At skrue tiden tilbage til kuglepen og papir for at forhindre “AI‑snyd” er lige så nytteløst, som da man ville forbyde lommeregneren. Løsningen er ikke at sænke ambitionsniveauet – men at gøre opgaverne klogere, sværere og mere virkelighedsnære, mens både elever og lærere får lov til at bruge al den kunstige intelligens, de kan tæmme.
Fra håndskrift til højteknologi
Efter år med næsten hysteriske forsøg på at stemple enhver brug af kunstig intelligens som snyd, breder der sig nu en kærkommen dosis sund fornuft. Diskussionen i gymnasieskolen har taget en drejning: Fra »Hold AI væk!« til »Lad os gøre opgaverne sværere – og lade alle bruge AI frit«. AI ses ikke længere som genvej til hurtige karakterer, men som en løftestang til dybere læring.
Når både undervisning og eksamen designes, så de kræver kritisk sans, faglig fordybelse og kreativ problemløsning, giver det pludselig mening at give eleverne fuld adgang til ChatGPT, Gemini og alt, hvad internettet kan levere. Kort sagt: hæv barren, åbn værktøjskassen.
Hvorfor forbud er en blindgyde
- 86 % af verdens studerende bruger allerede AI ugentligt; danske studenter flager ligefrem taknemmeligheden på deres vogne.
- DTU og flere internationale universiteter afprøver eksamensformater med åbent internet plus fri AI uden at se karakterfordelingen kollapse.
- “Two‑lane”-modellen – stramme, overvågede salprøver ved siden af åbne hjemmeopgaver – indføres på University of Sydney til sommer.
Pointen? De skarpeste elever flytter stadig barren, fordi AI kræver viden: prompts skal finpudses, kilder tjekkes, logik valideres. De svageste bliver fortsat afsløret i mundtlige dialoger, projektfeedback og ved at deres forsvar hænger i laser, når de presses på valgene.
Hæv barren i hverdagen
Når lærere støder på generiske, AI‑producerede stile, er det et rødt flag for undervisningsdesignet. Hvis opgaven kan løses med kommandoen »Skriv et essay om H.C. Andersen på gymnasieniveau«, er det opgaven, ikke eleven, der er for let.
Fire didaktiske greb
- Fork & Critique – eleven afleverer først et råt AI‑output og derefter en metatekst, der dokumenterer prompts og retter modellens fejl.
- Unikke datadumps – hver elev analyserer et eksklusivt datasæt (lokale CO₂‑målinger, trafiktal, etc.) og skal selv udlede narrativet.
- Sokratisk patchwork – store dilemmaer behandles i blandede formater (video, infografik, policy‑brief) og forsvares live.
- Prompt‑log & mundtlig defence – læreren spørger ind til tilfældige prompts; usikkerhed afslører overfladisk brug.
… men også til eksamen
Lærere efterlyser skriftlige eksamensopgaver, hvor AI er tilladt, men hvor bedømmelsen stadig kan differentiere. Hemmeligheden ligger i tre principper:
- Originalt materiale til hver kandidat – gør copy‑paste værdiløst.
- Transparens i processen – kræv prompt‑log, versionshistorik eller Jupyter‑notebooks som bilag.
- Meta‑refleksion som vægtet kriterium – evnen til at forklare AI’ens begrænsninger og egne valg tæller tungt.
Nedenfor konkrete eksempler fordelt på fag:
Historie
UNESCO & Khmer Rouge
Policy‑notat (2.500 ord) baseret på fire unikke primære kilder (scannede breve, FN‑referater osv.). Inkludér prompts, diskutér modellens bias, og vurder tre mulige politiske konsekvenser af at klassificere perioden som folkemord.
Bedømmelse med AI: Læreren uploader notaterne til en sprogmodel, der markerer fejl i datering og foreslår opklarende spørgsmål.
Dansk
“Skrivekunst i algoritmernes æra”
Skriv en kronik, der analyserer retoriske greb i et unikt debatindlæg, viser hvordan AI fordrejer argumentationen, og omskriver en nøglepassage i tre genrer (satire, juridisk, lyrik). Aflever prompt‑log og 500 ord om prompt‑iteration.
Bedømmelse med AI: ChatGPT laver en stylistic‑diff og klassificerer bidraget på Bloom‑skalaen.
Matematik (A‑niveau)
CO₂‑monitorering
Elevens datasæt er et 48‑timers sensor‑dump. Krav: byg en model (ARIMA, Fourier, ML), forecast 12 timer, kvantificér usikkerhed og sæt tal på byøkonomiske tiltag (DKK/ppm). Notebook + rapport (1.800 ord).
Bedømmelse med AI: Code‑Interpreter tjekker MAPE, reproducerer koden og grupperer løsningsstrategier for målrettet feedback.
Kemi
Grønt ammoniak‑loop
Design et forsøg med elektrokemisk nitrogen‑reduktion. Beregn faradaisk effektivitet, pris (DKK/kg), LCA vs. Haber‑Bosch. Simulér to katalysatorer i AI‑kemisoftware og diskuter sikkerhed.
Bedømmelse med AI: IBM RXN validerer kinetikken; GPT‑4o spotter manglende sikkerhedsdata.
AI som dommerassistent
| Formål | Værktøj | Gevinst |
|---|---|---|
| Rubric‑generering | ChatGPT med custom prompt | 10× hurtigere bedømmelse |
| Proces‑gennemsigtighed | PromptLogger + Turnitin | Skelner kopieret fra kritisk brug |
| Adaptiv feedback | Claude‑teacher‑agent | Personlig feed‑forward |
| Bias‑kontrol | Gemini‑Compare | Finder ukritisk kildebrug |
Politik og praksis
Humlen er, at mange lærere aldrig selv har promptet en sætning. Ministeriet bør derfor:
- Udrulle lynkurser i prompt‑design og AI‑feedback.
- Belønne skoler, der tester åbne eksamensformer.
- Opdatere bekendtgørelser, så dokumentation af AI‑brug vægtes – som kildeangivelser i dag.
Konklusion
“Papirets genkomst” klinger romantisk, men ender som et endeløst våbenkapløb mod smartere snyd. Vi skal i stedet hæve barren: gøre både undervisning og eksamen så krævende, at man skal bruge alle værktøjer – og stadig tænke selv.
Kuglepennen kan vi gemme til kærestebreve. Resten klarer vi bedre med kløgt, kritisk sans og kunstig intelligens.
