AI är som en ___
Gör deltagarnas egna föreställningar synliga innan något annat sägs — och låt dem upptäcka de fyra rollerna själva i stället för att få dem serverade.
Vi möter inte AI blint. Metaforen vi bär avgör vad vi litar på.
WORKSHOP
Workshop — från föreläsning till klassrum
Det här är en färdig workshop som du kan hålla i själv. Den bygger på föreläsningen ”Detta behöver eleverna veta om AI”, men den fungerar utan den — allt du behöver veta står på sidan. Deltagarna kör övningarna själva, i en ordning där varje moment vilar på det förra, och går därifrån med material de kan använda i sitt eget klassrum i nästa vecka.
Be deltagarna ta med en riktig uppgift ur sin egen undervisning till sektion 3 — helst en de faktiskt ska ge, och helst en de är osäkra på. Det är den enda förberedelse som krävs av gruppen, och den gör skillnad: utan egen uppgift blir sektionen en demonstration, med en blir den ett beslut de tar med sig hem. Finns ingen egen uppgift går det att köra på ett färdigt scenario.
Halvdagen kan kortas till nittio minuter genom att ta sektion 1 och 2, köra sektion 3 på ett färdigt scenario i stället för deltagarnas egna uppgifter, och välja fyra av tolv scenariopar i sektion 4. Ordningen ska däremot inte kastas om — se nedan.
Ordningen är inte godtycklig. Sektion 1 visar HUR ett AI-beteende uppstår, och det gör sektion 2 begriplig i stället för skrämmande: det som ser ut som lögn är samma mekanism som producerar sanningen. Sektion 4 kräver båda — man kan inte avgöra vad ett system BÖR få göra utan att veta vad det gör och varför.
En kort öppning innan mekaniken. Argumentet är att vi inte möter AI blint — vår föreställning om vad den är styr hur vi använder den, vad vi litar på och vad vi aldrig tänker ifrågasätta. Föreläsningen ägnar sextio minuter åt just det, så för den som var där är detta en kvittering. För den som inte var det är det ramen.
Gör deltagarnas egna föreställningar synliga innan något annat sägs — och låt dem upptäcka de fyra rollerna själva i stället för att få dem serverade.
Vi möter inte AI blint. Metaforen vi bär avgör vad vi litar på.
Först mekanismen, analogt och utan skärmar. Deltagarna upplever inifrån hur ett beteende uppstår ur belöning — och möter sedan samma sak i verktyget. Ordningen är bärande: den som känt anpassningen i kroppen läser sykofantiska AI-svar med helt andra ögon.
Producera mekanismen i rummet i stället för att förklara den. Runda ett visar att beteende formas av belöning; runda två gör att det formade beteendet blir medhåll.
Ingen bad modellen att bli inställsam. Vi byggde bara ett system där inställsamhet lönade sig.
Samma mekanism, nu i skarpt läge. Deltagarna ställer samma situation på två sätt och ser modellen byta hållning — efter att just ha varit belöningssignalen själva.
Inramningen påverkar svaret, även när situationen är densamma.
Tre stationer i en medveten ordning: först en misslyckandeupplevelse, sedan mekanismen bakom fabricerade belägg, sist produktionen. Att själv tillverka det man ska genomskåda är prebunkingens starkaste grepp — och det är samma logik som källkritikworkshopens ”Bygg själv”-kapitel vilar på.
Öppna med ett misslyckande. Deltagarna gissar på bilder, ljud och video — och upptäcker att blicken inte räcker. Det är förutsättningen för allt som följer.
Det går inte att ”se” vad som är AI.
Pedagogisk gissningslek där du laddar upp eller länkar bilder, video, ljud eller musik — först får DU gissa om innehållet är AI-genererat, sedan ser du tjänstens bedömning. Bra som komplement: kör övningen först med magkänslan, kör sedan samma material genom Sightengine och jämför. Notera när tjänsten själv tvekar — det är ofta där eleverna också missar.
Fyra hörn, inga skärmar: Endast AI, AI som stöd, Endast människa eller Osäker — var ställer du dig när uppgiften är att skriva kondoleans till farmor?
Från bild till påstående. AI kan skapa något som LÅTER som belägg utan att innehållet är sant — och det avgörande momentet är inte att misstänka, utan att lämna chatten och kontrollera.
Ett välformulerat svar är inte ett belägg. AI:s säkerhet är en stil.
Visa realtidsvarianten först, låt sedan alla göra en egen. Den som byggt en deepfake på trettio sekunder kan aldrig mer tro att det krävs en filmstudio.
Prebunking genom produktion: att bygga greppet är att genomskåda det.
De tre första sektionerna handlade om vad AI gör. Den här handlar om vad eleven gör — och den byter arbetsform. I stället för övningar deltagarna provar tar de med sig en riktig uppgift ur sin egen undervisning och fattar beslut om den, moment för moment. Det är också sektionen som besvarar frågan som hänger kvar från sektion 2: om det inte går att upptäcka AI-text, vad gör man i stället? Svaret är inte bättre detektion utan bättre uppgifter.
Grupperna tar en riktig elevuppgift, bryter ner den i arbetsmoment och avgör för varje moment vem som bär vad. Upptäckten kommer nästan alltid vid nedbrytningen: en enda AI-regel för hela uppgiften döljer exakt vilka tankehandlingar som lämnas över.
”AI tillåtet” och ”AI förbjudet” är samma sorts svar på fel fråga. Frågan är vilket moment.
Om gruppen inte har en egen uppgift med sig. Kvalitetssäkrade exempel i historia, matematik, samhällskunskap, bild och biologi som går att anpassa.
Bryt ner en riktig inlämningsuppgift i delsteg och bestäm per steg: AI, inte AI, eller AI med villkor.
Samma uppgift, ändrade omständigheter. Situationskorten tvingar fram omprövning — och sedan jämför grupperna sina MOTIVERINGAR, inte sina placeringar. Två grupper som landat olika har ofta båda rätt, och det är i skillnaden mellan skälen som det professionella samtalet finns.
Ett beslut som inte går att ompröva när situationen ändras var aldrig ett beslut. Det var en regel.
Knyter ihop med sektion 2. När en inlämnad produkt inte längre ensam kan bära ett bedömningsbeslut är svaret inte att försöka avslöja AI — det är att hitta ett närliggande sätt att se samma kunnande. Muntligt försvar, en processlogg, en kort uppgift bredvid.
Frågan är inte ”skrev eleven det här själv?” utan ”vet jag att eleven kan det här?”
Metod ur metodbanken — eleven bygger en AI som förhör utan att ge svaret. Kortare ingång om ni inte hinner med BÄRA.
Metod ur metodbanken — Jag–AI–Jag konkretiserat till fyra saker eleven gör.
Elevpar sorterar skrivprocessens moment i grönt, gult och rött: var är AI-hjälp självklar, var kräver den villkor — och vad måste vara mitt? Sen avslöjas lärarens sortering.
Sista sektionen kräver de tre föregående. Man kan inte avgöra vad ett system BÖR få göra utan att veta vad det gör och varför det gör så. Tolv scenariopar på en skala mellan ja och nej — hälften verkliga system som erbjuds skolor i dag, hälften hypotetiska.
Varje par ändrar exakt en variabel. Deltagarna upptäcker att svaret hänger på något de inte hade formulerat — och att den variabeln ofta är densamma genom hela materialet.
Vad AI kan göra avgör inte vad AI bör göra. Vem bestämmer vilket?
Fyra lektioner: kartlägg hur klassen faktiskt använder AI, fördjupa er i knäckfrågorna, skriv policyn på en sida — och presentera den för rektorn på riktigt.
AI-labben skriver produktblad om sina modellers brister. Nu gör dina elever samma sak — för verktygen de använder varje dag.
Det finländska materialet som formatet är hämtat från (CC BY-NC-SA 4.0). Deras egna scenarier fungerar utmärkt som komplement.
Samma mening som föreläsningen slutar i, fast skriftligt och med en undervisningsidé bredvid: det viktigaste mina elever behöver förstå om AI är … — och sedan: det första jag ska pröva är … Sätt en tidsgräns på två veckor. Den som skriver ner ett datum gör det oftare.
Bygg en spellista att ta med hem