Debatt ● Debasish Ghose og Eivind Brevik
Får studenter og ansatte faktisk opplæring i bruk av KI?
Mens KI allerede er en del av arbeidslivet, mangler høyere utdanning fortsatt helhetlige pedagogiske modeller for hvordan KI skal undervises i, brukes og vurderes.
Publisert
Denne teksten er et debattinnlegg. Innholdet i teksten uttrykker forfatterens egen mening.
Vi er enige i hovedpoenget i Svanhild Kristine Berntsens nylige innlegg «Å lære å lære med KI er viktigere enn å skrive uten KI». Å flytte oppmerksomheten fra forbud og kontroll til læring og kompetanse er helt avgjørende. Samtidig vil vi supplere denne analysen med et spørsmål som sjelden besvares i praksis: Hva krever det institusjonelt å faktisk lære studenter å lære med KI?
Kunstig intelligens spiller allerede en aktiv rolle i hvordan studenter skriver, analyserer data, utvikler programvare og støtter beslutningsprosesser. Læring skjer i økende grad i samspill mellom mennesker og algoritmiske systemer.
Samtidig har institusjonenes respons i stor grad vært preget av regulering snarere enn utdanning. Mange universiteter har innført KI-retningslinjer, erklæringer om akademisk integritet og deteksjonstiltak. Langt færre har systematisk integrert KI-kompetanse i studieplaner, læringsutbytter og vurderingsformer.
Mens KI allerede er en del av arbeidslivet, mangler høyere utdanning fortsatt helhetlige pedagogiske modeller for hvordan KI skal undervises i, brukes og vurderes.
De første institusjonelle reaksjonene på generativ KI er forståelig. Vi har vært opptatt av å ivareta akademisk integritet. Men når ansvaret for KI-bruk i stor grad overlates til den enkelte underviser, oppstår det betydelige forskjeller mellom emner og studieprogrammer.
For studentene skaper dette usikkerhet. For underviserne, utrygghet. For institusjonene, fragmentering.
Pedagogiske grep som KI-erklæringer, refleksjonsnotater eller dokumentasjon av arbeidsprosesser kan være nyttige. Men de kan ikke stå alene. Å lære å lære med KI forutsetter at studentene faktisk har faglig forankret KI-kompetanse å reflektere over.
Til tross for økende eksperimentering, får mange studenter fortsatt lite strukturert opplæring i:
- hvordan KI-systemer blir utviklet og tatt i bruk
- hvordan usikkerhet og skjevheter kan oppstå i KI-modeller
- hvordan man kan gjøre KI-systemer forståelige og etterprøvbare
- hvordan resultater fra KI må vurderes, kontrolleres og kvalitetssikres
- hvordan etiske, juridiske og samfunnsmessige hensyn må ivaretas i praktisk bruk av KI
Samtidig forventes det ofte at faglig ansatte skal veilede KI-støttede master- og doktorgradsarbeider og vurdere KI-påvirkede innleveringer uten systematiske tilbud om kompetanseutvikling.
Resultatet er et paradoks: KI er utbredt i akademisk praksis, men ujevnt forankret i utviklingen av reell KI-kompetanse i formell utdanning.
Dersom ambisjonen om å lære studenter å lære med KI skal tas på alvor, må den følges opp med mer enn gode intensjoner og enkeltstående pedagogiske grep. Det krever institusjonelle investeringer i kurs, læringsutbytter, vurderingsformer og kompetanseutvikling.
Dette innebærer blant annet:
- langsiktig forskning på forklarbar og pålitelig KI
- dedikerte emner på master- og ph.d.-nivå
- strukturerte opplæringstilbud for faglig ansatte
- koordinering på tvers av studieprogrammer og fagområder
Uten slike tiltak risikerer utviklingen av reell KI-kompetanse å forbli fragmentert og avhengig av individuell innsats.
Ved Høyskolen Kristiania adresserer vi denne utfordringen gjennom det HKDIR-finansierte prosjektet SAIL-MC (Sustainable AI Literacy in Higher Education through Multilateral Collaborations).
Prosjektet er ikke et policyinitiativ, men et utdannings- og forskningsdrevet samarbeid med klart definerte leveranser.
SAIL-MC omfatter blant annet:
- felles universitetskurs på master- og ph.d.-nivå
- systematisk integrering av forklarbar og pålitelig KI i studieplaner
- internasjonal studentmobilitet med masterstudenter og ph.d.-kandidater (Norge, India, Sør-Korea)
- faglig mobilitet og felles undervisning mellom Norge, Sør-Korea og India
- årlige workshops og seminarer om KI i helse, bærekraft og digitale tjenester
- felles forskningspublikasjoner om transparens, ansvarlighet og menneskesentrert KI
Gjennom disse aktivitetene behandles reell KI-kompetanse som en målbar akademisk ferdighet — ikke som noe studentene forventes å tilegne seg på egen hånd.
Poenget er ikke at alle institusjoner skal kopiere én bestemt modell, men å vise at det er mulig å gå fra prinsipielle diskusjoner til systematisk opplæring i KI som akademisk kompetanse.
Læring skjer ikke automatisk gjennom tilgang til verktøy. Det krever strukturert undervisning, forskningsbasert pedagogikk, kompetansebasert vurdering og tydelig institusjonelt ansvar.
