Etter over to års eksperimenter med generative språkmodeller og samtalebaserte grensesnitt – gjerne omtalt som chatboter – trer kunstig intelligens (KI) inn i en ny og mer gjennomgripende fase i høyere utdanning.
Den preges av agentisk KI, det vil si systemer som ikke bare reagerer på enkle kommandoer. De kan utføre mer sammensatte oppgaver i sekvens, parallelt og i samsvar med komplekse mål.
Systemene kan hente inn nytt fagstoff, sammenfatte og sammenligne kilder, diskutere relevans og pålitelighet, utvikle strukturerte drøftinger, foreslå handlingsplaner og løsningsstrategier, gjennomføre statistiske analyser, oversette mellom språk og tilpasse innhold til ulike målgrupper.
Dette krever analytisk og redaksjonell ferdighet med god sans for språkets rytmer. Men den akademiske skriftkulturen og studentenes læringsarbeid blir utfordret, – ikke bare i form, men i funksjon og forståelse av kunnskapsarbeidet.
Dette får to betydelige konsekvenser:
- Forskningsarbeider konsentreres til sine funn der artiklene om dem reduseres til mer sjablongmessig registrering av metode, utvalgsteknikk o.l. Denne stiliserte faglitterære retorikken kan et godt stykke på vei håndteres av KI og gir derfor mindre tileggsverdi.
- Utviklingsarbeidet konsentreres til sine faktiske resultater, – ikke omtalen, refleksjonsnotater o.l. som KI kan bidra med i voksende omfang.
Kvalfisering vil i større grad vurderes på grunnlag faktiske funn og operative resultater, ikke fortellingene om dem.
Ut over felleskravene er dette de overordna formuleringene som gjelder opprykk i dosentstigen:
Uavklarte praksiser
Selv om det finnes en voksende bevissthet, går KI-bruken fortsatt under radaren.
- Studenter anvender KI til forberedelse, skriving og etterarbeid – ofte uten åpenhet eller refleksjon om verktøyets rolle.
- Undervisere bruker KI i veiledning, vurdering og utvikling av undervisningsopplegg, men også dette skjer som regel uten institusjonell forankring eller felles praksis.
Mange mangler språk for å beskrive hvordan KI griper inn i faglige prosesser. Dermed får ikke utdanningsinstitusjonene det nødvendige grunnlaget for å utvikle rammer, støtteverktøy og vurderingsformer.
Utviklingen av teknologier som effektivt skriver om på maskinelt generert tekst slik at den fremstår som menneskeskapt, bidrar ytterligere til uoversiktlige praksiser. Systemene utfordrer tradisjonelle metoder for vurdering og kvalitetssikring. Når det blir umulig å avgjøre om en tekst er KI-generert eller ikke, svekkes grunnlaget for individuell vurdering og tilliten mellom studenter, undervisere og utdanningsinstitusjon.
Dette aktualiserer behovet for nye pedagogiske og institusjonelle grep som anerkjenner KI som integrert del av kunnskapsarbeidet, heller enn å forby eller skjule bruken.
Nasjonal infrastruktur
Teknologiske, politiske og kulturelle trender gjør det nå maktpåliggende å få på plass nasjonale løsninger for utvikling og drift av slike systemer. Uten demokratisk kontroll og transparens kan befolkningen miste tilliten til KI-systemene, og dermed avstå fra å ville styre bruken av dem. Samtidig åpner det for risiko knyttet til overvåking, manipulasjon og politisk innflytelse fra regimer med autoritære trekk. Offentlig forankrede, språklig og kulturelt tilpassede språkmodeller kan sikre at utdanningssektoren har tilgang på teknologi som er pålitelig og utviklet for å støtte læring og samfunnsutvikling.
Systematisk FoU (ikke bare F)
Forskning på mikronivå – for eksempel casestudier av enkeltkurs eller individuelle studentpraksiser – gir verdifulle innblikk, men begrenset skalerbarhet. Det er behov for eksperimentelt utviklingsarbeid der teknologi, pedagogikk og institusjonelle væremåter utforskes og integreres. Det trengs innsats på institusjons- og sektornivå der det utvikles nye former for vurdering, veiledning, skriftlig produksjon og læringsfellesskap. Det må være operativt og praksisnært i bredden. Da kan resultatene omsettes inn i en kompleks høyere utdanning.
Kunstig intelligens forandrer ikke bare verktøyene vi bruker, men viktige deler av kunnskapsarbeidet. Universitets- og høgskolesektoren kan ikke forholde seg passivt eller reaktivt. Eksperimentelt utviklingsarbeid for opprykk til førstelektor og dosent kan gi gode bidrag.
