AI i skolan – revolution eller infantilisering?

Antohony Seldon identifierar i sin bok The Fourth Education Revolution Reconsidered fem områden (utöver rena administrativa sysslor) där AI kan få en stor effekt för utbildning. Nedan beskriver jag kort de fem områdena och gör några personliga reflektioner. Jag har tagit mig friheten att göra en egen översättning av punktrubrikerna.

1. Förbereda material / Memorera kunskap
   
   AI är en given del av adaptiva läromedel som ger elever och studenter ett skräddarsytt material anpassat efter deras aktuella kunskapsnivå. Det kan exempelvis handla om övningsfrågor, fördjupningar och kompletterande uppgifter. Inom det här området har det gjorts försök under en längre tid men AI kan kanske ge tjänsterna det genombrott som många hoppas på.
   
   Det finns som i det mesta en baksida att se upp med. För stor anpassning kan innebära att vissa elever inte följer samma tempo eller struktur som övriga i gruppen. Det är också viktigt att adaptiva system inte sänker förväntansnivån utan stimulerar eleven att nå de kunskapsmål som utbildningen utgår ifrån.
   
   En mer personlig erfarenhet är att jag i lågstadiet upplevde att jag blev bestraffad för att arbeta snabbt i matteboken eftersom det bara ledde till ännu fler uppgifter. Jag tror därför att det är viktigt att ta hänsyn till elevers motivation i adaptiva system och att de inte blir ett substitut för lärarens engagemang i eleverna.
   
   
2. Organisera klassrummet / Tillämpa kunskap
   
   Seldon beskriver här möjligheterna att optimera miljön för lärande via olika faktorer. Allt från temperatur, ljus och ljud i lokalen till möjligheten att automatiskt övervaka och återkoppla på elevernas arbete i realtid. AI-chatbotar kan till exempel svara på de vanligaste frågorna från elever och löpande identifiera förbättringsområden i texter och andra uppgifter.
   
   Det här är naturligtvis inte heller några nya områden och de har diskuterats flitigt på en del skolor. Själv minns jag hur vi satt uppkopplade i ett ljudsystem när vi lästa franska innantill och läraren då och då dök upp i hörlurarna för att korrigera våra uttal. Går det att få mer och direkt återkoppling ger det antagligen förbättrade förutsättningar för många elevers lärande.
   
   I sammanhanget nämner Seldon även att bortfallet från online-kurser på MIT är hela 96% så lösningen är antagligen inte att förlita sig helt på automatiska system. Jag har själv också en del oavslutade distanskurser på mitt samvete. Återigen spelar elevernas motivation sannolikt en stor roll i hur framgångsrikt lärandet blir.
   
   
3. Presentation av material för att optimera lärande och fördjupa förståelse
   
   Varken Virtual Reality (VR) eller Augmented Reality (AR) har hittills tagit världen med storm. Bortsett från möjligtvis Pokémon GO och nischade simulatorer för exempelvis träning av piloter och kirurger. Här finns det en hel del förhoppningar både för respektive teknik (VR, AR), i synnerhet i kombination med AI.
   
   Om AI kan bidra till mer trovärdiga simuleringar utan att medföra teknikstrul och andra praktiska problem kan delar av potentialen med AR och VR kanske förverkligas. Många tryckta läromedel kan också levandegöras betydligt mer än vad vi hittills lyckats med genom användning av artificiell intelligens. AI kan lätta hitta kompletterande material och förklaringsmodeller på internet, eller omvandla texter till för eleven mer lättillgänglig form.
   
   En stor del av lärarens uppdrag kommer även fortsättningsvis att bestå av att personligen framställa material på ett sätt som passar eleverna. Idag får lärarna väldigt lite återkoppling på den delen av sitt arbete men AI kan förändra den situationen radikalt. Om en lärare snabbt och över tid kan få återkoppling på sin egen prestation bidrar det till kompetensutveckling och kontinuerlig förbättring av undervisningen. Under min på Årstaskolan genomförde vi ett Vinnova-projekt inom ramen för kollegialt lärande med digitalt stöd där lärarens utveckling stod i fokus. Med AI kan det kollegiala lärandet både förenklas och förstärkas.
   
   
4. Skapa och poängsätta uppgifter och prov / Självutvärdering
   
   En stor del av vissa lärares tid går till sammanställa förståelse om elevernas kunskaper via prov och andra uppgifter. Från när jag var liten minns jag hur min pappa betygssatte uppgifter hemma om kvällarna i olika matriser. Det har länge funnits tjänster som erbjuder digitala lösningar men än så länge är genomslaget begränsat. Upplägget är ofta traditionellt och bygger på tester och prov. AI innebär en självklar möjlighet att effektivisera den här delen av lärarnas arbete betydligt.
   
   Även om vi ser att AI i många fall är behäftad med snedvridningseffekter så tror jag att tekniken innebär mer rättvisa bedömningar i förlängningen. All rättning sker anonymt och utifrån samma parametrar, oberoende lärarens relationer eller dagsform. Kunskapsbedömningar kan även bli mindre beroende av enskilda prov och deras utformning. Seldon ser här en möjlighet att bryta med modellen där större prov ofta utgör den centrala delen av undervisningen.
   
   Precis som med läromedel innebär AI ännu bättre förutsättningar för adaptiva tester och prov. För självutvärdering kan det ge eleverna en tydlig bild av vad de redan kan bra och var de behöver förbättra sina kunskaper. De insikterna behöver sedan kompletteras med en strategi för hur de ska gå vidare och tillgodogöra sig saknade områden. AI kan i det här fallet bidra till ett mer nyanserat och anpassat sätt än dagens existerande system.
   
   
5. Summativa sammanställningar och förberedelse för nästa steg / Reflektion av autonomt lärande
   
   Det sista området som Seldon beskriver kan ses som lite av en summering av de fyra föregående. På olika aggregerade nivåer kan AI bidra till en sammanställning av elevers, lärares och skolors prestation. Utifrån en sådan analys kan vi med hjälp av AI sedan göra en bedömning (prediktion) av framtida resultat samt vilka alternativa åtgärder som kan vara lämpliga att vidta.
   
   Användningen av data är enligt min uppfattning underutnyttjad i den svenska skolan. Det finns relativt god tillgång till data redan idag även om det inte är samlad och strukturerad fullt ut. Vi tittar exempelvis i begränsad utsträckning på lärares och skolors förväntade resultat i jämförelse med vad de faktiskt presterar. Det innebär att skolor bedöms mer utifrån andra parametrar än elevernas kunskapsutveckling. Även utifrån ett likvärdighetsperspektiv är den begränsade dataanvändningen problematisk. Vi accepterar snedvridna bedömningar som inte är motiverade utifrån dataunderlag. Här kan AI bidra till en mer rättvis bedömning och förståelse för de inre mekanismerna i vårt skolsystem.
   
   Seldon konstaterar slutligen att det idag inte finns några system som kan leverera den typ av analysunderlag som är möjlig med AI. Fokus ligger naturligtvis inte på ett kallt konstaterande av en aktuell prestation utan på vilka möjligheter som är tillgängliga i en specifik situation. AI kan bidra till att skapa insikter hos elever, lärare och skolledare om hur bättre resultat kan uppnås.
   

Framtidens skola är AI

Potentialen med AI är enligt de flesta som uttalar sig så stor att vi kommer uppleva betydande förändringar i samtliga aspekter av samhället. Även utbildning, skola och lärande. Vi ser redan nu intressanta försök med AI-assisterad undervisning där läraren kan lära upp assistenten utan att programmera. Det ger läraren ett direkt inflytande över vad den vill att AI-assistenten ska bistå med i undervisningen och hjälpa eleverna med. Som en förlängning av läraren själv.

Vi ska komma ihåg att AI som teknik och metod har tagit ordentliga kliv bara de senaste åren. Jag är övertygad om det finns möjligheter som varken Seldon eller någon annan kan förutspå i nuläget. Alla aspekter av utbildning har däremot inte nåtts av tekniken än. Det finns tre nyckelområden för elevers lärande som jag ännu inte sett något AI-system på allvar ta sig an:

• Relationer
  De relationer elever har till omgivningen och läraren utgör en stor del av förutsättningarna för lärande. På Årstaskolan hade vi läshundar för de elever som kände en större trygghet i ett mindre sammanhang. AI och sociala robotar kan erbjuda liknande anpassningar men går det även att utveckla relationen till lärare och andra elever?
  
  
• Motivation
  Adaptiva AI-system kan till viss del stimulera elever till att försöka mer eller utmana sina gränser. Spelifiering (gamification) är en annan metod som fått en del uppmärksamhet. Jag tror däremot att det krävs en annan typ av motivation för att hitta till de ansträngningar som kan behövas för att uppnå kunskap. Kan en AI-tillämpning få min son att slita sig från Fortnite och öva på multiplikationstabellen istället?
  
  
• Hemförhållanden
  I de flesta undersökningar har föräldrarnas socioekonomiska bakgrund en stor betydelse för elevernas skolprestation (i skolan är läraren den enskilt största faktorn). Kan vi skapa en AI-lösning som kompenserar för exempelvis föräldrarnas utbildningsbakgrund har vi antagligen kommit långt i byggandet av en likvärdig skola.
  

Om vi kommer att få de anpassningsbara och smarta system som kan bryta med vad Seldon med flera kallar skolans fabriksmodell återstår att se. Jag tror att det är viktigt att dela den optimism som Seldon uppenbarligen har för AI (läs gärna boken), men som alltid med genomtänkta reflektioner. Det är till exempel allt för lätt att med data och teknik skapa föreställningar om naturliga gap i kunskap och resultat för sedan låta dessa öka. Datorers användning i skolan verkar exempelvis varken ha bidragit till högre kunskapsresultat eller att skillnaderna utifrån social bakgrund minskat, snarare tvärtom. Som med alla kraftfulla verktyg behöver vi använda artificiell intelligens klokt med väl genomtänkta syften och planer. I så fall har vi kanske en smygande läranderevolution att se fram emot.