Adaptive læringsverktøy og kunstig intelligens - noen tendenser

Adaptive læringsverktøy og kunstig intelligens i skolen – noen tendenser

Vi lever i en tid som er preget av meningsbrytninger omkring de kunnskapsmessige og etiske sidene ved kunstig intelligens og chatboter. Debatten foregår innen flere samfunnsområder og preges av usikkerhet hvor dette bærer hen for vår tradisjonelle forståelse av kunnskap, læring og danning. At chatboter, o.l. vil spille inn på flere områder i skolen fremover er de fleste samstemte om, men hvordan dette vil utspille seg mer spesifikt i undervisningen, i vurderingsformene og i elevens læring i grunnskolen er det fremdeles usikkerhet om. Og det er selvsagt ingen enkle svar på såpass komplekse spørsmål når området er preget av å være et «moving target» hvor teknologien utvikles med høy hastighet. Det kan likevel være viktig å se nærmere på noe av det kunnskapsgrunnlaget omkring bruk av adaptiv læringsteknologi og kunstig intelligens i skolefag man har fra de siste åtte årene i norsk skole. For hva skjer når adaptiv læringsteknologi blir vevd inn som en del av de mange læremidlene, digitale plattformene og metodene læreren bruker i matematikkundervisningen?  

Det er dette vi i forskningsgruppen Digitale Læringsfelleskap (UiB) har adressert og hvor man allerede har sett på noen av de problemstillingene som har dukket opp i kjølvannet av den store interessen omkring ChatGBT. Spesielt når det gjelder hvordan kunstig intelligens spiller inn på elevens daglige læringsarbeid både i, og utenfor skolen. Vi har hatt et blikk på ett av de adaptive læringsverktøyene som brukes i matematikk i norsk grunnskole gjennom tre delstudier. I de to første studiene er fokuset mer overordnet på teknologimplementering og digitale plattformer generelt, mens i den tredje studien ser vi mer spesifikt på dette adaptive læringsverktøyet. Dette er utviklet på grunnlag av teknologiplattformen til Knewton og deres algoritmebaserte, adaptive læringsverktøy som baserer seg på kunstig intelligens, maskinlæring og læringsanalyse (og brukes av over 40 millioner elever og studenter over hele verden).

Bakteppet for vår første studie var en litteraturgjennomgang om læringsanalyse og adaptive læringsverktøy (Krumsvik & Røkenes, 2016) og hvor man registrerte at det var gjort lite på dette området i grunnskolen her til lands. Så i vår første studie Everyday Digital Schooling – implementing tablets in Norwegian primary school (Krumsvik et al. 2018) så man blant annet nærmere på implementering av nettbrett fra 2014 og utover, og hvordan lærerens komplekse hverdagsundervisning med et mangfold av analoge, digitale – og adaptive læringsverktøy i matematikk, slo ut på ulike typer registerdata (nasjonale prøver, o.l.) og kvalitative observasjonsdata. Man fant for eksempel at for gutter i 3. klasse var det signifikante negative effekter matematikk, mens for gutter i 5. klasse var det signifikante positive effekter i matematikk. Men siden studien hadde et mer overordnet perspektiv kan man ikke si noe sikkert om dette skyldes den adaptive læringsteknologien, lærerens generelle undervisning, andre læremidler eller andre forhold. Observasjonsdataene fra den kvalitative delen viste imidlertid at dette adaptive læringsverktøyet ga en del nye muligheter for elevene å øve på faktakunnskaper, grunnleggende begrepsforståelse og mengdetrening i matematikk.

I vår andre studie Implementing Tablets in Norwegian Primary Schools. Examining Outcome Measures in the Second Cohort (Krumsvik et al. 2021) viste for eksempel signfikante positive effekter for Engelsk for gutter i 5. klasse, men blandede resultater i matematikk for både jenter og gutter. Så her var det heller ingen entydige funn omkring hvilken læringsmessige rolle adaptiv læringsteknologi hadde på tvers av barne- og ungdomsskolen i matematikk. Men et funn fra den kvalitative delen av denne studien var at hvordan adaptiv læringsteknologi ble anvendt i matematikk var knyttet til lærerens digitale kompetanse, samt at verktøyet ga nye muligheter for mengdetrening i matematikk på hjemmearenaen.

I vår tredje studie Glimpses Into Real-Life Introduction of Adaptive Learning (Moltudal et al, 2020) undersøkte vi mer spesifikt det adaptive læringsverktøyet og hjemmelekser i samarbeid med lærere (5.–7. trinn) i matematikk. Femten minutter med lekser med adaptive læringsverktøy hver dag eller totalt 60 minutter i uken ble brukt for å frigjøre tid til praktisk matematikk og dybdelæring med læreren på skolen. Elevenes kompetansenivå, læring, motivasjon og grunnleggende psykologiske behov ble målt kvantitativt før og etter den fire uker lange intervensjonen, og intervensjonen ble fulgt opp med kvalitative datainnsamling. Funnene i studien viste at adaptive læringsverktøy kan bidra til å ivareta mengdetrening og rote-læring i matematikk i hjemmearbeidet, og dermed frigjøre tid til praktisk matematikk og dybdelæring sammen med læreren i selve undervisningen. Studien indikerer imidlertid en sammenvevd sammenheng mellom læring, motivasjon og «volumtrening», samt noen fallgruver som lærere bør ha høy bevissthet rundt i sin klasseledelse. Studien viste at bruk av adaptive læringsteknologier til lekser på mellomtrinnet bidro signifikant positivt til elevenes grunnleggende læring i matematikk (ES= 0,39, P = 0,001). Elevenes egenrapportering viste imidlertid en diskrepans mellom elevenes oppfattede læringsutbytte (subjektivt læringsutbytte) og deres faktiske læringsutbytte (objektivt læringsutbytte) fra intervensjonen. Med andre ord – elevene trodde selv de lærte mindre, mens de faktiske lærte mer i denne intervensjonsperioden. Studien viste også viktigheten av lærerens klasseledelse når adaptive læremidler brukes av elevene på tvers av skolen og hjemmearenaen (Krumsvik 2023). Her, som ellers i skolen, var det digitalt kompetente læreres orkestrering og brede repertoar som synes å best ivareta det potensialet adaptiv læringsteknologi kan ha inn mot elevenes læring og formative vurderingsprosesser i matematikk.

På tvers av de tre delstudiene ser man at adaptiv læringsteknologi har et interessant, men foreløpig et noe uforløst potensiale i matematikk, men også rent forskningsmetodisk. For denne adaptive læringsteknologien kan bidra til å overvinne kjente reliabilitets- og validitetsproblemer ved egenrapportering generelt, samt av lekser i skoleforskningen (Rawson et al., 2017).  Internasjonalt etterlyses det mer oppmerksomhet om leksers kvalitet og elevenes innsats når de gjør lekser, heller enn egenrapportert tidsbruk. For eksempel viser forskningsfunn  (Rawson et al., 2017) at tidsbruk på oppgaver (den tiden man faktisk bruker på en hjemmeoppgave) er positivt korrelert med karakterer – og her har adaptive læringsverktøy bidratt til at man har unngått noen av de metodologiske fallgruvene tidligere lekseforskning har måttet håndtere. Hattie (2008) fant en gjennomsnittlig effektstørrelse på d = 0,38 i sin gjennomgang av fire metaanalyser der han undersøkte 135 eksperimentelle studier om tidsbruk på oppgaver. Mye tyder på at tidsbruken på selve oppgavene man gjør under leksene, er det essensielle og ikke den totale tidsbruken til lekser som ved selvrapportering ofte har vist seg å inkludere en del andre aktiviteter enn selve leksene (Rawson et al., 2017). Roschelle et al. (2016) fant i sin studie blant 2850 matematikkelever som brukte adaptive læringsverktøy og lekser som sentrale deler av intervensjonsgruppen, hadde høyere skårer ved en standardisert årssluttsvurdering i matematikk enn en kontrollgruppe som fortsatte med tradisjonelle lekser. Elever med lavest matematikkprestasjoner fra før hadde best utbytte av intervensjonen.

Selv om mulighetene er mange med kunstig intelligens, kan også slike adaptive læringsverktøy være et «minefelt» rent etisk og reise en rekke etiske og personvern messige spørsmål. Flere forskere uttrykker at filosofen Jeremy Bentham (1787)  og Michel Foucaults (1995) bruk av begrepet panoptikon kan gis en videre betydning i slike adaptive læringskontekster. Det kan gå ut over både etikk og personvern at vi får tilgang til såpass mye informasjon om elever som benytter slike adaptive læringsverktøy og derfor må GDPR “sitte i førersetet” når kunstig intelligens implementeres i skolen.

I tiden fremover blir det trolig viktig å løfte frem distinksjonen mellom generiske språkteknologiske verktøy som ChatGBT og digitale artefakt som adaptive læringsverktøy spesifikt utviklet for skolefagene i skolen. Sistnevnte er artefakt utviklet intensjonelt og kontekstuelt med tanke på læreplanen, kompetansemål, undervisning og vurdering, mens førstnevnte ikke har noe av dette ennå. Slike digitale adaptive artefakt blir dermed «bærere» av innsikter fra pedagoger (artefaktet er tunet inn på skolens kontekst, læreplan, kompetansemål), fra jurister (artefaktet må ivareta personvernet og GDPR), fra informatikere (skolelæringsverktøyet bygges på toppen av en generisk teknologisk plattform), fra forlag (det adaptive læringsverktøyet er utviklet sammen med en fysisk lærebok i matematikk). Det betyr ikke nødvendigvis at de alltid fungerer bedre enn andre digitale verktøy – det er helt opp til lærerens pedagogiske repertoar og elevenes bruk av artefaktet. Fra våre studier ser man at dette ofte henger sammen med lærerens og elevens digitale kompetanse og man trenger derfor i tiden fremover teoretiske «linser» for å kunne forstå hva det er som konstituerer den digitale kompetansen i skolen og i lærerutdanningen  (Krumsvik 2012) når digitale adaptive artefakt anvendes.

 Selv om kunnskapsgrunnlaget internasjonalt omkring adaptive læringsverktøy viser lovende tendenser, så betyr selvsagt ikke dette at adaptive læringsverktøy alltid fungerer bedre enn andre analoge og digitale verktøy – det er helt opp til lærerens pedagogiske repertoar og hvordan elevene bruker det adaptive læringsverktøyet. Fra våre forskningsstudier ser man at dette ofte henger sammen med lærerens digitale kompetanse og klasseledelse (Krumsvik 2012,  Moltudal et al. 2019), samt evnen til å differensiere undervisningen når denne type adaptiv læringsteknologi blir anvendt.