Från svarsgenerator till tänkandecoach

Ett banbrytande lärandeverktyg vänder upp och ned på hur de flesta studenter använder artificiell intelligens i dag. Medan majoriteten tar till ChatGPT-liknande program som en blixtsnabb facit, tvingar denna AI-handledare dem istället att arbeta sig fram till svaret steg för steg.

Verktyget kallas Macro Buddy och har testats i makroekonomi-kurser vid ett amerikanskt universitet. Resultaten är anmärkningsvärda.

Inom amerikansk högre utbildning använder uppskattningsvis nio av tio studenter en chatbot för läxhjälp och tentamensförberedelser. Mönstret är välbekant: skriv in frågan, kopiera svaret och gå vidare. Lärandeeffekten är minimal, och lärarna kan se det direkt i föreläsningssalar och på prov.

Macro Buddy bygger på en helt annan grundprincip. Chatboten vägrar helt enkelt att dela ut färdiga lösningar. Istället svarar den med riktade frågor som driver studenten mot det egna resonemanget. Det kan kännas frustrerande — men just detta motstånd skapar en djupare förståelse av ämnet.

AI:n fungerar inte som en miniräknare eller fusklapp, utan som en sorts digital studiehandledare som fortsätter att fråga.

Om en student frågar hur man beräknar tillväxten i bruttonationalprodukten får hen ingen formel. Istället följer en serie korta frågor: Vad är utgångsläget? Vilken period jämför du? Hur förändras produktionen? Vad händer med priserna? Studenten tvingas hela tiden tillbaka till grundbegreppen från undervisningen.

Gammal filosofi, ny teknik

Tillvägagångssättet är inspirerat av en filosofisk metod som är över 2 400 år gammal: den sokratiska frågeteknik. Den grekiske filosofen Sokrates gav aldrig svar — han ställde envist frågor tills hans samtalspartner själv nådde fram till kärnan i problemet.

Makroekonomforskare vid University of Wisconsin–La Crosse tränade en språkmodell med kompletta transkriptioner av sina egna föreläsningar. AI:n får inte hämta information från internet och är strikt begränsad till det officiella kursmaterialet för ämnet. Detta ska förhindra att handledaren hamnar i att förmedla generell eller felaktig kunskap från nätet.

Alla svar kommer uteslutande från ämnets egna föreläsningar och uppgifter.
Chatboten ger aldrig den slutgiltiga lösningen eller formeln.
Vid fel återgår den till definitioner och grundbegrepp.
Studenten måste själv ta det avgörande steget mot lösningen.

Blandar en student exempelvis reell och nominell BNP svarar Macro Buddy inte med en förklaring av båda begreppen. Den frågar först om prisnivån, sedan om inflation, och slutligen om vad som korrigeras för och vad som inte gör det. På så sätt måste studenten själv lägga pusslet.

Aktiva användare tar kliv framåt — passiva studenter halkar efter

Våren 2025 genomförde forskarna ett praktiskt experiment med 140 makroekonomi-studenter. Gruppen delades in i fyra kategorier:

Studenter som uteslutande arbetade med Macro Buddy.
Studenter som samarbetade i traditionella studiegrupper utan AI.
Studenter som först använde Macro Buddy och därefter diskuterade i grupper.
En kontrollgrupp utan extra stöd.

Forskarna fokuserade särskilt på resultaten vid den tredje tentamen, efter en period med intensiv användning av handledaren. Här stack en grupp tydligt ut: studenter som först hade övat individuellt via chatboten och sedan pratat med varandra om det. Deras betyg låg i genomsnitt 12 poäng högre än kontrollgruppens.

Kombinationen av en frågande AI-handledare och efterföljande diskussion i små grupper gav det största lyftet i läranderesultaten.

Det gick tvärtom för studenter som främst använde AI:n som en snabb svarsstation. Så snart hjälpen togs bort och de skulle klara sig själva sjönk deras betyg med i genomsnitt 8 poäng. Utan aktivt tankarbete visade det sig att nästan ingenting hade fastnat.

Misstag är en möjlighet till bättre samtalsförlopp med AI:n

Kärnan i Macro Buddy är en slinga av uppföljande frågor. Vid varje ofullständigt eller felaktigt svar följer inget rött kryss, utan en ny och skarpare fråga. Det fortsätter tills studenten själv upptäcker var resonemanget haltar.

Vid en missuppfattning om inflation frågar handledaren exempelvis först om hur mycket pengar som finns i omlopp. Därefter om hur ofta de pengarna byter ägare, och först till sist om den generella prisnivån. Denna uppbyggnad får studenten att placera inflation i ett bredare sammanhang istället för att bara memorera en definition.

Detta tillvägagångssätt stöds av forskning från Harvard om adaptiva AI-handledare, som redan har visat att guidade frågor är mycket mer effektiva för långsiktig kunskapsuppbyggnad än att bara presentera information. De nya försöken med Macro Buddy verkar bekräfta detta.

AI som del av studiegruppen

Ett intressant fynd från experimentet är att AI:n har störst effekt när den inte används ensam. Studenter som efter en session med Macro Buddy skulle diskutera sitt arbete med medstudenter behärskade stoffet bäst av alla.

Ordningsföljden verkar vara avgörande: först brottas med chatbotens frågor, sedan jämföra med andra. På så sätt har alla deltagare något fackligt att bidra med, istället för att en person öppnar chatfönstret medan resten lutar sig tillbaka.

Utbildningsexperter ser häri en möjlig ny standardmodell för universitet: inte helt digitala självstudier, utan en triangel bestående av människa, maskin och grupp. AI:n sätter igång studenten att tänka, och gruppsamtalet ser till att insikterna fastnar och blir nyanserade.

Vad betyder det för svensk högre utbildning?

Svenska utbildningsinstitutioner brottas under tiden med samma frågor som i USA. Hur låter man studenter dra nytta av AI utan att färdigheter som resonemang, analys och skriftlig framställning försvinner?

Ett tillvägagångssätt som Macro Buddys ger några konkreta hållpunkter:

Gör i undervisningsdesignen explicit skillnad på ”AI som miniräknare” och ”AI som handledare”.
Begränsa den kunskap en AI-handledare får hämta till ämnets eget material.
Utforma chatboten så att den ställer frågor istället för att leverera uträkningar.
Koppla individuella AI-sessioner alltid till efterföljande diskussioner i små grupper eller studiecirklar.

För lärare kan ett sådant system dessutom ge insikt i var studenter fastnar. De frågor som AI:n oftast återvänder till pekar direkt mot ämnets svåraste delar — och det gör det lättare att justera föreläsningar och övningstillfällen.

Fördelar och risker med en frågande AI-handledare

En digital handledare som aldrig blir trött och har obegränsad tid för varje fråga kan lätta på arbetsbördan för lärarna. Studenter behöver inte vänta länge på feedback och kan öva när som helst — också utanför undervisningstid.

Samtidigt finns en verklig risk i dåligt utformade system. Så snart en chatbot återigen främst börjar spy ut svar skjuter studenter bara sitt tankarbete ännu längre i bakgrunden. Då förstärker AI:n exakt det problem den skulle lösa.

En ansvarsfull design kräver därför tydliga gränser: inga slutgiltiga svar, inga externa källor, och ett användargränssnitt som aktivt inbjuder till reflektion. Tänk knappar som ”var går mitt resonemang fel?” istället för ”ge mig lösningen”.

För studenter som har svårt med matematiska eller ekonomiska resonemang kan en sokratiskt inställd chatbot just fungera som en ingång. De får utrymme att pussla i egen takt utan att känna att de håller hela gruppen tillbaka. Kombinerat med klassisk undervisning och äkta interaktion med lärare uppstår på så sätt en rikare blandning av lärandeformer.