AI kan fungera som ett bollplank för studenter genom att bidra med förslag, alternativa perspektiv och inspiration i lärandeprocessen.
– AI är inte något man helt ska lita på, men det kan ändå vara ett värdefullt stöd, säger David Rule, universitetslektor och docent vid Matematiska institutionen vid Linköpings universitet.
I takt med att AI får större genomslag i utbildningen aktualiseras samtidigt äldre frågor om undervisning, lärande och lärarens roll. De frågorna stod i fokus vid ett pedagogiskt seminarium vid Matematiska institutionen, en seminarieserie som David Rule är med och samordnar.
– En viktig ambition med seminarierna är inte att ge färdiga svar, utan att skapa en gemensam arena där olika perspektiv, erfarenheter och farhågor kan mötas och utvecklas över tid, säger han. Målet är att hålla diskussionen levande och nära den faktiska undervisningen.
För Micaela Bergfors, som också är en av de som ordnar pedagogiska seminarierna vid MAI, handlar diskussionen ytterst om ansvar för studenternas lärande.
– Vi måste förhålla oss till AI. Hur angriper vi det på bästa sätt för att hjälpa våra studenter att lära sig matematiken så bra som möjligt? Vad behöver man lära sig när världen ser ut som den gör?
Det var också utgångspunkten när Jan‑Fredrik Olsen från Lunds universitet gästade Matematiska institutionens pedagogiska seminarium. Generativ AI skapar i dag oro i många utbildningssammanhang, inte minst kring fusk, ytligt lärande och förlorad matematisk förståelse. Enligt Jan‑Fredrik Olsen är dessa frågor i sig inte nya, men med AI har de blivit svårare att bortse från samtidigt som nya lösningar växer fram.
– Studenterna kommer att använda verktygen oavsett, och då behöver vi som lärare engagera oss och hjälpa dem att använda dem på ett kompetent och kritiskt sätt.
Tre spänningar som AI synliggör i undervisningen
Jan‑Fredrik Olsen lyfter fram tre spänningar som blir särskilt tydliga när AI tar plats i matematikundervisningen. Den första rör balansen mellan förtroende och ansvar. När studenter tillåts använda AI i hemuppgifter och projekt blir det svårare att kontrollera och styra arbetsprocessen i detalj. Samtidigt kan ökad misstänksamhet få motsatt effekt och underminera både motivation och kvalitet.
En andra spänning gäller relationen mellan mänskliga och maskinella kompetenser. Frågan är inte om AI ska användas eller inte, utan hur verktyget kan bidra till att hjälpa studenterna att bättre utveckla robusta matematiska kompetenser, snarare än ersätta det egna tänkandet.
Den tredje spänningen handlar om förhållandet mellan individuellt och kollektivt lärande. AI möjliggör långtgående individualisering, men Jan‑Fredrik Olsen varnar för att det kan ske på bekostnad av den sociala lärandemiljön. Samtal och gemensam problemlösning är centrala för att använda matematik som som ett levande verktyg för att förstå både abstrakta och tillämpade problem, något som inte enkelt kan ersättas av ett individuellt samspel med en AI‑tjänst.
Han varnar också för att betrakta AI som en auktoritet i lärandet. Eftersom AI ger sannolika svar snarare än resonemang blir lärarens roll central i att visa hur matematik utvecklas genom erfarenhet, prövning, osäkerhet, misslyckanden och kritisk granskning.
Självständigt arbete är kärnan i lärandet
Jan-Fredrik Olsen lyfter betydelsen av den icke lärarledda tiden. När studenter själva kämpar med problem, fastnar och tvingas formulera frågor, sker det djupa lärandet. Föreläsningar och seminarier bör enligt honom därför ses som stöd för denna process och inte som dess kärna. AI kan här fungera som ett kraftfullt verktyg för individualiserat stöd, men endast om studenterna förstår dess begränsningar och lär sig att använda det kritiskt som stöd för det egna lärandet. Att ”kalibrera” användningen, till exempel genom att kombinera fri användning av AI i projekt och hemuppgifter med AI-fria seminarier, är ett sätt att stärka studenternas kompetens snarare än att ersätta den.
