Fagpressenytt

Vi kan slå det fast først som sist. Elevenes digitale enheter, enten de heter PC, iPad eller Chromebook, inneholder en rekke programmer som i stadig større grad registrerer og systematiserer hva eleven gjør, fortolker hvordan de tenker, analyserer hva de sier, og ikke minst hjelper til med å organisere hvilke filer og dokumenter de arbeider med. Derfor kan de brukes til å gi forslag som er tilpasset eleven. Gi litt hjelp, nesten på samme måte som en god lærer ville gjort. Fenomenet er ikke nytt. For drøye fem år siden startet debatten om adaptiv læring.1 Adaptivitet (adaptiv læring) går ut på å tilpasse oppgaver til hver enkelt elev. Dette kan gjøres gjennom å bruke svar fra mange elever anonymt slik at programmet over tid lærer hva som er den beste veien gjennom lærestoffet for den enkelte.
Kunstig intelligens er ikke mer magisk enn at dette er programmer som løser vanskelige oppgaver, som for eksempel å tilrettelegge studentoppgaver eller skreddersy tilbakemeldinger (Goodwin, 2020). I motsetning til tradisjonelle dataprogrammer, som er møysommelig programmert av utviklere til å følge faste samhandlingsmønstre, så har disse programmene tilsynelatende en intelligent oppførsel basert på at man har fått disse programmene til å «trene» seg selv i å løse oppgaver. Dette har vist seg å være en svært effektiv måte å utvikle dataprogrammer på.2 Ved inngangen til 2020 har vi utviklet maskinlæring og kunstig intelligens på en slik måte at også elevens tale og skrift blir forstått og brukt i en rekke dataprogrammer.3 Norsk forskning og utdanning blir derfor i stadig større grad preget av debatten rundt og utviklingen av kunstig intelligens.4

I denne artikkelen skal vi se på tre ulike områder der kunstig intelligens blir brukt i ulike programmer og læremidler som allerede er i bruk i skolen.5 De tre områdene er programmer for matematikk, språkfag og læringsanalyse generelt. For hvert av de tre områdene spør vi: Hva bygger teknologien på? Hva slags relevans har den for tilbakemeldinger og vurdering for læring? Og ikke minst, i hvilken grad er den realisert i dag? Til slutt vurderes noen ulemper og farer ved kunstig intelligens og læringsanalyse til bruk for læring og vurdering. Hensikten med artikkelen er å gi en oversikt over måter å bruke kunstig intelligens på slik at vi bedre kan forstå hvordan vi kan la digital teknologi møte menneskelig kognisjon på en god måte for vurdering og læring. Ikke fordi du kan bli overflødig som lærer, men fordi du ved riktig bruk av slike dataprogrammer kan bruke mer tid på det arbeidet som betyr mest for elevenes læring, og få hjelp til å vurdere elevenes kompetanse.6 Øve smart for å få stjerner i boka
Ethvert fag har sine muligheter, men også utfordringer, i møte med ny digital teknologi. For å kunne arbeide med et spesifikt fagområde må teknologien ha tilgang til informasjon og prosedyrer innenfor hvert enkelt område. Matematikk skiller seg ut fra en del andre fag fordi elevene blant annet må tilegne seg grunnleggende ferdigheter i regning gjennom mengdetrening. I hovedsak kan det være enklere å programmere et dataprogram for tilbakemelding på matematikkstykker enn å gi gode tilbakemeldinger på en elevtekst. Årsaken til dette er at matematikk kan beskrives i algoritmer forstått som en prosedural prosess, mens den konseptuelle er mer utfordrende å programmere. I matematikk regnes konseptuell kunnskap som elevenes forståelse av matematiske begreper og evne til å se sammenhenger, mens det prosedurale er knyttet til elevenes regneferdigheter. Et dataprogram kan både gi oppgaver og tilpasse disse til elevens arbeidstempo og nivå, og da særlig knyttet til de prosedurale prosessene i faget.
Helt siden 2013 har Gyldendal ved hjelp av det amerikanske firmaet Knewton utviklet et program (Multi Smart Øving) som gir tilbakemelding tilpasset hver enkelt elev i matematikk.7 Gjennom å analysere og finne elevenes kunnskapshuller kan programmet tilrettelegge slik at elevene arbeider med det de ikke mestrer. SLATE (The Centre for the Science of Learning & Technology) ved Universitetet i Bergen har evaluert hvordan lærere og elever opplever Multi Smart Øving i undervisningen. Den viste at mange lærere opplever at de bruker mindre tid både på planlegging og på retting. Samtidig opplever åtte av ti lærere at elevene blir motivert av belønningen programmet gir, selv om dette avtar noe med alderen til eleven og bruk. Lærerne legger også vekt på at programmet ikke kan erstatte samtaler og refleksjon om matematiske utregninger. Evalueringen viser at programmet bidrar lite til elevens konseptuelle forståelse, kun til prosedural øving tilpasset elevens nivå.8 Behovet for å skape undervisningssituasjoner med samtaler og refleksjon rundt forståelsen av matematikkens begreper og prosedyrer er på ingen måte blitt mindre med slike programmer (Kynigos, 2019). Skreddersydde tilbakemeldinger på tekst
Språkfagene har i alle år vært preget av at eleven må lære mye grammatikk, og i engelsk som andrespråk og de ulike fremmedspråkene (tysk, fransk, spansk mfl.) har innlæring av gloser og setningskonstruksjoner vært mye av grunnlaget for at elevene skulle kunne klare å ta språket i bruk. Ulike oversettelsesteknologier, ste