Fnys inte åt fnösket

Photo by Benjamin DeYoung on Unsplash

När tändstickorna tog över marknaden under andra hälften av 1800-talet försvann så småningom kunskapen om hur man gör upp eld från grunden, åtminstone hos de flesta. Därigenom försvann också en del av kulturen. Ingen behövde längre veta vilka träd man skulle plantera och hur man skulle behandla dem för att odla fnösktickor. Ingen behövde heller veta hur man rensar, kokar och manglar den skördade tickan. Gjorde det något att nästan alla glömde bort hur vi gjort upp eld de senaste tusen åren? Varje förändring innebär en risk att förlora något och en chans att vinna något annat. Tack vare vår moderna, offentligt finansierade museiverksamhet behöver vi nuförtiden inte vara särskilt oroliga för att väsentlig kunskap ska gå helt och hållet förlorad. Fnöske och flinta är idag något vi hittar på Skansen.

Det finns säkert många som även idag kan göra upp eld på mer eller mindre gammalmodiga sätt. Man kan göra det som en kul grej i scouterna, men det kan också ha en djupare mening. Du kan känna en koppling till dina förfäder, känna att du är en del av ett större sammanhang, av en lång tradition som sträcker sig tusentals år bakåt i tiden. Det är en känsla som du antagligen inte får av en tändsticka eller en tändare. Du kan också känna dig förberedd inför den stora kollapsen, när civilisationen bryter samman. Men – handen på hjärtat – vi kommer nog aldrig återgå till en tid när vi i någon större skala tänder elden med eldstål.

Kanske står vi nu inför ett liknande kulturellt skifte. Kanske kommer kunskapen om hur man skriver en text från grunden inte längre att finnas hos de breda folklagren i framtiden. Med hjälp av olika AI-tekniker kommer vi kanske i framtiden inte att behöva hålla i pennan eller trycka på tangenterna. Vi kan diktera, gestikulera eller kanske bara tänka lite diffust, och så formas en sammanhållen berättelse. Och den kanske inte ens uttrycks i gammaldags bokstäver. Det händer nog inte imorgon. Det kanske till och med dröjer tills du har gått i pension. Du kommer kanske sitta på hemmet och tänka tillbaka på den gamla goda tiden när du använde reservoarpennor, skrivmaskiner, bärbara datorer, smarta telefoner. Hur det än blir kommer viss kunskap, vissa förmågor att bli mindre viktiga i framtiden.

Vilken av de tekniker som du använder dagligen kommer först hamna på museum?

AI för lärare

Det är svårt att sia om exakt när och hur AI kommer förändra vårt sätt att arbeta. Enligt Gartners “Hype Cycle” befinner sig AI just nu på toppen av uppblåsta förväntningar och kommer inte bli produktivt förrän om 5-10 år. Jag kan hålla med om att förväntningarna ibland är överdrivna, men det finns många som gör produktiva saker med generativ AI redan nu. Det gamla sättet att tänka kring innovationer känns förlegat i ljuset av de snabba förändringar vi sett det senaste året.

När man ser exempel på AI-tjänster som kan skapa företagsloggor eller generera influencerinlägg är det lätt att avfärda generativ AI som något ytligt. Dessa leksaksverktyg påverkar inte oss på universitetet, för vi sysslar med “riktig” kunskap, sådan som endast kan uppnås efter långa och intensiva studier. Om man på det sättet körsbärsplockar de allra töntigaste exemplen är det klart att ingen blir intresserad av AI, men om vi tittar lite djupare på tekniken bakom dessa tjänster har vi all anledning att ta ett par steg tillbaka och fundera över hur högre utbildning och forskning kommer påverkas.

Många har uttryckt oro inför hur generativ AI påverkar tillförlitligheten hos hemtentor. Och det är klart att om studenterna har tillgång till tjänster som snabbt kan generera grammatiskt korrekt text som i många fall dessutom även är innehållsmässigt okej, så kan vi inte i framtiden lita särskilt mycket på hemtentor. Vi behöver hitta sätt att tänka om när det gäller examination, och det är något som har diskuterats flitigt under det senaste året.

Men det är nästan mer intressant att fundera över hur vårt arbete som lärare kan underlättas genom generativ AI. Jag tror att vi först behöver försöka tillämpa AI själva, innan vi kan förstå tekniken tillräckligt bra för att kunna säga till studenterna vad de får och inte får använda. Och här måste vi tänka utifrån flera horisonter. För det första behöver vi fundera över vad vi kan göra redan idag, med de tjänster som finns här och nu. För det andra behöver vi fundera över vilka tjänster som kanske finns imorgon. Och vilka tjänster vi själva vill vara med och utveckla.

Det sägs ibland att AI i framtiden kommer ersätta X% av alla jobb, och många värden på X har kastats runt i debatten. Men det betyder inte nödvändigtvis att X% av alla anställda kommer sparkas. Det innebär snarare att av de tusen olika sysslor som du ägnar dig åt under en arbetsdag, så kan X% av dessa effektiviseras och kanske försvinna helt om du tar hjälp av olika AI-tjänster. Tänk efter själv. Hur många gånger under en arbetsdag producerar du text i olika former? Vid alla sådana tillfällen kan du ta hjälp av en generativ AI. Du kanske inte delegerar uppgiften helt och hållet till en AI, utan att titta på resultatet, men du kan ta hjälp av en AI för att generera idéer och utkast, omformulera på ett enklare eller mer formellt sätt, o.s.v. Du blir helt enkelt mer effektiv, på samma sätt som vi alla blev lite mer effektiva genom att använda skrivmaskiner, ordbehandlare, miniräknare, e-post, etc. Jag vet att ordet “effektiv” får det att klia hos många lärare som gärna börjar mumla något om NPM, men se det som en möjlighet att göra din vardag lite mindre stressande.

Vi är många som har provat att diskutera med ChatGPT, mest eftersom det var den tjänst som först slog igenom på bred front. Men i dess kölvatten har en lång rad mer specialiserade tjänster dykt upp. Bakom en del av dem hittar vi förstås entreprenörer som vill tjäna storkovan på den senaste trenden, men många är skapade av enskilda entusiaster eller små företag som brinner för att stödja en viss grupp. Inom utbildningssektorn finns det många nya verktyg som, även om de just nu inte känns klockrena för universitetslärare, ändå indikerar vart utvecklingen är på väg.

Jag har testat ett sådant verktyg som heter Eduaide. Det finns i en begränsad gratisversion som är ganska lätt att använda. Hela idén med Eduaide är att hjälpa lärare som behöver planera, genomföra och examinera elever eller studenter. Tjänsten verkar främst inriktad mot grundskola och är begränsad till några ämnen, men konceptet är intressant.

Screenshot of the Eduaide service

Eduaide innehåller flera olika verktyg. Det finns en Content Generator som kan skapa ett femtiotal olika typer av innehåll. Jag kan få en lektionsöversikt, en bedömningsmatris, skisser för presentationer, övningar, projekt, självtester, m.m. Sedan finns det en Teaching Assistant som kan hjälpa mig att formulera kursplaner eller nyhetsbrev, anpassa material för studenter med särskilda behov eller generera aktiviteter för team building. Feedback Bot kan ta emot en students svar och, baserat på kriterier som jag själv bestämmer, generera förslag till återkoppling. Assessment Builder skapar examinationsfrågor av olika slag och sist men inte minst finns en chat där jag kan bolla allmänna idéer med systemet. Det mesta som systemet genererar behöver förstås bearbetas för att kunna användas i klassrummet, men för de ämnen som jag testat får jag rätt bra förslag på lektionsplaneringar, övningsuppgifter och provfrågor, även om det mesta är på en lite för låg taxonomisk nivå för högre utbildning.

Här följer några fler exempel på liknande tjänster. De flesta är inriktade mot grundskolan, men de kan ändå vara intressanta att testa för oss som universitetslärare: Diffit, ConkerCuripodLesson LabMagicSchoolQuestionWellTeach AnythingThe Educator AI. Och stort tack till Organised Educator för alla tips.

Troligen kommer vi inte att använda just ChatGPT så mycket i framtiden. Istället kommer AI att bli en naturlig del i andra verktyg som vi redan använder. I vår kommer vi troligen få tillgång till Microsoft Copilot, vilket alltså innebär att vi kommer ha AI inbyggd i alla våra vanliga kontorsprogramvaror. AI kommer bli lika vanligt, lika självklart och lika irriterande som alla andra verktyg som en gång var nya. Och den som redan nu testar och utforskar möjligheterna kommer ha ett stort försprång i framtiden. Hur kommer du använda AI för att förenkla ditt arbete som lärare under vårterminen 2024?

 

Vad är naturligt?

Meanderslingorna i en flod och rotsystemet hos ett träd är båda resultat av naturliga processer. Vi kan förstås debattera vad som egentligen är “naturligt” tills korna kommer hem, men låt oss för ett ögonblick lämna den intressanta diskussionen därhän. Även om vi kanske inte förstår alla detaljer så inser vi att det någonstans finns en naturvetare som kan förklara för oss exakt vad det är som ligger bakom hur floder och rötter sprider ut sig. Vi tillskriver därför inte dessa processer några intentioner. Det ligger inget medvetande bakom att det ser ut så här. Det bara blir så. Det betyder inte att vi inte kan tycka att det är vackert. De flesta människor har förmågan att bli hänförda av både stora och små företeelser i naturen.

Konst, och andra kulturella artefakter producerade av människor, brukar vi däremot anta är resultatet av ett medvetet arbete, ofta med en tydlig intention. Även om grottmålningarna har flera tusen år på nacken är de med största sannolikhet gjorda av mänsklig hand. Och vi är rätt säkra på att nedanstående text är skriven av en människa, även om han kanske var ett udda exempel med ibland oklara intentioner.

Vi har länge trott oss lätt kunna avgöra vad som är producerat av en människa och vad som är resultatet av en naturlig process. Men med generativ AI kan vi inte längre vara helt säkra. Generativ AI kan producera många olika slags media som är förvillande likt något människoproducerat. Jag bad DALL-E producera “a cave painting, on a wall of stone, with crude images of wild animals in red-brown color” och fick något som mycket väl skulle kunna vara ett foto från någon sydeuropeisk grotta. Jag bad ChatGPT skriva “en kort inledning (runt 200 ord) till en roman och försök få det att låta som att August Strindberg hade skrivit den” och fick en text som visserligen innehåller ett par böjningsfel, men som har någon typ av mörkt stråk i sig.

Någonstans finns en datavetare eller ingenjör som kan förklara för oss exakt vad det är som ligger bakom att DALL-E producerar en grottmålning eller att ChatGPT skriver en inledning till en roman. Det går att bryta ner dessa processer i sina beståndsdelar, till ettor och nollor om man så vill. Det är inget magiskt eller mystiskt. Det är helt naturligt. Generativ AI har inga intentioner, inget medvetande. Intentionen sitter alltid hos den som håller i verktyget. Och mina intentioner med att välja just dessa exempel bland biljoner andra möjliga är att få dig att fundera över vad som egentligen är naturligt, vad som är äkta eller autentiskt. Och jag vill få dig att inse att vi nog behöver definiera om de här orden, eftersom världen numera är lite annorlunda.

Bilder från Wikimedia Commons (Marko Randjic, Vinayaraj, David Stanley).

AI och examination?

Vi får just nu många frågor till Didacticum som handlar om AI och högre utbildning. Det är ett tydligt tema på frågorna, nämligen textgenererande AI och fusk på oövervakade examinationer. Kort sagt, lärare vill veta hur de ska göra för att studenter inte ska använda ChatGPT som stöd när de ska skriva t ex hemtentamen och arbeten. Det här påminner mig om när jag gick på gymnasiet och det var Wikipedia som var “nytt”, oseriöst och okänt, och som vi absolut inte fick använda som källa. Nu, när Wikipedia funnits i många år, är det tvärtom självklart att de flesta börjar med att söka fram ett nytt ämne där för att få en överblick. Fördelen som Wikipedia har över generativ AI är dock att det finns referenser att följa bakåt för att kontrollera innehållet och ge en mer komplett och ingående bild av ämnet. Från t ex ChatGPT får du svar som låter säkra och korrekta, men det krävs betydligt mer arbete att validera uttalandet och bekräfta att den bild ChatGPT ger är sanningsenligt. Om du har tur kan du kopiera och klistra in det i en hemtenta, men risken är stor att svaret är otillräckligt eller rakt av fel. En vän kallade ChatGPT för “killgissning as a service” och jag är böjd att hålla med. Underhållande, men fullständigt opålitlig, speciellt när du närmar dig mer nischade områden än att ge en svepande bild av ett brett tema.

Men. ChatGPT har en enorm styrka, speciellt för mig som hatar kreativitet. Jag slipper skapa Någontinget från Ingentinget. Jag kan skriva en prompt till ChatGPT och få lite text, som jag kan använda, modifiera, inspireras av eller helt förkasta. Hur som helst så bryts det vita arkets skrivkramp och prestationsångest, och för mig är det som att jag får syn på mina egna tankar genom (de artificiella) ögonen på ChatGPT. Jag bad om ett blogginlägg om AI och examination i högre utbildning:

Och när jag läste det insåg jag det jag skrev i början av inlägget, nämligen att vi inte har lyft blicken från “tänk om studenter använder AI för att fuska på tentan”. Svaret fokuserar istället på hur AI kan användas för att bedöma svar och administrera stora mängder data. Svaret påpekar också att en generativ AI inte är bättre än det material den tränats på, och har samma bias som sagda material. Det är, i ChatGPTs fall, ett material vi inte har full insyn i och därför måste vi ta alla svar vi får från chattbotten med en nypa salt och en stor näve källkritik. Vi behöver också fråga oss om det finns implicita bias i svaren, och vad som inte finns med.

Det är just de sakerna vi behöver ta med oss, och också kommunicera till våra studenter. ChatGPT är inte ett dåligt verktyg, på samma sätt som Wikipedia inte är ett dåligt verktyg, men vi måste alla lära oss hur vi ska hantera de verktyg vi vill använda för att kunna utnyttja deras potential.

Lucka #21: Anna testar chat GPT: Inlämningsuppgifter till kurs

En viktig del av examinationer är det skrivna ordet. Olika typer av text, olika nivåer av tonalitet och möjlig verkshöjd. Det kan vara lite känsligt eftersom det går in på områden som rör plagiat och fusk – men chatGPT behöver testas även med den här typen av uppdrag. Hur ska vi annars förstå både utmaningar och möjligheter?

ChatGPT testades med olika frågetyper och nedan följer en rad med exempel:

  1. Vad är pomologi?

Svaret låter, utan direkta förkunskaper om ämnet rimligt, men saknar i den här versionen källor.

2. Vilka är de tre viktigaste händelserna i pomologins historia?

AI:t ger sig inte på någon tydlig värdering av vilka händelser som är viktigast, texten inleds med en slags disclaimer. Där skulle det behövas ett tydligare resonemang kring hur rangordningen skulle kunna baseras på. Återigen saknas källor som gör det möjligt att faktakolla texten.

3. Jämför olika odlingstekniker och redovisa vilken av dem som är mest problematisk utifrån ett hållbarhetsperspektiv.

Även här aktar sig AI:t för att göra någon typ av värdering. Exempel redovisas, återigen utan källor men med en stor bredd av svar som vid första läsningen låter rimliga.

4. Skriv en personlig reflektion kring betydelsen av frukt för dig

Detta blev en rätt generisk, smått högtravande hyllning till den hälsosamma frukten. Skulle du godkänt detta? Är tonen rimlig?

5. Skriv 3 frågor till en tenta om pomologi (nu vänder vi på det)

Nu har AI:t tidigare frågor kvar i minnet och det syns i svaren, lite intressant att den direkt skriver fem istället för tre frågor.

En första reflektion – ju mer specifika förberedelser som skrivs in i frågan, desto svårare för ett AI att ge ett användbart svar. Det kan t ex vara bra att vara tydlig med vilka källor som är utgångspunkten för svaret “Vad skriver Nordisk Familjebok och NE.se om pomologi och vilka är de största skillnaderna?” eller “letar reda på och beskriv vad källa X och källa Y skriver om pomologi”. Frågan är bara vad som sker när jag också matat in texterna som ska jämföras? Vad blir det för texter då?

Fortsättning följer!