”AI i undervisningen kräver mer av läraren”

Med digitala läromedel och AI kan läraren följa elevernas prestationer på individnivå och anpassa undervisningen till var och en. Med så kallade adaptiva AI-funktioner i läromedel är syftet att detta görs automatiskt. Anpassningen innebär många möjligheter, men också utmaningar visar en studie där 16 lärare på två högstadieskolor deltog.

Lärarna använde digitala läromedel i sin matematikundervisning, ofta tillsammans med traditionella läroböcker. Bland annat kunde läraren följa elevens arbete och resultat i realtid. Uppgifterna som eleverna skulle lösa anpassades också till elevens prestationer vilket ledde till att vissa elever snabbt gick vidare till svårare uppgifter.

Men de flesta lärare upplevde också flera motsättningar mellan sättet de ville undervisa på och hur de digitala läromedlen förändrade undervisningen. Bland annat blev skillnaderna i kunskap snabbt stor mellan eleverna när de digitala läromedlen anpassade sig efter respektive elevs prestationer.

– Samtidigt som lärare vill att undervisningen ska vara anpassad till varje elev, vill de också hålla elevernas undervisning inom en viss ram med gemensamma mål för hela klassen, säger Marie Utterberg Modén som forskar vid Institutionen för tillämpad IT på Göteborgs universitet. Hon har själv en bakgrund som lärare, bland annat som speciallärare med inriktning matematik och specialpedagog.

– Det finns ett stort värde i gemensamma övningar där eleverna och läraren tillsammans kan utbyta tankar och idéer. Men när eleverna hamnade på helt olika ställen kunskapsmässigt så var det svårt att hitta det gemensamma som eleverna kunde samarbeta om.

Kombinera metoder

En lösning som lärarna använde för problemet med kunskapsklyftorna som uppstod på kort tid var att kombinera analoga och digitala metoder.

– Det kunde se ut på olika sätt, men exempelvis användes den adaptiva funktionen vid särskilda tillfällen och en dag i veckan kunde avsättas till gemensam problemlösning i klassrummet som byggde på interaktion och samarbete.

Marie Utterberg Modéns doktorsavhandling är baserad på bland annat fyra studier om digitala läromedel med sammanlagt över fyrtio intervjuade lärare på fjorton skolor under åren 2016–2020. I studien med de 16 matematiklärarna upplevde de också att de förlorade kontrollen över undervisningen.

”I våra intervjuer frågade sig lärarna hur de skulle kunna ha kontroll över undervisningen.”

– Lärarna planerade att fokusera på ett visst ämnesområde under en vecka, men AI-systemet anpassade omedelbart till elevernas olika prestationer så att de fick uppgifter som var bortom det planerade målet. Utöver att lärarnas tidsplanering inte följdes ställdes eleverna inför frågor och uppgifter som de inte var förberedda på och som läraren inte hade planerat att eleverna skulle möta, något som lärarna kallade ”blinda uppgifter”.

– I våra intervjuer frågade sig lärarna hur de skulle kunna ha kontroll över undervisningen. I stället för att den adaptiva funktionen assisterade lärarna, tyckte de att den tog över och snarare drev undervisningen vidare självständigt.

Samtidigt som lärarna upplevde att de digitala läromedlen tog över lärarens roll på vissa sätt förstod de att lärarens betydelse för undervisningen ökade på andra sätt.

– Det fanns lärare som innan studien inleddes var oroliga för att de digitala läromedlen skulle göra kvalificerade lärare överflödiga och arbetslösa. De frågade sig: ”ska en vikarie utan krav på pedagogik ersätta mig?”. Men efter studierna konstaterade de i stället att det var tvärtom, att AI i undervisningen kräver mer av läraren – en utvidgad kompetens.

– Vi kom fram till att AI-verktyg som automatiskt ska anpassa sig till eleverna handlar mer om lärande än undervisning. Lärarnas undervisning består av flera olika delar och innehåller många aspekter som digitala läromedel med AI inte förmår.

Problem med anpassning

Ett exempel är anpassningen av uppgifter och frågor till elevens egen förmåga. I en studie blev det tydligt att AI-tekniken inte kunde avgöra om en elevs prestation var stöttad av lärare eller hemifrån.

– Konsekvensen blev att om läraren hjälpte eleven lite för mycket, eller om eleven fått extra hjälp hemma från föräldrar och syskon, så fick eleverna plötsligt svårare uppgifter i stället för att stanna på en nivå i matematikundervisningen som passade eleven för att öva på det som redan var utmanande. Som lärare anpassar man frågor till eleverna och ger dem inte frågor som man vet att de inte kan svara på.

Ett annat exempel på när automatiserad anpassning i digitala läromedel gjorde det svårare var när undervisningen behöver anpassas tillfälligt för utifrån elevers behov.

– Om en elev en dag har ont i magen eller är hängig och förkyld så ser läraren det och kan anpassa. Det klarade inte de adaptiva digitala läromedel som har förekommit i våra studier.

AI-tekniken utvecklas snabbt och det är viktigt att lärare får vara med att påverka funktionaliteten så att dessa verktyg blir ett stöd i klassrummet. I ett pågående projekt, The Missing Teacher in AI, har lärarna fått möjlighet designa prototyper och anpassa dem efter sina önskemål.

– Designmetoden som vi har använt går ut på att förstärka problemet, dilemman som uppstår när AI-verktyg används, i provokativa prototyper, så kallade provotyper, för att stimulera reflektion och diskussioner. Sedan har lärarna omdesignat provotyperna till prototyper utifrån deras egna önskemål.

Resultat och analyser från projektet Missing Teachers in AI väntar nu på publicering i vetenskapliga tidskrifter.

”Lärare ska vara med tidigt i utvecklingen”

Marie Utterberg Modén menar att AI-tekniken måste anpassas efter lärarnas behov, men också att skolan och utbildningssystemet måste förändras för att ta vara på fördelarna med AI och omständigheten att AI påverkar samhället i framtiden.

– Motsättningarna som vi har sett i studierna är inte självklart problematiska utan kan också ge möjligheter till utveckling. En slutsats är att lärare och skolpersonal ska vara med tidigt i utvecklingen av digitala verktyg i skolan. Det är viktigt att de får vara med och ta fram, utforma och anpassa systemen i stället för att de först senare utvärderas i skolan.

Referenser och lästips

Utterberg Modén, Marie. (2021). Teaching with Digital Mathematics Textbooks – Activity Theoretical Studies of Data-Driven Technology in Classroom Practices. [Doctoral thesis, University of Gothenburg].
https://gupea.ub.gu.se/handle/2077/69472

Utterberg Modén, M., Ponti, M., Lundin, M., & Tallvid, M. (2024). When fairness is an abstraction: equity and AI in Swedish compulsory education. Scandinavian Journal of Educational Research. 1–15.
https://www.tandfonline.com/doi/pdf/10.1080/00313831.2024.2349908