Hon lät AI bli sin tankepartner i klassrummet – nu ifrågasätts om skolan mäter rätt saker
En lärare tog AI till klassrummet – nu ifrågasätts om skolan mäter rätt saker.
Från skepticism till samtalspartner
Det är lätt att prata om AI som en pedagogisk revolution. Det är svårare att vara lärare på en resurssvag skola där hälften av eleverna inte kan logga in på skolplattformen för att nätverket krånglar – och ändå försöka hänga med i teknikutvecklingen.
Det är precis den verkligheten som beskrivs i en personlig berättelse hos EdSurge, där en lärare skildrar hur hon sökte sig till programmet GenerationAI – ett initiativ som samlar lärare i yrkesgemenskaper för att utforska hur artificiell intelligens kan stödja undervisning. Hennes fokus: hur AI kan stärka skrivförmågan hos elever med svenska – eller engelska – som andraspråk.
Hon var skeptisk från start. Löftena om en total skolrevolution kändes avlägsna från hennes vardag. Men nyfikenheten tog överhanden, och den insikt hon lyfter fram är lika enkel som den är genomtänkt: hon behövde inte bemästra AI innan hon kunde använda det väl. I stället behandlade hon det som en samtalspartner – ett stöd för kreativt tänkande, inte ett substitut för sin egen pedagogiska kompetens.
Det är en distinktion som är värd att stanna upp vid. AI som tankepartner innebär att läraren behåller initiativet och omdömet, medan tekniken bidrar med alternativa perspektiv, omformuleringar och idégeneration. Det är inte automatisering av undervisning – det är ett nytt slags kollegium, tillgängligt dygnet runt.
Men vad mäter vi egentligen?
Parallellt med att lärare börjar integrera AI i klassrummet pågår en annan, mer teknisk diskussion: hur vet vi att de AI-verktyg vi använder faktiskt gör det de påstår sig göra?
Där kommer ett nytt verktyg från Allen Institute for AI in i bilden. BenchMIRT, som rapporteras om på Hugging Face Blog, använder teknik hämtad från psykometrin – läran om hur man mäter mänskliga förmågor utifrån svarsmönster – för att analysera vad AI-riktmärken faktiskt mäter. Verktyget tränades på resultat från hundra stora språkmodeller, sexton riktmärken och över 34 000 frågor.
Resultaten är tankeväckande. Riktmärket BBQ, som är utformat för att mäta om AI-system förlitar sig på sociala fördomar, visade sig i praktiken hänga samman med allmänt logiskt resonemang snarare än säkerhetsbeteende. Det betyder att en modell kan få lågt betyg på BBQ inte för att den är partisk – utan för att den helt enkelt har svårt att förstå frågornas formulering.
På liknande sätt innehåller riktmärket WildJailbreak, som testar hur väl modeller motstår skadliga uppmaningar, en blandning av signaler där harmlösa kontrollfrågor mäter något helt annat än de skadliga frågorna gör.
Kopplingen till klassrummet är inte slumpmässig
De två berättelserna hänger ihop på ett sätt som är lätt att missa. När läraren i EdSurge-artikeln väljer att använda AI som tankepartner, fattar hon ett välgrundat pedagogiskt beslut baserat på sin egen erfarenhet och sina elevers behov. Hon är i kontroll.
Men om de AI-verktyg hon – och hennes elever – använder utvärderas med riktmärken som mäter fel saker, tappar vi greppet om vad tekniken faktiskt kan och inte kan. En modell som ser bra ut på ett säkerhetstest kanske inte alls är säker. En modell som verkar hantera logiskt tänkande kanske i själva verket är bra på att gissa mönster i testfrågor.
För utbildningssektorn är det här inte en abstrakt forskningsfråga. Det är en fråga om tillit. Lärare, rektorer och huvudmän som väljer AI-verktyg behöver kunna lita på att de löften som utfärdas om dessa verktyg faktiskt stämmer. BenchMIRT är ett steg mot att kunna göra den bedömningen med bättre underlag.
En möjlighet, men med öppna ögon
Jag ser genuint fram emot den framtid där varje lärare har tillgång till en outtröttlig samtalspartner som hjälper dem att bli bättre pedagoger – oavsett om de arbetar på en resursstark friskola eller en hårt ansatt kommunal gymnasieskola. Den potentialen är verklig.
Men vi behöver bygga den framtiden med bättre mätinstrument. Precis som vi inte skulle nöja oss med ett matematikprov som egentligen testar läsförståelse, bör vi inte acceptera AI-riktmärken som mäter något annat än vad de påstår. Verktyg som BenchMIRT är därför inte bara intressanta för AI-forskare – de är grundläggande infrastruktur för ett utbildningsväsende som ska kunna fatta välgrundade beslut om vilken teknik som faktiskt hjälper eleverna.
Vår analys
De två nyheterna pekar tillsammans mot en central spänning i AI:s intåg i skolan: autonomi kontra granskning. Läraren som omfamnar AI som tankepartner tar makten över sin egen professionella utveckling – det är en positiv signal om att tekniken kan demokratisera tillgången till pedagogiskt stöd, särskilt på resurssvaga skolor.
Men BenchMIRT-forskningen påminner oss om att vi fortfarande saknar tillförlitliga sätt att bedöma vad AI-system faktiskt gör. Det är ett strukturellt problem: om utvärderingsverktygen är bristfälliga, riskerar beslutsfattare att välja verktyg av fel anledningar.
Utvecklingen pekar mot att psykometrisk metodik – ett område med lång historia inom utbildningsforskning – kommer att spela en allt viktigare roll i AI-utvärdering. Det är en oväntat men logisk brygga mellan utbildningsvetenskap och maskininlärning. På sikt kan det leda till mer ärliga och användbara kvalitetsstämplar för de AI-verktyg som når våra klassrum.