Adaptive læringsverktøy og kunstig intelligens i skolen – noen tendenser

Denne teksten er et debatt­inn­legg. Inn­holdet i teksten uttrykker forfatterens egen mening.

Vi lever i en tid som er preget av meningsbrytninger omkring de kunnskapsmessige og etiske sidene ved kunstig intelligens og chatboter. Debatten foregår innen flere samfunnsområder og preges av usikkerhet om hvor dette bærer hen for vår tradisjonelle forståelse av kunnskap, læring og danning.

At chatboter, o.l. vil spille inn på flere områder i skolen fremover er de fleste samstemte om, men hvordan dette vil utspille seg mer spesifikt i undervisningen, i vurderingsformene og i elevens læring i grunnskolen er det fremdeles usikkerhet om. Og det er selvsagt ingen enkle svar på såpass komplekse spørsmål når området er preget av å være et «moving target» hvor teknologien utvikles med høy hastighet.

Debatt ● fem ledere ved oslomet

Robotfusk - nye og gamle problemer

Det kan likevel være viktig å se nærmere på noe av det kunnskapsgrunnlaget omkring bruk av adaptiv læringsteknologi og kunstig intelligens i skolefag man har fra de siste åtte årene i norsk skole. For hva skjer når adaptiv læringsteknologi blir vevd inn som en del av de mange læremidlene, digitale plattformene og metodene læreren bruker i matematikkundervisningen?

LES VIDERE ETTER ANNONSEN

FÅ NYHETER PÅ MOBILEN
Last ned Khrono-appen!

Det er dette vi i forskningsgruppen Digitale Læringsfellesskap (UiB) har adressert og hvor man allerede har sett på noen av de problemstillingene som har dukket opp i kjølvannet av den store interessen omkring ChatGPT. Spesielt når det gjelder hvordan kunstig intelligens spiller inn på elevens daglige læringsarbeid både i, og utenfor skolen. Vi har hatt et blikk på ett av de adaptive læringsverktøyene som brukes i matematikk i norsk grunnskole gjennom tre delstudier.

Debatt ● Are Bøe Pedersen

Analfabetisme, løgn og bluferdighet – ChatGPT i møte med litteratur

I de to første studiene er fokuset mer overordnet på teknologimplementering og digitale plattformer generelt, mens i den tredje studien ser vi mer spesifikt på dette adaptive læringsverktøyet. Dette er utviklet på grunnlag av teknologiplattformen til Knewton og deres algoritmebaserte, adaptive læringsverktøy som baserer seg på kunstig intelligens, maskinlæring og læringsanalyse (og brukes av over 40 millioner elever og studenter over hele verden).

Bakteppet for vår første studie var en litteraturgjennomgang om læringsanalyse og adaptive læringsverktøy og hvor man registrerte at det var gjort lite på dette området i grunnskolen her til lands. Så i vår første studie så man blant annet nærmere på implementering av nettbrett fra 2014 og utover, og hvordan lærerens komplekse hverdagsundervisning med et mangfold av analoge, digitale — og adaptive læringsverktøy i matematikk, slo ut på ulike typer registerdata (nasjonale prøver, o.l.) og kvalitative observasjonsdata. Man fant for eksempel at for gutter i 3. klasse var det signifikante negative effekter matematikk, mens for gutter i 5. klasse var det signifikante positive effekter i matematikk.

Debatt ● Pinar Heggernes

To chat or not to chat

Men siden studien hadde et mer overordnet perspektiv kan man ikke si noe sikkert om dette skyldes den adaptive læringsteknologien, lærerens generelle undervisning, andre læremidler eller andre forhold. Observasjonsdataene fra den kvalitative delen viste imidlertid at dette adaptive læringsverktøyet ga en del nye muligheter for elevene å øve på faktakunnskaper, grunnleggende begrepsforståelse og mengdetrening i matematikk.

Vår andre studie viste for eksempel signifikante positive effekter for engelsk for gutter i 5. klasse, men blandede resultater i matematikk for både jenter og gutter. Så her var det heller ingen entydige funn omkring hvilken læringsmessige rolle adaptiv læringsteknologi hadde på tvers av barne- og ungdomsskolen i matematikk. Men et funn fra den kvalitative delen av denne studien var at hvordan adaptiv læringsteknologi ble anvendt i matematikk var knyttet til lærerens digitale kompetanse, samt at verktøyet ga nye muligheter for mengdetrening i matematikk på hjemmearenaen.

I vår tredje studie undersøkte vi mer spesifikt det adaptive læringsverktøyet og hjemmelekser i samarbeid med lærere (5. — 7. trinn) i matematikk. Femten minutter med lekser med adaptive læringsverktøy hver dag eller totalt 60 minutter i uken ble brukt for å frigjøre tid til praktisk matematikk og dybdelæring med læreren på skolen. Elevenes kompetansenivå, læring, motivasjon og grunnleggende psykologiske behov ble målt kvantitativt før og etter den fire uker lange intervensjonen, og intervensjonen ble fulgt opp med kvalitative datainnsamling. Funnene i studien viste at adaptive læringsverktøy kan bidra til å ivareta mengdetrening og rote-læring i matematikk i hjemmearbeidet, og dermed frigjøre tid til praktisk matematikk og dybdelæring sammen med læreren i selve undervisningen.

Debatt ● Astrid Marie Holand, Andreas Holand

ChatGPT: en høflig og gudfryktig samtalepartner som alltid snakker sant. Eller?

Studien indikerer imidlertid en sammenvevd sammenheng mellom læring, motivasjon og «mengdetrening», samt noen fallgruver som lærere bør ha høy bevissthet rundt i sin klasseledelse. Studien viste at bruk av adaptive læringsteknologier til lekser på mellomtrinnet bidro signifikant positivt til elevenes grunnleggende læring i matematikk. Elevenes egenrapportering viste imidlertid en diskrepans mellom elevenes oppfattede læringsutbytte (subjektivt læringsutbytte) og deres faktiske læringsutbytte (objektivt læringsutbytte) fra intervensjonen. Med andre ord — elevene trodde selv de lærte mindre, mens de faktiske lærte mer i denne intervensjonsperioden.

Studien viste også viktigheten av lærerens klasseledelse når adaptive læremidler brukes av elevene på tvers av skolen og hjemmearenaen. Her, som ellers i skolen, var det digitalt kompetente læreres orkestrering og brede repertoar som synes å best ivareta det potensialet adaptiv læringsteknologi kan ha inn mot elevenes læring og formative vurderingsprosesser i matematikk.

På tvers av de tre delstudiene ser man at adaptiv læringsteknologi har et interessant, men foreløpig et noe uforløst potensial i matematikk, men også rent forskningsmetodisk. For denne adaptive læringsteknologien kan bidra til å overvinne kjente reliabilitets- og validitetsproblemer ved egenrapportering generelt, samt av lekser i skoleforskningen.

Selv om mulighetene er mange med kunstig intelligens, kan også slike adaptive læringsverktøy være et «minefelt» rent etisk og reise en rekke etiske og personvernmessige spørsmål. Flere forskere uttrykker at filosofene Jeremy Benthams (1787) og Michel Foucaults (1995) bruk av begrepet panoptikon kan gis en videre betydning i slike adaptive læringskontekster. Det kan gå ut over både etikk og personvern at vi får tilgang til såpass mye informasjon om elever som benytter slike adaptive læringsverktøy og derfor må GDPR «sitte i førersetet» når kunstig intelligens implementeres i skolen.

Debatt ● Lucas M. Jeno

AI: et gode eller et problem?

Selv om kunnskapsgrunnlaget omkring adaptive læringsverktøy her til lands er begrenset, finner Roschelle et al. (2016) i sin studie blant 2850 matematikkelever som brukte slike adaptive læringsverktøy og lekser som sentrale deler av intervensjonsgruppen, at de hadde høyere skårer ved en standardisert årssluttsvurdering i matematikk enn en kontrollgruppe som fortsatte med tradisjonelle lekser. Elever med lavest matematikkprestasjoner fra før hadde best utbytte av intervensjonen. Dette betyr selvsagt ikke at adaptive læringsverktøy alltid fungerer bedre enn andre analoge og digitale verktøy — det er helt opp til lærerens pedagogiske repertoar og hvordan elevene bruker det adaptive læringsverktøyet.

Fra våre forskningsstudier ser man at dette ofte henger sammen med lærerens digitale kompetanse og klasseledelse, samt evnen til å differensiere undervisningen når denne type adaptiv læringsteknologi blir anvendt.