AI kan løfte opgaven uden at forbedre læringen, advarer to EU-rapporter

Europa-Kommissionen offentliggjorde to rapporter om AI og digital undervisning den 22. september 2026. Den ene gennemgår forskning i generativ AI og skelner mellem bedre præstation på en opgave og reel læring. Den anden kortlægger digitale vilkår i europæiske skoler, herunder lærernes forberedelse. Tilsammen peger de på, at teknologien først gavner undervisningen, når den styrker elevens eget arbejde, og læreren har forudsætninger for at styre brugen.

Den flamske fagpublikation EducAItion fremhæver to tal fra offentliggørelsen: Fire ud af ti unge i EU mellem 16 og 24 år brugte generativ AI til formel uddannelse i 2025, mens 29,7 procent af de adspurgte EU-lærere i TALIS 2024 havde deltaget i efteruddannelse om AI i undervisning. Det første tal måler brug blandt unge, det andet læreres deltagelse i efteruddannelse. Ingen af dem måler, hvor meget en bestemt elev lærer af teknologien.

Bedre opgaver kan skjule manglende forståelse

I forskningsoversigten Friend or foe? forbindes konstruktiv brug, hvor eleven selv bearbejder forslag fra AI, med højere læringsudbytte i eksperimentelle undersøgelser. Mekanisk brug, hvor et genereret svar accepteres uden egen forståelse, kan derimod give lavere udbytte. Rapportens pointe handler om elevens handlinger under opgaveløsningen, ikke kun om kvaliteten af det, der afleveres.

En besvarelse kan blive mere velformuleret, fordi AI foreslår en disposition, retter sproget eller opstiller en begrundelse. De forbedringer er synlige i produktet. Elevens forståelse af stoffet er sværere at se: Kan eleven forklare, hvorfor argumentet holder, finde fejlen i et andet svar eller løse en beslægtet opgave uden den samme hjælp? Det er forskellige resultater, og en karakter for teksten alene skiller dem ikke nødvendigvis ad.

Et tænkt eksempel fra en dansk analyseopgave viser forskellen. AI kan foreslå en sammenhæng mellem et citat og en fortolkning, men det faglige arbejde ligger i at afgøre, om citatet faktisk bærer tolkningen, og om en anden læsning er stærkere. Bruger eleven forslaget som et udkast til egen begrundelse, bliver arbejdet med teksten bevaret. Overtager eleven en færdig analyse, er der mindre grund til selv at undersøge tekstens belæg.

Det samme gælder i matematik. En genereret mellemregning kan hjælpe en elev videre, hvis eleven undersøger, hvilket princip hvert trin bygger på. Kopieres trinene direkte ind i afleveringen, kan svaret være korrekt, selv om eleven stadig ikke kan vælge fremgangsmåde på egen hånd. Eksemplerne er illustrationer af mekanismen, ikke målte resultater fra danske klasser.

Den langvarige effekt er stadig uafklaret

De nye rapporter giver ikke et samlet mål for, hvordan hyppig brug af generativ AI påvirker elevers færdigheder over flere år. Forskningsoversigten efterlyser større, repræsentative undersøgelser, der følger elever i europæiske uddannelsesmiljøer over tid. Et kort forsøg med en bestemt opgavetype kan vise, hvad der sker i forsøget, men ikke alene afgøre, om eleven senere kan huske stoffet eller bruge det i en ny sammenhæng.

Her ligger også en vigtig forskel mellem hjælp og overtagelse. Hvis værktøjet leverer et færdigt svar, kan det spare tid og hæve kvaliteten af afleveringen, mens eleven springer de valg over, som skulle opbygge færdigheden. Hvis værktøjet i stedet giver et hint eller stiller et opfølgende spørgsmål, må eleven stadig formulere sin egen forklaring. I den gennemgåede forskning giver værktøjer udviklet til undervisning generelt bedre læringsresultater end AI-værktøjer til almindelige formål.

Den forskel gør det vanskeligt at tale om én samlet effekt af AI i skolen. Et værktøjs opbygning, opgavens faglige mål og elevens måde at bruge svaret på kan trække læringsudbyttet i forskellige retninger. Når en skole ser mere gennemarbejdede afleveringer, er det derfor et tegn på bedre opgavepræstation. Om det også er et tegn på varigere viden, kræver en anden form for vurdering.

Lærernes kompetencer bliver afgørende

Den anden rapport flytter blikket fra elevens svar til skolens rammer. Kortlægningen undersøger blandt andet adgang til teknologi, digitale kompetencer i undervisningen, vurdering og læreruddannelse på tværs af europæiske uddannelsessystemer. Den beskriver forskelle i skolernes adgang til udstyr og teknisk støtte, og i hvordan systemerne forbereder lærere på digitale undervisningsformer. Derfor kan adgang til et AI-værktøj ikke stå alene som mål for, om skolen er klar til at bruge det fagligt.

For en dansk lærer er den centrale beslutning knyttet til opgavens formål. I en skriveøvelse kan feedback på elevens eget udkast støtte revision, hvis eleven tager stilling til forslagene. I en øvelse i argumentation kan et færdigskrevet argument derimod fjerne netop den del af arbejdet, som skal trænes. Forskellen afhænger af, hvad eleven skal kunne efter undervisningen.

Det stiller krav til lærerens faglige dømmekraft. Læreren skal kunne skelne mellem et AI-svar, der åbner for elevens videre arbejde, og et svar, der lukker opgaven, før eleven selv har arbejdet med den. Samtidig skal eleverne kende rammerne for, hvornår hjælp er en del af processen, og hvornår de forventes at vise en selvstændig løsning. Rapporternes fokus på efteruddannelse og institutionel vejledning handler om at gøre sådanne valg mulige i hverdagen.

Resultaterne skal indgå i arbejdet med en kommende europæisk uddannelsespakke om grundlæggende færdigheder, lærere og digital infrastruktur. For undervisningen er spørgsmålet mere umiddelbart: Når en elev afleverer et stærkt AI-støttet produkt, må der også være mulighed for at se elevens egne begrundelser. Ellers kan den synlige forbedring i opgaven skjule, hvor meget af den faglige forståelse eleven faktisk har opbygget.

Læs også:

• n8n, Make eller Zapier: 10 trin kan ændre hele AI-regningen