Generativ kunstig intelligens i skolen
 – ulike fag krever ulik tilnærming

Verktøy som bygger på kunstig intelligens, har blitt brukt i læring og undervisning i mange år. Vi viser da til ekspertsystemer som bygger på sikker kunnskap i fag (for eksempel Baker & Bielaczyc, 1995; Zhang & Aslan, 2021). Lanseringen av OpenAIs ChatGPT 3.5 i november 2022 medførte imidlertid nye forventninger til og tro på generativ kunstig intelligens (GKI) i form av store språkmodeller i utdanning (Kasneci mfl., 2023). I motsetning til ekspertsystemer er ikke store språkmodeller i vid forstand programmert av fageksperter på forhånd – og har dermed ikke sikker kunnskap som premiss.

I innovasjonsprosjektet Læring i algoritmenes tidsalder (LAT, varighet 2023–2026) samarbeider forskere fra Det utdanningsvitenskapelige fakultet ved Universitetet i Oslo med Asker kommune for å undersøke bruk av verktøy som bygger på kunstig intelligens i grunnskolen. Dette inkluderer også GKI i form av chatbots, eller samtaleroboter, som bygger på store språkmodeller. Vinteren 2024 piloterte vi bruk av Asker kommunes alders- og fagtilpassede samtale­roboter i flere klasserom på barne- og ungdomstrinnet. Funn fra piloteringen og designet bak samtalerobotene ble formidlet i Bedre Skole-bidraget «Bruk av generativ kunstig intelligens i grunnskolen − hvordan utforme undervisningsopplegg» (Tjønn, Ludvigsen & Mørch, 2024). I dette bidraget formidlet vi blant annet at elever gjerne må jobbe sammen i par og mindre grupper når de arbeider med samtaleroboter, og vi oppfordret lærerne til å eksplisitt modellere interaksjonen med samtaleroboter i klasserommet. I tillegg understreket vi betydningen av en bevisst utforming av undervisningsopplegg, der samtalerobotene har en bestemt funksjon som ett av flere elementer i undervisningen i de ulike fagene.

Høsten 2024 og vinter 2025 observerte LAT-forskere bruk av samtaleroboter blant annet i samfunnsfag og naturfag over 2–6 uker på tre ulike ungdomsskoler i Asker kommune. Denne perioden vil bli omtalt som andre runde med utprøving.

Sentrale begreper

Vår analyse av elevenes interaksjon med samtaleroboter tar utgangspunkt i en sosiokulturell tilnærming til læring, der læring kan anses som sosiale handlinger i en læringsprosess (Dysthe, 2001; Greeno & Van de Sande, 2007; Park mfl., 2024). Perspektiver på stillasbygging og promps (ledetekst) er sentrale begreper i analysen av elevers interaksjon med samtaleroboter. Dette er fordi samtaleroboter muligens kan fungere som støttestrukturer i elevers læringsarbeid (Tabak & Kyza, 2018). For utdypning og flere teoretiske perspektiver viser vi til vårt første bidrag i Bedre Skole (Tjønn, Ludvigsen & Mørch, 2024).

Litteraturgjennomgang

Vi har identifisert svært få kvalitative studier som undersøker bruk av samtaleroboter i grunnskoleklasserom i dybden. Det gjelder særlig studier av grunnskoleelevers interaksjon med alders- og fagtilpassede samtaleroboter. Borge mfl. (2024) utforsket hvordan interaksjon med ChatGPT kan bidra til å skape nye læringsomgivelser som kan støtte menneskelig metakognisjon, særlig for eks­pertbrukere. Studien vektlegger imidlertid behovet for utprøving i naturlige settinger, som for eksempel klasserom (Borge mfl., 2024). Flere studier konkluderer dessuten med at produktive dialoger ikke kan tas for gitt i planleggingen av undervisning i digitale omgivelser (eksempelvis Baker mfl., 2021). I en metaanalyse av 51 studier hevder Wang og Fan (2025) at ChatGPT kan ha en betydelig læringsfremmende effekt. Likevel er kun én av disse studiene rettet mot grunnskolen. 44 av 51 studier er rettet mot høyere utdanning. I en studie der 546 elever i videregående skole deltok i spørreundersøkelse og 18 elever ble intervjuet, finner Dalsgaard og Prilop (2025) at elevene først og fremst la vekt på mulighetene KI-verktøy har når det gjelder å gi forklaringer av faglige konsepter og hjelpe til ved problemløsing. Elever bruker KI-verktøy som kognitive partnere, og beskriver tilsynelatende samtaleroboter som «kunstige mennesker» (Dalsgaard & Prilop, 2025). Selv om disse funnene samlet sett forteller oss en del om hvordan elever tenker om og bruker KI-verktøy, mener vi det er behov for å gå dypere inn i interaksjonen i grunnskoleklasserom.

Datainnsamling

I den andre runden med utprøving høsten 2024 og vinteren 2025 filmet forskere undervisningen til tre lærere ved tre forskjellige ungdomsskoler. Disse opptakene inkluderer lærernes introduksjon og oppsummering, utvalgte og samtykkende elevers samhandling med hverandre og skjermopptak av de samme elevenes interaksjon med samtaleroboter. Lærerne hadde delt skriftlige planer for undervisningstimene med LAT-forskerne på forhånd. I tillegg til de tre lærerne som fikk undervisningen tatt opp på video, ble ytterligere to lærere observert i undervisningen uten opptak av lyd eller video. I etterkant av undervisningsperiodene fikk 4 av lærerne og 7–8 elever fra hver klasse anledning til å beskrive gjennomført undervisning i intervjuer med en av LAT-forskerne.

Læreres erfaringer

I det følgende vil vi presentere utdrag fra datamaterialet knyttet til undervisningen til to av lærerne som fikk egen undervisning tatt opp på video. Utdragene er hentet fra lærerens innledende undervisningstime og når lærerne introduserer samtaleroboter i undervisningen på 9. trinn. Vi vil i tillegg vise til relevante utdrag fra lærerintervjuene.

Læreren «Per» underviser blant annet i samfunnsfag på en ungdomsskole i Asker kommune. Klassen til Per ble også observert i første utprøving, elevene har derfor noe erfaring med å bruke samtaleroboter. I første observerte time presenterer læreren plan og mål for perioden på storskjerm: «Lære oss å være kildekritiske. Se fordeler og ulemper med forskjellige kilder. Få et generelt overblikk over konflikten 1. verdenskrig.» Elevene skal arbeide med både analoge og digitale kilder i perioden, inkludert kommunens egne alders- og fagtilpassede samtaleroboter (SkoleGPT). I de fire første undervisningstimene arbeider elevene med nettsteder som snl.no og algoritmebaserte søkemotorer som Google. I den femte økten legger læren til rette for at elevene skal bruke SkoleGPT som kilde i sin introduksjon.

Per: I dag skal vi gjøre akkurat det samme, bare at ... I dag skal vi bruke SkoleGPT. Eller KI. Kunstig intelligens. Så før vi setter i gang, så bare prat lite grann sammen om dere husker ... Hva er KI? I det hele tatt? Hva er det for noe? Hva er SkoleGPT for noe? Om dere husker det? Og så om dere husker noen sånne tips og triks til hvordan man kan få bedre svar når man bruker det.

Etter to minutter tar læreren en felles gjennomgang av spørsmålene, og får svar fra flere elever. Læreren gjentar de to første elevsvarene:

Per: En KI er en robot man kan prate med, skrive med. Ja?

[…]

Per: Den kunstige intelligensen vi skal snakke med nå, den er i hovedsak laget for å produsere tekster? Som virker ... som et menneske. Ja?

Deretter spør læreren hva SkoleGPT er trent på.

Per: Hvor er det den finner svarene sine? Vet dere det? Kan den bare alt, eller hvor er det den finner ... Hvor er det ... sånn KI ... eller språkmodell, da, hvor er det den finner ... ut hva den skal si til dere?

[…]

Per: Ja! De som har laget den … har puttet masse informasjon i et sånn datasett … eller hva … husker ikke helt hva man kaller det ... sånn datasett, som den bruker da ... til å svare. Så finner den egentlig ikke på noe nytt, den lager aldri noe nytt på den måten, men man bruker ting om igjen og skriver det på en sånn måte sånn at den svarer på spørsmålene dere måtte ha.

[…]

Per: Ja! Hvis informasjonen den bruker for å svare deg, er feil, så vil den si feil. Helt riktig.

Etter lærerens gjennomgang får elevene beskjed om at de skal få jobbe med tilsvarende oppgave som med andre kilder. Elevene skal blant annet undersøke hvem som står bak informasjonen, samt tidspunkt for og årsaker til publiseringen. På samme lysbilde står det at «Språkmodeller er ikke hovedsakelig laget for å gi oss riktig svar, men for å lage tekster som vi synes at virker ekte». Avslutningsvis spør læreren om elevene husker «tips og triks» for å få svar elevene kan forstå og arbeide videre med. Elevene foreslår forenkling, gi SkoleGPT rammer, be SkoleGPT gi kulepunkter og sjekke opp mot andre kilder. Deretter skal elevene arbeide sammen i par på én enhet basert på lærerens ledetekst til SkoleGPT:

Vi skal finne ut av to viktige hendelser fra første verdenskrig. Spør chatboten Asai:

Hei, jeg går på 9. trinn og lurer på om du kan fortelle meg om to viktige hendelser fra første verdenskrig.

Bearbeid svaret slik at du forstår det den snakker om. Gjennomfør en vanlig kildekritisk analyse av svaret du har fått, uten å bruke andre kilder.

Følgende spørsmål blir foreslått til den kildekritiske analysen:

• Hvem har laget informasjonen?

• Hvorfor har de laget informasjonen?

• Når ble informasjonen publisert?

• Hva slags informasjon får vi?

Læreren viser interaksjon med SkoleGPT på storskjerm, og ber elever som opplever tekniske problemer på egne enheter, om å utføre en kildekritisk analyse av svaret læreren har fått. Læreren bruker de siste 20 minuttene av økten til å gjennomgå elevenes svar på den kildekritiske analysen, og hva elevene kan gjøre for å kvalitetssikre svarene de får – inkludert å sjekke mot andre kilder og spørre samtaleroboten om egen pålitelighet. Læreren gjør også sistnevnte på storskjerm.

Den andre læreren vi skal omtale her, «Pål», underviser blant annet i naturfag på en annen ungdomsskole i kommunen. Også klassen til Pål har arbeidet med samtaleroboter tidligere. I første observerte time introduserer læreren et prosjekt der elevene skal bruke SkoleGPT til et rollespill. Samtaleroboten skal svare som om den var en kjent klimaforsker. Innspillene fra samtaleroboten skal bli brukt av elevene i en vurdert fagsamtale mot slutten av perioden. Elevene blir delt inn i grupper på fire, der elevene parvis får utdelt samme forsker. Elevene får beskjed om å ta utgangspunkt i følgende ledetekst: «Hei. Jeg ønsker å intervjue (navn på forsker), som er en anerkjent klimaforsker kjent for sine synspunkter på drivhuseffekten og global oppvarming. Men i stedet for at jeg går og intervjuer han, lurte jeg på om du kunne late som om du er han, når jeg spør deg noen spørsmål?» Elevene skal også spørre samtaleroboten om biografiske fakta og fakta om drivhuseffekten. Deretter skal elevene sjekke svarene opp mot andre digitale kilder. Pål forklarer for klassen:

For kunstig intelligens […] har masse informasjon og får masse svar … men av og til kan den hallusinere … finne på ting […] så vi må sikre oss at det er riktig informasjon dere får.

Læreren limer inn egen ledetekst i en ny samtale med SkoleGPT på storskjerm. Elevene skal arbeide i par på én enhet, lese svarene fra samtaleroboten og formulere egne svar på spørsmålene i en egen tabell i Google Docs. I den vurderte debatten kan elevene bruke en utskrift av denne tabellen. Helt nederst i samme dokument skal elevene lime inn skjermdumper fra samtalen med SkoleGPT. Læreren modellerer hvordan elevene kan klippe ut og lime inn disse skjermdumpene. Elevene går i gang med oppgaven etter ti minutter. Mot slutten av økten oppsummerer læreren.

Tre undervisningsformer

Basert på foreløpige utprøvinger sammen med LAT-lærerne, i tillegg til vår analytiske og teoretiske tilnærming, har vi utarbeidet en modell for å illustrere skillelinjer i undervisning om, i og med generativ kunstig intelligens (GKI):

Modellen beskriver undervisningen som prosessorientert: Læreren underviser innledningsvis om GKI. Denne undervisningen omfatter kjennetegn ved teknologien (som hva store språkmodeller egentlig er, og hvorfor informasjonen ikke bestandig er korrekt). Den første overlappende aktiviteten er interaksjon med samtaleroboter. Her kan læreren gjerne modellere interaksjon med samtalerobot på storskjerm.

Deretter underviser læreren elevene i samtaleroboter. Gjennom praktiske øvelser lærer elevene mer om hvilke instruksjoner de kan gi gjennom å skrive prompts, eller ledetekst, inn til samtaleroboten (slik som å be samtaleroboten forenkle, forkorte, beskrive, forklare, vurdere eller utbrodere tekst). Denne undervisningen er ikke fagspesifikk i seg selv – den bærende ideen for både undervisning om og i GKI retter seg snarere mot selve teknologien og ferdigheter som kan øves uavhengig av det konkrete skolefaget.

I overgangen mot siste undervisningsform, undervisning med GKI, kan læreren sammenligne generell interaksjon med fagspesifikk interaksjon og hvilke nye krav til interaksjon som da oppstår. Etter at læreren har gjennomført undervisning om og i GKI, og dermed kan anta at hovedvekten av elevene vil kunne beherske noen typer av grunnleggende interaksjon med samtaleroboter, kan lærer planlegge for undervisning i konkrete fag der samtalerobotene utgjør ett av flere verktøy. Den bærende ideen i undervisning med GKI blir dermed et fag- eller domene­spesifikt innhold, og ikke samtalerobotene i seg selv.

Vår tolkning av datamaterialet tilsier at Per følger en stegvis prosess i undervisningstimen som beveger seg mot GKI: I introduksjonen repeterer læreren kort om GKI som teknologi, og gjennom økten legger læreren vekt på ulike aktiviteter som en del av undervisning i GKI gjennom helklassesamtaler om generelle ferdigheter i interaksjonen med samtaleroboten – etter hvert illustrert gjennom fagspesifikk ledetekst til samtaleroboten som et utgangspunkt for videre samtale. En rimelig tolkning er at den bærende ideen i lærerens opplegg er å formidle hvordan man kan drive kildekritikk i interaksjonen med samtaleroboter, og dermed er det ikke 1. verdenskrig i seg selv som er hovedtemaet her. Sentrale trekk i læringsmålene og undervisningen Per legger opp til, vil med andre ord være relevante også i andre skolefag enn samfunnsfag. Det samme mønsteret gjør seg gjeldende for hele den observerte undervisningsperioden. I intervjuet i etterkant ga læreren uttrykk for at kildekritikk generelt var et vel så sentralt mål som det fagspesifikke i perioden:

Forsker: Hvor mye tyngde la du på historiefaget i dette opplegget? Og hvor mye tyngde la du på kildekritikk som en generisk ferdighet?

Per: Kildekritikken var nok det som var viktigst, da. At de skal få en sånn innføring, sånn krasjkurs. […] Men kildekritiske er noe de må være. Ikke så viktig at de fikk med seg første verdenskrig-delen.

Elevene til Pål har arbeidet med samtaleroboter flere ganger gjennom skoleåret. Dette finner en spor etter i observasjonsnotater og transkripsjoner som antyder at Pål kan forutsette at de fleste av elevene i klassen behersker interaksjon med samtalerobotene fra før. Elevene er i gang med arbeidet etter få minutter, og observasjonsnotatene tilsier at nesten alle elever kunne interagere gjennom å skrive minst 2–3 ledetekster til SkoleGPT. Gjennom sin kortfattede modellering av interaksjon underviser læreren innledningsvis i GKI, deretter går oppgaven ut på at samtaleroboten først og fremst skal fungere som formidler av naturfaglig innhold – bare i form av et rollespill. De ulike påstandene skal aktivt sjekkes opp mot andre naturfaglige kilder. Som illustrert i figur 1 består den bærende ideen i denne undervisningsøkten også av ulike elementer fra GKI, men først og fremst klima og drivhuseffekt som naturfaglige spørsmål og fenomen. Timen til Pål utgjør derfor først og fremst et eksempel på undervisning med GKI.

Vi vil avslutningsvis understreke at vi presenterte en skisse av figur 1 for lærerne som inngikk i prosjektet, høsten 2024. I intervjuene med de aktuelle lærerne i januar 2025 omtalte lærerne figur 1 som et relevant bidrag til egen undervisningsplanlegging. Lærerne understreket behovet for utdypende begrepsforklaring, tilsvarende det vi har forsøkt å formidle i denne artikkelen. Det neste skoleåret planlegger vi å undersøke flere nyanser i modellen i figur 1 gjennom videre utforsking i klasserom: Hvor viktig er elevenes kunnskapsgrunnlag og erfaringer når de interagerer med GKI? Hva slags aktiviteter kan bidra til å identifisere enda flere skillelinjer mellom undervisning i og med GKI?

Konklusjon

Da vi observerte bruk av alders- og fagtilpassede samtaleroboter i Asker kommune første gang vinteren 2024, så vi få eksplisitte skillelinjer mellom undervisning om, i eller med generativ kunstig intelligens (GKI) i våre observasjoner eller i lærerens skriftlige planer. Alle tre typer av undervisning ble imidlertid gjennomført hovedsakelig innenfor én og samme undervisningsøkt. Det ble dermed uklart om undervisningens bærende idé først og fremst var generativ kunstig intelligens – eller om et domenespesifikt (eller skolefaglig) innhold stod i sentrum. I andre utprøving vektla lærerne imidlertid én eller maksimalt to av de tre undervisningsformene (om, i og med) på samme tid og opererte med en bærende idé som det var mulig å identifisere i datamaterialet (GKI eller et fagspesifikt innhold).

Vi vil derfor oppfordre lærere som utforsker samtaleroboter i eget klasserom, til å beskrive teknologien for elevene, modellere interaksjon på storskjerm og planlegge for det som utgjør den bærende ideen i en gitt undervisningsøkt eller periode: Skal elevene først og fremst lære om teknologien og å interagere med samtaleroboter (undervisning om og i), eller står et fagspesifikt innhold i sentrum i undervisningsopplegget (undervisning med)? Vil samtalerobotene kun fungere som ett av flere verktøy i den fagspesifikke undervisningen, og dermed bli anvendt på fagets egne premisser?

Litteratur

Baker, M.J. & Bielaczyc, K. (1995). Missed opportunities for learning in collaborative problem-solving interactions. I: J. Greer (red.), Proceedings of AI-ED ‘95: World Conference on Artificial Intelligence in Education, (s. 210–217). AACE: Washington D.C.

Borge, M., Smith, B.K. & Aldemir, T. (2024). Using generative AI as a simulation to support higher-order thinking. International Journal of Computer-Supported Collaborative Learning, 54(1). https://doi.org/10.1007/s11412-024-09437-0

Dalsgaard, C. & Prilop, C.N. (2025). Partnerskaber mellem elever og AI: Nye arbejdsmetoder med generativ AI. Læring og medier, 17(31). https://doi.org/10.7146/lom.v17i31.150410

Du Bois, J.W. (2007). The stance triangle. I: R. Englebretson (red.), Stancetaking in Discourse (s. 139-182). Amsterdam/Philadelphia: John Benjamins Publishing Company.

Dysthe, O. (2001). Sosiokulturelle teoriperspektiv på kunnskap og læring. I: O. Dysthe (red.), Dialog, samspel og læring (s. 33−72). Oslo: Abstrakt forlag.

Greeno, J.G. & van de Sande, C. (2007). Perspectival Understanding of Conceptions and Conceptual Growth in Interaction. Educational Psychologist, 42(1), 9–23. https://doi.org/10.1080/00461520709336915

Kasneci, E. mfl. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103. https://doi.org/10.1016/j.lindif.2023.102274

Park, H. mfl.(2024). Taking a stance in the process of learning: Developing perspectival understandings through knowledge co-construction during synchronous computer-mediated classroom discussion. International Journal of Computer-Supported Collaborative Learning, 19, 67–95. https://doi.org/10.1007/s11412-023-09416-x

Tabak, I. & Kyza, E. (2018). Research on Scaffolding in the Learning Sciences: A Methodological Perspective. I: F. Fischer, C.E. Hmelo-Silver, S.R. Goldman & P. Reimann (red.), International Handbook of the Learning Sciences (s. 191–200). New York: Routledge.

Tjønn, H., Ludvigsen, S.R. & Mørch, A. (2024). Bruk av generativ kunstig intelligens i grunnskolen − hvordan utforme undervisningsopplegg. Bedre Skole, 36(2). Hentet fra https://www.utdanningsnytt.no/bedre-skole-fagartikkel-kunstig-intelligens/bruk-av-ki-i-grunnskolen-hvordan-utforme-undervisningsopplegg/403025

Wang, J. & Fan, W. (2025). The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis. Humanities & Social Sciences Communications, 12(1), 621–21. https://doi.org/10.1057/s41599-025-04787-y

Zhang, K. & Aslan, A.B. (2021). AI Technologies for Education: Recent Research & Future Directions. Computers and Education: Artificial Intelligence, 2. https://doi.org/10.1016/j.caeai.2021.100025

Om forfatterne

Henrik Tjønn er stipendiat ved Institutt for pedagogikk ved UiO. Han er utdannet grunnskolelærer med mastergrad i norskdidaktikk (HiOA) og pedagogikk (UiO), og har flere års undervisningserfaring fra grunnopplæringen. Tjønn er spesielt interessert i bruk av KI i undervisning og læring.

Sten Ludvigsen er professor i læring og digitalisering ved Institutt for pedagogikk ved UV-fakultetet ved Universitetet Oslo. Han har gjennomført studier av design og bruk av digitale omgivelser og ressurser de siste 20 årene i skole og arbeidsliv nasjonalt og internasjonalt. Han ledet arbeidet med NOU 21014: 7 og NOU 2015: 8 om fremtidens skole.

Anders Mørch er professor i teknologi og læring ved Institutt for pedagogikk ved UiO. Han forsker på pedagogisk teknologi og anvendt kunstig intelligens med fokus på empiriske studier, undervisningsmodeller og brukermedvirkning i utviklingen av teknologi som støtter undervisning og læring. Han ledet et forskerteam som utviklet EssayCritic, et databasert verktøy for automatisert analyse og tilbakemelding på studentessays basert på KI og maskinlæringsalgoritmer.