Vår metod: fyra steg som håller

Vad forskningen säger

Metoden är inte påhittad av oss. Den är en sammanläggning av fyra resultat som var för sig är väl belagda, och som tillsammans säger något obekvämt om hur AI används i skolan i dag.

(Bjork, 1994; Chi & Wylie, 2014; Roediger & Karpicke, 2006)

Lärande kräver ansträngning

Robert Bjork myntade begreppet desirable difficulties: de studiemetoder som känns svårast (att sprida ut arbetet över tid, att blanda uppgiftstyper, att testa sig själv och att själv producera svaret) ger den starkaste långsiktiga inlärningen. Chi och Wylies ICAP-ramverk rangordnar engagemang i fyra lägen, från passivt till interaktivt, och varje steg uppåt ger omkring åtta till tio procent bättre resultat. Roediger och Karpicke visade att aktiv återkallning förbättrar minnet med ungefär femtio procent.

(Lee m.fl., 2025)

AI tar bort exakt den ansträngningen

Forskarna frågade 319 yrkesverksamma om 936 verkliga AI-användningar. Den upplevda ansträngningen sjönk på varje kognitiv nivå: 72 procent för kunskap, 79 för förståelse, 69 för tillämpning, 72 för analys, 76 för syntes och 55 för värdering. Det mest talande fyndet handlar om förtroende. Ju högre förtroende deltagarna hade för AI:n, desto mindre kritiskt tänkte de. Ju högre förtroende de hade för sin egen förmåga, desto mer.

(Kestin & Miller, 2024)

Samtidigt gav samma teknik den största inlärningseffekten

194 studenter på en fysikkurs fick arbeta med en AI-handledare i stället för att gå på den ordinarie lektionen, som redan byggde på aktivt lärande. Gruppen med AI-handledare lärde sig mer än dubbelt så mycket på kortare tid, och engagemanget fördubblades. Mekanismen låg i begränsningarna: korta svar, ett steg i taget, aldrig hela lösningen.

(Unesco, 2024; Skolverket, 2024)

Och det finns ramverk att förhålla sig till

Unescos ramverk för elevers AI-kompetens täcker fyra områden: ett människocentrerat förhållningssätt, etik, teknik och tillämpning samt förståelse för hur systemen är byggda. I Sverige är artificiell intelligens numera ett eget ämne i gymnasieskolan, och Skolverket har gett råd om chattbottar, om vad som håller som bedömningsunderlag och om hantering av personuppgifter. Vi utgår från båda när vi lägger upp ett pass.

De fyra stegen

Ett steg före mötet med modellen, två under och ett efter. Varje steg vilar på ett av resultaten ovan.

Formulera

Din egen ansats innan modellen ser uppgiften.

Eleven formulerar en tes, en lösning eller ett svar först. Ingenting går in i modellen innan det finns något eget att pröva. Det här steget är inte förhandlingsbart. Det är hela skillnaden mellan att lära sig och att hämta.

Instruera

Modellen till motstånd, inte till leverans.

Ett steg i taget, aldrig hela lösningen, och uppgiften att angripa det svagaste ledet i elevens resonemang. Det här är steget nästan ingen lär ut, och det är precis de begränsningarna som Harvardresultatet vilar på.

Pröva

Det som bär resonemanget.

Kritiskt tänkande försvinner inte när AI kommer in i arbetet, det flyttar till att verifiera, väga samman och ta ansvar för resultatet. Då är det den färdigheten som ska tränas, uttalat och med egna exempel.

Återskapa

Utan modellen.

Testet är inte vad som står i det färdiga dokumentet, utan om eleven kan bygga upp resonemanget en gång till på egen hand. Klarar hon inte det har ingen kunskap flyttat, bara text.

I praktiken

Stegen ser olika ut beroende på vem som sitter i salen. I en elevföreläsning arbetar vi med elevernas egna uppgifter och låter modellen angripa en tes som någon i rummet just har formulerat. I en fortbildning vänder vi på det: personalen får se hur samma uppgift besvaras med och utan metoden, och vad skillnaden betyder för bedömningen. I ett företagsupplägg byter vi ut skolarbetet mot ett verkligt arbetsmoment, men rörelsen är densamma.

Ingen av delarna kräver att deltagarna kan något om AI sedan tidigare. Det som krävs är att de har något eget att pröva.

Vår metod