Både Utdanningsnytt
og Bedre skole har belyst ulike utfordringer og muligheter i
fagene ved bruk av
generativ kunstig intelligens, og ikke minst hvordan vurderingsarbeidet for læreren kan bli annerledes.
I mindre grad har
tidligere artikler belyst hvilke type kunstig intelligens (KI) som allerede er
i bruk i skolen, og de systemiske vilkårene hos skoleeiere for bruk av
generativ KI som tekst-til-bilde generatorer som DALL E, Midjourney og store
språkmodeller som ChatGPT og Bard. I
denne artikkelen ser vi både på historien for KI og utdanning og generativ KI ved
å skille mellom ressurser og verktøy som er laget for skolen, og det som må
tilpasses didaktisk. Til slutt presenterer vi et nytt innovasjonsprosjekt som utvikler
didaktikk for arbeid med KI lokalt før erfaringene og de didaktiske modellene deles
nasjonalt.
Primære og sekundære verktøy
Lærere har et stort
repertoar av ulike metoder og didaktiske tenkemåter. I møte med generativ
kunstig intelligens i skolen er det derfor viktig å synliggjøre hva disse
ressursene er ved hjelp av allerede etablerte kategorier i
læremiddelforskningen. I forskningen på digitalisering har begreper som
læremidler, ressurser og digitale verktøy ofte blitt brukt på uklare måter
(Gilje, 2021). I læremiddelforskningen er det imidlertid for nærmere 30 år
siden etablert et skille mellom tekster som er laget for undervisning og
tekster som ikke er det.
Skolens primære tekster har innebygget en
didaktikk, mens sekundære skoletekster må brukes ved hjelp av det store didaktiske
repertoaret lærere har. Senere er det også etablert et skille mellom primære og
sekundære digitale verktøy. Primære digitale verktøy har et fagorientert
innhold og er spesifikt laget for skole og utdanning, mens sekundære digitale
verktøy er både uten fagorientert innhold og didaktikk (Gilje, 2023). Med disse fire kategoriene kan vi møte kunstig
intelligens slik at KI-verktøyene blir forståelige i læreres didaktiske repertoar.
I utdanningsforskningen
har forskere over flere tiår utviklet kunstig intelligens forstått som ulike
ekspertsystemer. Målet har vært å
utvikle programmer som er laget for elevers læring innenfor et bestemt faglig
domene (se Holmes & Tuomi, 2022 for en god oversikt). Slike
kunnskapsbaserte programmer har i hovedsak blitt laget innen matematikk, områder
i naturfag og områder innen språk/fremmedspråk.
I læringsforskning betegnes
dette som domenespesifikk kunnskap (Greeno et al 1996). På mange måter er dette
kunstig intelligens med didaktikk, det er primære digitale verktøy med KI, spesiallaget
for læring og utdanning. I dagens debatt om generativ kunstig intelligens er
det derfor viktig å se på historien til KI og læring i ulike fag for å forstå
hva som egentlig er nytt.
Kunstig intelligens er mer enn ChatGPT
Kunstig intelligens
sin reise gjennom utdanningsfeltet kan spores tilbake til 1960-tallet. Den startet med det
som heter Computer Assisted Instruction (CAI)
allerede på 1960 og 70-tallet, som er en opplæringsform der individet, for
eksempel en elev, blir veiledet av et dataprogram gjennom informasjonen som
skal læres. Metoden er fleksibel fordi elever kan lære i sitt eget tempo og
gjennomføre opplæringen når det passer dem, samtidig som mål for
kunnskapsutvikling ligger fast. CAI-programmer gir tester og vurderinger i hver
fase og gir umiddelbar tilbakemelding til den som trenes (Suppes &
Morningstar, 1969).[i]
Det var først på
1980-tallet at denne teknologien brukte KI-teknikker. Først ute var Intelligent
tutoring systems (ITS), der KI brukes for å gi tilpasset læring for
enkeltpersoner i spesifikke fag på basis av å modellere læringsmål i faget.
ITS-systemer er basert på en kognitiv læringsteori (Anderson et al., 1990). På
1990-tallet ble de første kritikk-systemene critiquing systems, CS (KS
på norsk) bygget for å adressere begrensinger ved ITS for å støtte situert
læring som delvis bygger på sosiokulturell lærings- teori. Med KS systemene er
det elevene som definerer progresjonen mot læringsmålet og datamaskinen bidrar
med støttestilas på denne veien (Mørch et al., 2017).
Disse tre
forskningsområdene, CAI, ITS og KS, er i større eller mindre grad til stede i
de programmene som er tilgjengelig i skolen i dag og som har som mål å gi
tilpasset opplæring og «adaptiv læring» i spesifikke fag. I tillegg er det
utviklet en rekke kontorprogrammer i Apples apper, Microsoft 365 og Google
Workspace for Education som har funksjoner som i varierende grad bygger på
maskinlæring og kunstig intelligens. I skolen kan elever i økende grad får
rettet ord, setninger, oversatt tekst og ikke minst tale til en maskin framfor å skrive på et tastatur for å
produsere tekst (som igjen kan bli lest opp for eleven). Utviklingen av disse
funksjonene i vanlige kontorprogrammer bygger også på KI og maskinlæring.
De kunnskapsbaserte
systemene er enklere å forstå sammenlignet med de svært store og komplekse KI-systemene
som ofte blir omtalt som generativ kunstig intelligens i offentlig debatt i dag.
De nye generative KI-systemene omfatter et bredt spekter av teknologier og
programvare som bygger på modeller av nevrale nett , inkludert naturlig
språkbehandling, maskinlæring, dataanalyse og mer. Mens de tidligere systemene
(CAI, ITS, KS) la grunnlaget for begreper slik som adaptiv læring og
automatisert tilbakemelding, med didaktiske modeller «innebygget» i teknologien,
er store språkmodeller som ChatGPT og Bard helt uten didaktisk tenkning eller
tilnærming. Derfor krever de en betydelig didaktisk forståelse og utvikling av
et nytt didaktisk handlingsrepertoar for lærere.
Mellomløsninger med ChatGPT - systemiske og institusjonelle vilkår for bruk av KI
Læreres møte med
ChatGPT og tilsvarende tjenester er ennå (høsten 2023) ikke rammet inn av
institusjonelle avtaler som skoleeier har/gjør for å bygge en trygg digital
grunnmur.[ii] Derfor
har en rekke skoleeiere, fylkeskommuner og kommuner gått i gang med å lage
løsninger for sine elever.
Først ut var
Randaberg kommune, og allerede i april 2023 presenterte de sin løsning randabergskolen.no.
De har laget en egen «portal» inn til OpenAI sine ulike språkmodeller slik at
elevene kan bruke disse tjenestene gjennom en egen nettside. Der møter elevene
ulike chatboter som er ferdig forhåndsprogrammert til å tre inn i ulike roller,
og et tekstverksted der elevene kan få hjelp med tekster de allerede har
skrevet. På denne måten har skoleeier gjennom disse tjenestene startet et
didaktisk arbeid for lærerne som både teknisk og metodisk gjør det mulig å ta i
bruk store språkmodeller. Chatboten Sokrates, for eksempel, gir deg ingen
fasitsvar, men stiller deg nye spørsmål. På mange måte har kommunen lagt
grunnlaget for en didaktikk til bruk av ChatGPT 3.5.[iii]
Å utvikle didaktiske modeller
Fordi generativ
kunstig intelligens (GKI) ikke er tilrettelagt for skole og undervisning må vi undersøke om og hvordan generativ KI kan
brukes og under hvilke vilkår dette kan stimulere til læring i og på tvers av
fag. På grunnlag av slike undersøkelser i forskning og i praksis kan det
utvikles robuste didaktiske modeller over tid.
GKI er en spennende,
kompleks og krevende teknologi som lar brukeren kommunisere med KI via
ledetekster, som kan være spørsmål, påstander eller hypoteser, fra både lærere
og elever for å få KI-systemet til å produsere tekst av varierende kvalitet.
Denne kvaliteten avhenger av flere faktorer, inkludert det faglige domenet og
hvordan spørsmålet eller forespørselen blir formulert. GKI-systemer fungerer
ved å beregne sannsynligheten for hvilket ord som passer best som neste ord i
en setning, uavhengig av det faglige temaet i setningen. Det er viktig å forstå
at disse systemene ikke er spesifikt trent innenfor et enkelt
"kunnskaps-/ekspertsystem," men derimot er generelle språkmodeller
som kan generere setninger som tilpasses det spesifikke faget eller temaet i
teksten.
Dette betyr imidlertid
også at GKI-systemer kan produsere feilaktig kunnskap om verden, da de ikke er godt
nok tilknyttet ekspertise på et bestemt felt. På den andre siden, GKI-systemer
er generiske og kan svare på et bredt spekter av spørsmål på tvers av ulike
emner, noe som skiller dem fra ekspertsystemer og ITS. Det er likevel viktig å
huske at man ikke bør stole på GKI-systemer, sekundære digitale verktøy, på
samme måte som man stoler på læremidler, primære skoletekster, da de ikke kan
garantere nøyaktigheten eller kvaliteten på informasjonen de produserer.
Regjeringen satser på kunstig intelligens
Torsdag 7. september lanserte regjeringen en ny satsing på kunstig
intelligens og digital trygghet. Også i den nye strategien for digital kompetanse
og infrastruktur for barnehage og skole som ble lansert i april 2023 blir det
vektlagt at det må utvikles et bredt handlingsrepertoar blant lærere i deres
bruk av ulike former for kunstig intelligens.
Disse politiske
føringene presser fram at det må utvikles en didaktikk for bruk av de
programmer som har funksjoner som bygger på kunstig intelligens og ikke minst
store språkmodeller, enten det er programmer som bygger på nye typer av
programmer i ITS-tradisjonen av ekspertsystemer eller den mer generelle og
faguavhengige generativ kunstig intelligens. Vi kan vente at i fremtiden vil IT
forskere integrere disse to tilnærmingene til KI på to ulike måter, en som
bygger på heuristisk kunnskap og regler (ITS) og en som bygger på matematikk og
statistikk (GKI).
Læring i algoritmenes tidsalder
Siden høsten 2020 har
forskere ved UiO i et såkornprosjekt samarbeidet med lærere og rådgivere i
Asker kommune i prosjektet School A.I. and Learning (SAIL) for å kartlegge hvordan kunstig intelligens
kunne utforskes i skolen. Dette la deler av grunnlaget for innovasjonsprosjektet
Læring i algoritmenes tidsalder (LAT) som har som formål å bygge slik kompetanse,
først blant lærerne i Asker kommune og deretter for alle landets lærere. LAT-prosjektet
er et innovasjons- og samarbeidsprosjekt mellom kommunen og forskere ved det
Utdanningsvitenskapelige fakultet ved UiO, og har finansiering i tre år fra Forskningsrådet fra og med 1. oktober 2023.
I prosjektet skal
forskere sammen med lærere og rådgivere i kommunen både (1) gjennomgå forskning
om kunstig intelligens og læring, se på (2)utfordringer knyttet til personvern
og datahåndtering og ikke minst (3) studere læringsprosesser i flere case der lærere
og elever arbeider med begge hovedtyper av kunstig intelligens som vi har
skissert. Gjennom disse casestudiene skal elevene i barne- og ungdomsskolen observeres
når de jobber med de verktøyene som Asker kommune har tilgjengelig og
eventuelle andre digitale verktøy som kan være aktuelle for å utforske
muligheter og utfordringer med generativ kunstig intelligens.
Generativ KI kan
hjelpe elever med å generere ideer, presentere ulike synsvinkler og produsere
utkast til introduksjoner og avslutninger. Dette kan være særlig nyttig når
elever strever med å komme i gang med skrivingen, produsere nok innhold eller
mangler erfaring. Dette kan gi nye muligheter til å drøfte med elevene om et
innhold er pålitelig eller gyldig, og hvor kunnskapen kommer fra. Et viktig
anliggende mer generelt å videreutvikle de kritiske perspektivene på
digitalisering generelt og bruk av KI spesielt. Elever må involveres i kritiske
samtaler om KI skal utvikling egen kritisk i og om bruk av KI i deres
læringsprosesser.
Erfarne lærere og uerfarne studenter
Utdanningsfeltet er i
endring. Både i grunnopplæringen og i høyere utdanning. Kunstig intelligens har
på mange måter blitt en «kraftfull» aktør i denne utviklingen. I de siste
månedene har vi systematisk samlet erfaringer og kunnskap både blant erfarne
lærere og studenter ved det Utdanningsvitenskapelige fakultet ved UiO.
Sistnevnte undersøkelser om hvordan lektor- og pedagogikkstudenter kan ta i
bruk ChatGPT har resultert i rapporten Lett å bruke – vanskelig å forstå. Å ta de store språkmodellene i bruk til egen og
felles kunnskapsutvikling krever gode forkunnskaper og dermed kritiske
vurderinger av hva tekstelementer kan brukes til i en oppgave.
En anekdote fra en av
Norges ledende eksperter på KI og deltaker i referansegruppa i LAT-prosjektet, professor
i kunstig intelligens Morten Goodwin, sier at han anbefaler ChatGPT til sine
masterstudenter, men ikke til bachelor-studentene. Åpne, sekundære digitale verktøy,
som ikke er didaktisk tilrettelagt som en lærebok, krever et godt grunnlag i kunnskaper og forståelse av det
faglige domenet du skal bruke språkmodellen på.
Menneske og teknologi i samspill - et internasjonalt perspektiv
Vi ser at stadig mer
av den faglige kunnskapen som er etablert i ulike fag og disipliner forsvinner
inn i «lukkede rom», den automatiseres av algoritmer ved hjelp av kunstig
intelligens (Heyes, 2018; Pasquale, 2015), og teknologiselskapene bruker vår
samhandling med disse algoritmene på ny måter som kan føre til mer overvåkning (Zoboff,
2019). For oss som arbeider med å utdanne lærere og pedagoger krever dette nye
løsninger på dilemmaer både i den konkrete studiehverdagen, som er av etisk art
og må knyttes til personvern. I tillegg er det vanskelig å forutsi hva studentene
skal lære i dag som de kan ha nytte av sine arbeids/yrkes- og livsløp.
Det er viktig å
fastholde at generativ KI ikke er utviklet med utdanning som sitt primære mål, den
er drevet for å løse problemer som KI forskere har slitt med i årevis, f.eks å
gjøre en datamaskin bedre enn menneske til å spille sjakk eller brettspillet
Go. Det er en ny type teknologi og ressurs som vi i utdanningssektoren må følge
med på og transformere og didaktisere til produktiv bruk. Vi må derfor lage en
kunnskapsbasert beredskap på å håndtere de nye sekundære digitale verktøy for å
kunne ta de i bruk i ulike deler av utdanningssektoren.
Internasjonal forskning
vektlegger at kunnskapsbaserte systemer som bruker KI i kombinasjon med
språkmodeller (dvs. ChatGPT eller lignende), kan være gode ressurser for både
elever og lærere når de skal lage nye typer undervisningsdesign (Holmes og
Tuomi & Holmes, 2022, Crompton et al., 2022). Det betyr at elevene må utvikle
grunnleggende forståelse av hvordan slike ressurser bør brukes for å kunne være
læringsfremmende. Lærere må på sin side legge vekt på at dersom ulike KI – baserte
programmer skal brukes i undervisningen, må de ha betydning for elevenes
læring.
KI i skolen er blitt et stort/hett tema
internasjonalt hos aktører som OECD, UNESCO og sentrale myndigheter i USA og en rekke andre land. Den faglige
diskusjonen gjøres i form av oppsummeringer om hva vi vet basert på
forskning frem til nå og hva som åpner seg av muligheter med generativ KI i nye
studier. Konklusjonen er like enkel som
den er komplisert. Vi må utvikle ny forskningsbasert kunnskap om faglig og
didaktisk bruk av en rekke typer KI skolen – i partnerskap med skoler, ledere,
lærere og forskere.
Referanser
Anderson, J. R.,
Boyle, F. C., Corbett, A. T. & Lewis, M. W. (1990). Cognitive modeling and intelligent tutoring. Artificial
Intelligence, 42, 7–49.
Crompton, H., & Burke, D. (2022).
Artificial intelligence in K-12 education. Social Sciences, 2,
113.
Gilje, Ø. (2021) På nye veier. Læremidler
og digitale verktøy fra kunnskapsløftet til fagfornyelsen. Norsk Pedagogisk
Tidsskrift, 105(2), 227-241.
Gilje, Ø. (2023) Læremidler
og arbeidsformer i den digitale skolen. 2. utg. Fagbokforlaget.
Heyes, C. M. (2018). Cognitive gadgets:
The cultural evolution of thinking. Harvard University Press.
Holmes, W., & Tuomi, I. (2022). State
of the art and practice in AI in education. European Journal of Education:
research, development and policies.
Ludvigsen, S.,
Mørch, A. og Wagstaffe, R.B. (2023). Lett å bruke – vanskelig å forstå. Studenters samtaler og bruk av
generativ KI: ChatGPT. Det utdanningsvitenskaplige fakultet, UiO.
Mørch, A. I., Engeness, I., Cheng, V. C.,
Cheung, W. K., & Wong, K C. (2017). EssayCritic: Writing to Learn with a
Knowledge-Based Design Critiquing System. Educational Technology &
Society, 20 (2), 216–226.
Pasquale, F. (2015). The black box
society: The secret algorithms that control money and information. Harvard University Press
Skinner, B. F. (1968). The technology of
teaching. New York: Appleton-Century-Crofts.
Suppes, P., & Morningstar, M. (1969). Computer-Assisted
Instruction. Science, 166 (3903), 343–350. http://www.jstor.org/stable/1728109
Zuboff, S. (2019). The age of
surveillance capitalism: The fight for a human future at the new frontier of power. Public Affairs.
Takk til våre
samarbeidspartnere i LAT-prosjektet i Asker kommune, Rune Glad, Arne Bergan og
Marie Y. Olafsen for kommentarer og tilbakemeldinger på artikkelen.
[i] CAI-systemer er modellert etter behavioristisk
læringsteori, og bygger på Skinners undervisningsmaskin (teaching machine)
utviklet på 1950-tallet, som var en mekanisk enhet som stilte spørsmål eller problemer
til studenter og basert på svarene deres ga tilbakemelding og veiledet dem til
videre spørsmål eller oppgaver. Dette var et tidlig forsøk på å bruke teknologi
for å forbedre utdanningen ved å automatisere deler av læringsprosessen og gi
tilpasset læring ved hjelp av en maskin (Skinner, 1968).
[ii] OpenAI, som ble lansert i slutten av november i fjor, krever bare
registrering av e-post adresse og Bard sin tilsvarende modell som ble lansert
på norsk 13. juli krever bare en personal gmail-konto. Som andre samfunnsborgere/profesjonelle
har lærere startet arbeidet med å se på og vurdere hva en slik generativ Ki kan
brukes til.
[iii] Tjenesten til Randaberg
kommune er laget for elever i denne ganske lille kommunen, og Hjelmeland
kommune har allerede kopiert den løsningen. I slutten av august lanserte Oslo
kommune en tilsvarende pilot-løsning for elever og lærere på en videregående
skole. Og også Asker, Bergen, Kristiansand og en rekke andre kommuner diskuterer og arbeider med tilsvarende
løsninger som skal lanseres i løpet av høsten.
