Från snabb genväg till ett verktyg som slipar tänkandet
Forskare vid ett amerikanskt universitet har tagit fram en digital handledare som fungerar på ett helt annat sätt än traditionella chattbottar. Istället för att lösa läxor direkt svarar systemet med riktade följdfrågor. Metoden bygger på Sokrates filosofi och ska säkerställa att studenter börjar resonera ordentligt igen – istället för att bara mata en AI med uppgifter och kopiera svaret.
AI i utbildningen: från fuskmetod till tänkverktyg
Användningen av chattbottar i högre utbildning växer explosivt. I USA uppskattas det att nästan nio av tio studenter använder AI-hjälp till uppgifter. Mönstret är välbekant: ställ en fråga i chattbotten, kopiera svaret, lämna in. Praktiskt nog – men själva tankearbetet försvinner fullständigt.
Den nya AI-handledaren, kallad Macro Buddy, är just utformad för att bryta detta mönster. Systemet ger aldrig ett direkt svar, en uträkning eller en definition. Frågar du hur man beräknar tillväxten i bruttonationalprodukten får du ingen formel. Istället möter du frågor som: ”Vilka uppgifter behöver du för att bestämma tillväxten mellan två år?” eller ”Vad berättar prisnivån i det här exemplet?”
Kärntanken är tydlig: AI:n får inte tänka istället för studenten, utan hjälpa studenten att själv tänka.
Den digitala handledaren används för närvarande i makroekonomiundervisning vid University of Wisconsin-La Crosse. Här har systemet laddats med kompletta transkriptioner av föreläsningarna och det officiella kursmaterialet. Programmet har ingen tillgång till internet och kan därför inte hämta slumpmässiga förklaringar online. Endast de begrepp och exempel som studenterna redan mött i kursen dyker upp i samtalen.
En 2 400 år gammal filosofisk metod i modern skepnad
Konceptet vilar tungt på den sokratiska metoden – en undervisningsform som är över 2 400 år gammal. Istället för att belära ställer läraren löpande frågor som guidar eleven mot insikten. AI-handledaren gör exakt detsamma, fast digitalt.
Begår en student ett misstag rättar AI:n det inte direkt. Den omformulerar istället situationen. Förväxlar någon exempelvis realt och nominellt BNP kommer det ingen förklaring med rätt formel. Istället följer frågor om prisindex, inflation och köpkraft – och studenten ska själv dra kopplingarna.
- AI:n ger aldrig ett slutgiltigt svar eller en fullständig uträkning.
- Fel fångas upp och förvandlas till nya frågor.
- All förklaring hålls inom kursens pensum.
- Tempo och svårighetsgrad anpassar sig till den enskilda studenten.
Utvecklarna vill att studenter aktivt skapar kopplingar: vilket begrepp hänger ihop med vilken mekanism, och vilket steg saknas fortfarande i mitt resonemang? Det kräver mer arbete än att bara läsa ett färdigt svar, men ger långt djupare förståelse på sikt.
Experiment med 140 studenter: aktivt deltagande lyfter betyget 12 poäng
För att mäta effekten av denna metod genomförde forskarna våren 2025 ett experiment med 140 makroekonomi-studenter. De delades in i fyra grupper, var och en med en olika arbetsmetod:
| Grupp | Arbetsmetod |
|---|---|
| 1 | Arbetade uteslutande med AI-handledaren |
| 2 | Traditionella gruppuppgifter utan AI |
| 3 | Först AI-handledare individuellt, därefter gruppdiskussion |
| 4 | Kontrollgrupp utan extra stöd |
Resultaten, offentliggjorda i ett arbetsdokument på SSRN, visar markanta skillnader. Studenterna i den blandade gruppen – först individuellt med AI, därefter gemensam diskussion – uppnådde de högsta betygen vid den tredje tentamen. De låg i genomsnitt 12 poäng högre än kontrollgruppen.
Den starkaste effekten uppstod när AI inte ersatte gruppdiskussionen, utan istället skärpte det individuella tankearbetet innan diskussionen började.
I andra änden av skalan befann sig studenter som försökte luta sig passivt mot tekniken. I situationer där AI:n gav direkta svar och sedan stängdes av föll deras betyg med i genomsnitt 8 poäng. När den digitala kryckan försvann visade det sig att deras förståelse av ämnet var skör.
Varje fel blir utgångspunkt för ett nytt tankesteg
Styrkan hos AI-handledaren ligger i hur den hanterar fel. Ett felaktigt svar eller ett snett resonemang avvisas inte – det blir istället input till en ny serie frågor.
Påstår en student till exempel att inflation enbart beror på en större penningmängd följer det frågor om pengarnas omloppshastighet, prisnivåer och efterfrågan på varor. Genom denna kedja av frågor börjar studenten själv tvivla på den första, alltför enkla förklaringen.
Forskarna hänvisar till tidigare arbete från Harvard, publicerat 2025 i tidskriften Scientific Reports. Det visade redan att ledd frågeteknik är långt mer effektiv för långsiktig kunskapsuppbyggnad än att bara presentera information. Den nya handledaren omsätter denna princip till ett konkret ämnesområde med riktiga studenter och tentor som måttstock.
AI och grupparbete förstärker varandra
Kombinationen av individuell AI-kontakt följt av grupparbete visar sig överraskande kraftfull. Studenterna möter upp till gruppdiskussionen med ett tankearbete som redan har skärpts av AI:ns frågor. Under diskussionen stöter dessa resonemang mot varandra, och oklarheter blir synliga.
Det skapar samtal som: ”Mina AI-frågor handlade hela tiden om prisindex – vilka fick du?” eller ”Jag skulle koppla allt till pengarnas omloppshastighet.” Dessa jämförelser hjälper studenterna att förankra kärnbegreppen långt mer solidt.
Enligt utbildningsanalyser erbjuder denna kombination av människa, maskin och grupp ett sätt att integrera AI i undervisningen utan att undergräva utvecklingen av analytiska färdigheter. Handledaren tar inte över något – den sätter istället igång samtalet, både i studentens huvud och mellan studenterna sinsemellan.
Vad svenska utbildningsinstitutioner kan lära av detta
För svenska yrkeshögskolor och universitet är situationen välbekant: lärare kämpar med AI-genererade uppgifter, och studenter använder ChatGPT som både första och sista steg. Den amerikanska metoden visar att det kan göras annorlunda.
Istället för att förbjuda AI eller ge helt fritt spelrum kan utbildningsinstitutioner ta i bruk verktyg med inbyggda begränsningar:
- Inga direkta svar – endast frågor och ledtrådar.
- Tillgång uteslutande till det aktuella kursmaterialet.
- Felregistrering som leder till omformulering, inte till rätt svar.
- Koppling till obligatorisk efterföljande diskussion i studiegrupper.
Lärare kan dessutom utarbeta förlopp där studenter först övar med en sådan handledare och sedan i undervisningen reflekterar över det: vilka frågor hjälpte dig vidare, var fastnade du, och när började du svara på autopilot?
Risker och möjligheter med denna metod
Det finns fortfarande uppmärksamhetspunkter. Upptäcker studenterna vilken typ av svar AI:n ”vill höra” riskerar de att gissa sig fram till rätt mönster istället för att resonera äkta. Kvaliteten på de frågor handledaren ställer blir därför helt avgörande.
Modellen kräver dessutom nära samarbete mellan ämnesexperter och AI-specialister. Endast om kursinnehållet är korrekt inarbetat i systemet kan handledaren ställa meningsfulla frågor som matchar kursens nivå och lärandemål.
Samtidigt öppnar denna metod för intressanta perspektiv. En AI som tålmodigt och utmanande ställer frågor dygnet runt kan avlasta klassundervisningen och ge studenterna mer utrymme att öva i sin egen takt. I stora förstaårskurser, där personlig handledning ofta är otillräcklig, kan en sådan digital handledare hantera delar av det samtal som annars aldrig skulle äga rum.
För studenterna själva gäller det slutligen: den som använder denna typ av AI-verktyg som en tankespegel istället för en svarmaskin tränar exakt de kompetenser som gör skillnad på framtidens arbetsmarknad. Det är inte den som hittar flest uppgifter, utan den som kan ställa de bästa frågorna, som sticker ut – människa och maskin inkluderat.
