Mastergraden min tok jeg ved OsloMet, og du kan lese den her:

I studiet inngikk disse delstudiene:

Hva forteller egentlig mastergraden min om hvilken nytteverdi lærere ser med KI i skolen? + litt egne meninger basert på nedlagt arbeid og populærlitteratur. I masteren intervjuet jeg fem lærere. To på videregående skole, og tre på ungdomsskole. Aldersspennet var fra 25 til 50. Disse ble intervjuet høst 2023. Erfaringsspennet gikk fra å være veldig interessert, men ikke brukt KI, til veldig interessert og daglig bruk. For å forstå intervjuene ble Technology Acceptance Model brukt som teori.

Flere forskningsartiklene understreker det finnes relativt lite forskning på feltet (Chounta et al., 2022; Kim et al., 2022; Nazaretsky et al., 2022; Topal et al., 2021). Selv om det er varierende kvalitet på forskningen, så var antall relevante artikler januar 2023 77 stykker, men i januar 2024 var det over 170 relevante artikler. En løsning som bruker KI kan fort bli sett på som en altvitende og altløsende system, men det er viktig å forstå KI-systemene sine begrensninger, og vite hva den kan og ikke kan gjøre (Goodwin, 2020; Kim et al., 2022, s. 6082). Cope et al. (2021) er også tydelig på at selv om vi blir entusiastiske over nye løsninger og arbeidsmetoder som kan være bedre for lærere og elever, så må vi være oppmerksomme på teknologiens begrensninger. Cope et al. (2021) betegner ulike KI-er som kognitive proteser inn i skolen, som ikke kan ta for seg de ulike menneskelige aspektene, men som kan støtte ulike læringsprosesser. Ifølge Kim et al. (2022, s. 6090) er det viktig at man ikke søker å erstatte menneskelige kognitive funksjoner, men finner måter å bruke KI som supplerer og støtter mennesker. Sperling et al. (2022) understreker viktigheten av at en lærer initierer læringsprosessen mellom kunstig intelligens og elevene. Alle lærerne var positive til bruk av KI til å lette sin egen arbeidshverdag. Om det så var retting av prøver, ulike tekstarbeider, rapportskriving, analyse av fravær, prediksjoner og mulige tegn på lærevansker mm. De hadde tanker om nåværende løsninger og mulige fremtidige løsninger. Tiden som ble frigjort ville alle bruke til kjerneoppgaver inn i klasserommet. Forskningen viser til at dette og adaptive løsninger mest sannsynlig er veien å gå for at lærere skal godta KI inn i skolen. En av løsningene som letter arbeidet, men ikke tidsbruken, er en løsning som Hypatia AS og Høgskolen i Østfold har utviklet sammen (Krange et al. 2023). De har utviklet en løsning som hjelper elever og lærere under den formative vurderingen. Lærerne sparte ikke tid ved å bruke løsningen, så løsningen er ikke perfekt, men etter å ha sett videoklipp av bruken, så er dette noe jeg definitivt håper blir utviklet videre. Man bruker kanskje like mye tid, men det er forskjell på å gå opp en fjellskrent og gå i en blomstereng. En annen løsning som vurderer tekster er algoritmen (navn ikke nevnt) som Nazaretsky et al. (2022) tester ut, hvor det er opptil 85% enighet mellom lærere og algoritme når de setter karakter. Dette antar jeg er større enighet enn viss du setter 100 språklærere til å vurdere ulike tekster i fellesskap. Dette har potensiale til å være en stor støtte til lærere, og ved sentralt gitte oppgaver så kan det også bidra til å sette likere karakterer jevnt over i landet. I likhet med Molenaar (2022) så tror lærerne at adaptive stier er veien å gå for KI inn i klasserommene. Dette fordi det er tilpasset opplæring som automatisk blir tilpasset og frigjør tid for lærere, og eleven får det tilpasset uten å måtte vente på læreren. I norske vurderingsforhold vil slike adaptive stier som blir loggført også være en støtte i den formative vurderingen. Lærerne var ikke positive til hva elevene skulle med KI, og de satte fort et likhetstegn mellom KI og generativ KI og da spesielt ChatGPT. Oppsummert kan vi si at generativ KI ikke blir sett på som en måte å trene elevenes ferdigheter på. De er derimot positive til KI viss det kommer i form av begrensede rammer, hvor en av lærerne nevner at de har hørt at Reading Progress i Teams bruker KI. Jeg har testet denne løsningen som vikar i spansk, uten å kunne et ord spansk. Elevene liker løsningen, jobber med teksten, og opplever det motiverende. En annen ting som blir fremhevet som en mulig vei inn i klasserommene er gjennom fagspesifikke chatboter. Topal og Neo fremhever også denne form for løsninger. Det skal nevnes at det ikke er funnet økt læringsutbytte ved bruk av chatboter, men elevene ble mer motiverte. Det fremheves at slike løsninger vil gjøre at både lærere og elever sparer tid i et tettpakka klasserom (Topal, Neo, Kushmar). Mulighet for tilpasset opplæring for personer som ikke var skriftlig gode, ved å bruke ChatGPT til å generere tekst, for så å gjøre det til sin egen for å kunne uttrykke seg skriftlig.

Utfordringer Lærerne hadde også en rekke bekymringer rundt KI og skole, men det kan oppsummeres med kompetanse, rammer, rettferdighet, og feillæring.

Kompetanse Selv om det var ulike behov for lærerne, så ønsket lærerne opplæring i KI, da de hadde for lite kompetanse i det. Det må poengteres at selv de godt erfarne også ville ha mer kurs, men på sitt nivå. På dette tidspunktet var det ingen som visste om kompetansepakkene til Udir. God nok kompetanse er nødvendig for å bruke KI systematisk inn i klasserommet (Chounta et al., 2022)

Alder og teknologi Forskning tilsier at yngre og mer uerfarne lærere vil ta i bruk ny teknologi raskere, og at eldre vil være senere til å ta det i bruk. Chocarro et al. (2023) fant derimot at alder ikke hadde betydning for lærere for å ta i bruk chatboter.

Rammer og begrensninger Ønske om rammer må sees på som begrensninger. Da nasjonale, lokale (skole) og inn i løsningene som brukes. I motsetning til Sverige og Danmark har Norge vært sene på ballen når det kommer til retningslinjer for bruk av KI i skolen. De var positive til KI viss det ble rammet inn for å drive med ferdighetstrening. De uttrykker at de er ute av kontroll til å vurdere elever, og sørge for bedre ferdigheter når KI kommer uten rammer (aka ChatGPT)

Rettferdig vurdering og juks Lærene var opptatt av risikoen av at elever jukser på ulike innleveringer. Det var spesielt lærerne på videregående som var opptatt av dette, da de ikke hadde blitt kjent med skrivekunnskapene til elevene før de kom på skolen.

Det er også et spørsmålstegn hva man gjør viss man mistenker elever for bruk av KI på egne arbeid, hvor eleven sier at de har jobbet ekstra godt for en gangs skyld, selv om det åpenbart er generert tekst.

Vranglære og feilaktige perspektiver

Dette mener jeg kanskje er det mest kritiske punktet, spesielt viss man pusher generativ KI inn i skolen (og for så vidt samfunnet for øvrig). Dette var også alle lærerne opptatt av.

Dette bunner ut hvor godt datasett modellene er trent på, og hvordan algoritmene er justert for å generere et resultat til brukeren. Vi har alle hørt om ChatGPT som ved enkelte tilfeller lovpriste Hitler, og at Anders B Breivik er en av Norges største menn gjennom historien. Slike utsagn kommer av såkalte hallusinasjoner som skjer i generativ KI fordi modellen skal gi brukeren et svar fordi den er programmert til det. Viss vi får generativ KI inn i skolen som definerer hva som er sant ut til elevene, så reiser det store spørsmål knyttet til algoritmene, hva samfunnet ønsker, hva som faktisk er sant, og ikke minst hva ønsker de som eier algoritmene å oppnå med produktet sitt? Det siste er forsket noe på, hvor man f.eks fant at ChatGPT er vridd noe til det politiske venstre, og representerer mindre befolkningsgrupper i samfunnet på en dårlig måte (Santurkar, 2023). Dette har også potensiale til å begrense ytringsfriheten til upopulære meninger.   Oppsummert kan vi si at lærere ser nytteverdi inn i skolen for å lette egen arbeidshverdag, og viss KI blir brukt i begrensede faglige settinger og er sannferdige overfor elevene og samfunnet vi ønsker å forme.

En del som har kastet seg på KI-hypen mener at det MÅ inn i skolen fordi det er i samfunnet. Det er som å si at vi MÅ ha kokain inn i skolen fordi det er i samfunnet. Burde vi ha et kompetansemål i ungdomsskolen og oppover som tar for seg sentrale begreper om KI på en grundig måte for å danne en forståelse av det, definitivt.

De mest matnyttige kildene:

Om KI: En must read: Strümke, I. (2023). Maskiner som tenker : algoritmenes hemmelighet og veien til kunstig intelligens. Kagge forlag.

 

Goodwin, M. (2020). AI : myten om maskinene. Humanist forlag.

 

Et knepp mer teknisk enn Strümke: Ravindran, A. (2022). Will AI Dicate the Future. Marshall Cavendish International.

Om LLM-er og perspektiver de gjenspeiler: Santurkar, S., Durmus, E., Ladhak, F., Lee, C., Liang, P. & Hashimoto, T. (2023). Whose Opinions Do Language Models Reflect? arXiv.org. https://doi.org/10.48550/arxiv.2303.17548

+ Feng

 

Om KI og skole:

 

Chocarro, R., Cortiñas, M. & Marcos-Matás, G. (2023). Teachers’ attitudes towards chatbots in education: a technology acceptance model approach considering the effect of social language, bot proactiveness, and users’ characteristics. Educational studies, 49(2), 295-313. https://doi.org/10.1080/03055698.2020.1850426

Chounta, I.-A., Bardone, E., Raudsep, A. & Pedaste, M. (2022). Exploring Teachers’ Perceptions of Artificial Intelligence as a Tool to Support their Practice in Estonian K-12 Education. International journal of artificial intelligence in education, 32(3), 725-755. https://doi.org/10.1007/s40593-021-00243-5

Cope, B., Kalantzis, M. & Searsmith, D. (2021). Artificial intelligence for education: Knowledge and its assessment in AI-enabled learning ecologies. Educational Philosophy and Theory, 53(12), 1229-1245. https://doi.org/10.1080/00131857.2020.1728732

Du, Y. & Gao, H. (2022). Determinants affecting teachers’ adoption of AI-based applications in EFL context: An analysis of analytic hierarchy process. Education and Information Technologies, 27(7), 9357-9384. https://doi.org/10.1007/s10639-022-11001-y

Gupta, K. P. & Bhaskar, P. (2020). Inhibiting and Motivating Factors Influencing Teachers’ Adoption of AI-Based Teaching and Learning Solutions: Prioritization Using Analytic Hierarchy Process. Journal of information technology education, 19, 693-723. https://doi.org/10.28945/4640

Kim, J., Lee, H. & Cho, Y. H. (2022). Learning design to support student-AI collaboration: perspectives of leading teachers for AI in education. Education and Information Technologies, 27(5), 6069-6104. https://doi.org/10.1007/s10639-021-10831-6

Krange, I., Segaran, M., Gamlem, S., Moltudal, S. & Engeness, I. (2023). A Triple Challenge: Students’ Identification, Interpretation, and Use of Individualized Automated Feedback in Learning to Write English as a Foreign Language. Interaction design & architecture(s), (59), 37-61. https://doi.org/10.55612/s-5002-059-001

 

Kushmar, L. V., Vornachev, A. O., Korobova, I. O. & Kaida, N. O. (2022). Artificial Intelligence in Language Learning: What Are We Afraid of. Arab world English journal, (8), 262-273. https://doi.org/10.24093/awej/call8.18

Lippert, A., Shubeck, K., Morgan, B., Hampton, A. & Graesser, A. (2020). Multiple Agent Designs in Conversational Intelligent Tutoring Systems. Technology, knowledge and learning, 25(3), 443-463. https://doi.org/10.1007/s10758-019-09431-8

Malik, R., Shrama, A., Trivedi, S. & Mishra, R. (2021). Adoption of Chatbots for Learning among University Students: Role of Perceived Convenience and Enhanced Performance. International journal of emerging technologies in learning, 16(18), 200-212. https://doi.org/10.3991/ijet.v16i18.24315

Molenaar, I. (2022). Towards hybrid human‐AI learning technologies. European journal of education, 57(4), 632-645. https://doi.org/10.1111/ejed.12527

Nazaretsky, T., Ariely, M., Cukurova, M. & Alexandron, G. (2022). Teachers’ trust in AI‐powered educational technology and a professional development program to improve it. British journal of educational technology, 53(4), 914-931. https://doi.org/10.1111/bjet.13232

Neo, M. (2022). THE MERLIN PROJECT: MALAYSIAN STUDENTS’ ACCEPTANCE OF AN AI CHATBOT IN THEIR LEARNING PROCESS. The Turkish online journal of distance education TOJDE, 23(3), 31-48. https://doi.org/10.17718/tojde.1137122

Sperling, K., Stenliden, L., Nissen, J. & Heintz, F. (2022). Still w(AI)ting for the automation of teaching: An exploration of machine learning in Swedish primary education using Actor‐Network Theory. European journal of education, 57(4), 584-600. https://doi.org/10.1111/ejed.12526

Topal, A. D., Dilek, C. E. & Geçer, A. K. (2021). Chatbot application in a 5th grade science course. Educ Inf Technol (Dordr), 26(5), 6241-6265. https://doi.org/10.1007/s10639-021-10627-8

Tørresen, J. (2013). Hva er kunstig intelligens (Bd. 49). Universitetsforl.

Utdanningsdirektoratet. (2024, 18.01.2024). Kompetansepakke om kunstig intelligens i skolen. Utdanningsdirektoratet. https://www.udir.no/kvalitet-og-kompetanse/digitalisering/kompetansepakke-om-kunstig-intelligens-i-skolen/

Venkatesh, V. & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences, 39(2), 273-315. https://doi.org/https://doi.org/10.1111/j.1540-5915.2008.00192.x

Venkatesh, V. & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 46(2), 186. https://doi.org/10.1287/mnsc.46.2.186.11926

Venkatesh, V., Morris, M. G., Davis, G. B. & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540

Webb, M. E., Fluck, A., Magenheim, J., Malyn-Smith, J., Waters, J., Deschênes, M. & Zagami, J. (2021). Machine learning for human learners: opportunities, issues, tensions and threats. Educational technology research and development, 69(4), 2109-2130. https://doi.org/10.1007/s11423-020-09858-2