Hur ska vi bedöma robotar?

Under de gamla goda tiderna var att fuska på kurser att man smugglade med sig en lapp till tenter, kanske regelrätt plagierade eller att man läste introduktionen, ett kapitel i mitten av boken, och sammanfattningen.

Att inte försöka få en femma i alla kurser var en mycket naturlig företeelse under min studietid.

Man förstod att vitsordet reflekterade den arbetsinsats man lagt ner på sin kurs och inte en orättvis handling riktad mot en personligen.

Idag ser det lite annorlunda ut.

Det är inte helt ovanligt att en student har gjort ett till synes förträffligt arbete för en kurs.

Konstigt nog följer det regelrätt samma struktur och språkmönster som flera studentkollegers.

Introduktionen av generativ artificiell intelligens har gjort många uppgifters pedagogiska värde så gott som noll.

Nästan som om det vore samma författare som har skrivit texten.

Det kan mycket väl vara det.

Introduktionen av generativ artificiell intelligens har gjort många uppgifters pedagogiska värde så gott som noll.

Att få bukt på användningen av AI är svårt eftersom följderna är få om man inte kan bevisa utan tvekan att AI olovligt har använts i uppgifterna.

Det är inte heller långsiktigt att begränsa användandet av AI eftersom det är ett effektivt verktyg för att generera olika typer av innehåll.

Därför är det viktigt att studenter lär sig använda det och har möjlighet att öva på dess användning.

Orsaken att studenter själva ska utföra olika former av uppgifter är det studenten lär sig genom processen som leder till en utförd uppgift.

Men till skillnad från arbetslivet är inte slutprodukten det huvudsakliga syftet med en pedagogisk övning.

Orsaken att studenter själva ska utföra olika former av uppgifter är det studenten lär sig genom processen som leder till en utförd uppgift.

Det är denna grundläggande insikt om undervisning som man inte diskuterar överhuvudtaget i den offentliga debatten kring AI.

I stället pratar man om fusk och lathet. De är visserligen problem.

Men ett ännu större problem är att studenter i allt mindre utsträckning lär sig de färdigheter de förväntas då de genererar sin väg genom utbildningssystemet.

Dessvärre har kolleger som har undervisat längre än jag med egna ögon sett hur nya studenters färdigheter när de påbörjar sina studier blivit allt sämre.

Studenter kan betydligt mindre när de kommer till högskolorna och man måste börja med att utveckla mer grundläggande kompetenser än tidigare.

Det handlar om basförmågor som läsförståelse och räkenskap.

Tillgången till generativ AI gör försämrar deras möjligheter att lära sig under sina studier.

Ändå ska man upprätthålla samma nivå av utexaminerade som tidigare och med en stramare budget.

Finansieringen till högskolorna per utexaminerad har nästan halverats sedan 2010-talet.

Det betyder mindre tid i undervisningen att stöda den allt större variationen av färdigheter och kunskaper som studentmassan har.

I praktiken betyder det större grupper och färre möjligheter att skapa växelverkan i undervisningen.

Då det finns allt färre resurser och en allt starkare offentlig diskurs kring hur viktigt det är att prestera i alla livsområden så är det kanske inte så konstigt att man tar sig till AI för att få fulla poäng.

Kvalitet är inget som belönas, endast kvantitet – det senare går att generera, men det förra skapar mervärde.

Det är ju trots allt viktigare med en femma på betyget än att man faktiskt har lärt sig något.

Det otroliga är att statens finansieringsmodell för högskolor inte i något anseende hänvisar till krav på kvalitet.

Den fokuserar på att finansiera högskolor på basis av hur många kandidater, magistrar och doktorer de utexaminerar årligen.

Kvalitet är inget som belönas, endast kvantitet – det senare går att generera, men det förra skapar mervärde.

Här kan du läsa fler kolumner av Johnny Långstedt.