AI utmanar etablerade normer inom högre utbildning

Generativ AI har på kort tid blivit en självklar del av studenters vardag. Medan den mediala debatten ofta fastnar i frågor om fusk, examination och kontroll, visar forskningen att förändringen går betydligt djupare än så.
Studenter använder i dag AI för att söka information, förklara samband, sammanfatta litteratur och testa idéer – ofta utan att involvera lärare. I takt med detta har en del studenter också börjat ifrågasätta vilka färdigheter som egentligen är relevanta när så mycket av det akademiska arbetet kan utföras med och av AI. Samtidigt uttrycker många en oro för att utbildningen inte erbjuder tillräcklig träning i att använda AI på ett sätt som motsvarar arbetslivets och samhällets förväntningar.

Vad är universitetets värde?

Dessa förändrade beteenden och förväntningar utmanar universitetens traditionella roll, som historiskt byggt på specifika antaganden om vad det innebär att lära, kunna och prestera.  När både kunskapsproduktion och problemlösning alltmer sker i samspel med AI, behöver universitet omdefiniera, formulera och motivera sina lärandemål och sin pedagogik på sätt som upplevs relevanta för dagens studenter. 
– Frågan blir då: Vad är det som högre utbildning faktiskt erbjuder, som inte kan ersättas med AI, och hur kan detta värde kommuniceras och realiseras i praktiken? säger Tiina Leino Lindell, postdoktor, som tillsammans med professor Christian Stöhr har genomfört flera studier om AI i högre utbildning.

Studierna, där både lärare och studenter har intervjuats, visar också att studenter i allt högre grad prioriterar sin tid med hjälp av AI. Uppgifter som uppfattas som tråkiga, repetitiva eller irrelevanta för den framtida karriären överlåts ofta till AI-verktyg, medan sådant som anses viktigt eller utvecklande prioriteras. Detta i sin tur skapar också spänningar, då lärarna uttrycker oro för att studenter riskerar att missa grundläggande moment eller träna för lite på vissa färdigheter.

Akademisk integritet före teknik

Ytterligare en utmaning är att medan teknikutvecklingen och studenternas beteenden förändras mycket snabbt, är universitetens organisationer byggda för stabilitet och långsiktighet. Diskussioner om digitalisering blir därför ofta reaktiva: tekniken förändrar praktiken först, och riktlinjer formuleras i efterhand. Forskarna pekar på att universiteten behöver arbeta mer principbaserat snarare än teknikbaserat.
– Riktlinjer som är starkt knutna till enskilda tekniker riskerar att snabbt bli inaktuella när både verktyg och användningsmönster förändras. Ett återkommande tema i materialet är därför behovet av riktlinjer som tar sin utgångspunkt i övergripande pedagogiska principer, som akademisk hederlighet, transparens, tydliga lärandemål och ansvar. På så sätt minskar behovet av att omformulera riktlinjerna varje gång tekniken förändras, säger Christian Stöhr.

Han betonar att frågor om AI och pedagogik inte kan ligga på enskilda lärare, utan måste bli en naturlig del av universitetens samlade arbete med utbildningens mål och kvalitet.
– Våra studier visar inte hur AI bör användas i högre utbildning. Däremot visar de att både studenter och lärare redan förhåller sig till tekniken på sätt som utmanar etablerade normer. Det gör frågor om mål, ansvar och pedagogik svåra att skjuta på framtiden.

Syftet var att undersöka hur generativ AI påverkar normer, roller och arbetssätt inom ingenjörsutbildning ur studenternas perspektiv, och baserades på intervjuer med 25 ingenjörsstudenter som aktivt använder generativ AI i sina studier.

Fyra centrala teman i studien

Studenternas självständighet: 

Studenter använder GenAI för att lösa praktiska problem, som att översätta språk, förstå teori, felsöka kod. De ser verktyget som en snabb och ständigt tillgänglig mentor, i kontrast till traditionella digitala verktyg som ofta upplevs som långsammare eller otillräckliga.

Utbildningens mål: 

Många studenter upplever att de måste behärska GenAI för att vara förberedda för arbetslivet och anpassar därför sitt lärande efter vad de ser som framtida krav. Detta är dock ett område där de tycker att utbildningen inte ger tillräckligt stöd.

Lärarens roll: 

Förändras när studenternas faktiska AI-användning inte alltid stämmer överens med lärarnas formella regler. Studenter vänder sig ofta till GenAI för de enklare frågorna, vilket minskar kontakten med lärarna. Skillnader i hur lärare och studenter anser att GenAI användning bör begränsas skapar dessutom nya utmaningar för lärarrollen.

Synen på fusk: 

Utmanas när hög arbetsbelastning kombineras med AI-verktygens effektivitet, vilket kan leda till gränsdragningar som står i konflikt med akademisk integritet.

Studien har genomförts i två faser. Den första innebar intervjuer, både individuella och i grupp med ingenjörsstudenter från 13 olika program. Frågorna fokuserade på om, hur och varför studenter använder generativ AI. Syftet var bland annat att få deras syn på för- och nackdelar, och deras tankar om vilka regler och riktlinjer som eventuellt kan behövas. Studenternas input grupperades i fem teman. I fas två fick sedan universitetslärare, postdoktorander och pedagogiska utvecklare utgå från dessa fem teman med syftet att utforska olika möjliga framtider, snarare än att förutsäga ett enda resultat. Den här metoden med scenarioplanering är ett effektivt sätt att identifiera utmaningar och föreställa sig framtida riktningar. Den tvååriga tidsramen valdes för att vara både realistisk och framtidsinriktad.