoden sikre mere retvisende sammenligninger på tværs af modeller, hardware og datacentre og samtidig hjælpe industrien med at finde nye måder at reducere AI’s klimaaftryk på.