Bildet: Modellen er modifisert av Marianne Hagelia ved Høgskolen i Østfold, 3.desember 2024. Du finner her en word-fil som kan leses av blinde.

Hvordan kan chatboter støtte studenters læring – og hva må studenten fortsatt gjøre selv? Ved hjelp av Blooms taksonomi viser vi hvordan KI kan fungere som en læringsassistent, og hvilke læringskapasiteter som fortsatt er menneskelige og må utvikles gjennom aktiv læring. Vi skal se på hvordan chatboter kan brukes i læreprosesser, belyst gjennom Blooms taksonomi. Hva kan chatbots hjelpe med og være for en student og hva forventes det av studentene? Chatboten kan være en læringsassistent ved å støtte og tilpasse seg dine behov, og hjelpe deg i læringsprosessen. Den kan hjelpe deg å finne, forklare og veilede deg, samt hjelpe deg med analyser og inspirere i dine kreative prosesser. Men da dukker det også opp spørsmål som; Hva er chatbotens rolle og hva er ditt ansvar som student?

Hva er Blooms taksonomi?

Ved å ta i bruk Blooms taksonomi, et rammeverk for ulike nivåer av kunnskap, kan vi synliggjøre hvordan chatboter påvirker ditt læringsarbeid; Hva chatbot kan være for deg i ditt læringsarbeid, og hva som forventes av deg som student i høyere utdanning. På samme måte kan du bruke dette ute i skolen - vi forventer fortsatt at elever kan gjengi informasjon, at denne kan bruke kunnskap og ferdigheter. Se på Blooms taksonomi i bildet over, den har seks nivåer, og hvert nivå er mer komplekst enn det forrige. Taksonomien brukes i utdanning for å utvikle læringsutbytter, undervisningsmetoder og for å vurdere studenters prestasjoner. Taksonomien hjelper undervisere å planlegge og i andre enden lede studenter gjennom utdanningen, fra enkle oppgaver som å huske fakta, til mer komplekse oppgaver som kritisk tenkning og problemløsning.

Når du ser på modellen over her kan det se ut som om at de nederste nivåene er mindre viktig enn de øverste. I noen fagfelt er ferdigheter å huske, forklare og ta i bruk svært viktige, som i matematikk og språk. Årsaken til at denne modellen ser sånn ut er at man faktisk må kunne huske, forstå og bruke noe før man kan analysere, vurdere og skape noe. Du må i alle fag vite noe før du kan bruke, så nivåene er faktisk viktige for hverandre. Men du kan også skape noe før du kan alt, eller mye, i et fag og derfor har det også vært en diskusjon om «å skape» burde ha vært flyttet noe ned i hierarkiet. En førsteklassing i barneskolen kan lage en film om bier med iPaden sin, da har denne vært kreativ og skapt noe om bier som denne har begrenset kunnskap om. I skapelsen vil man lære mer. Det er i dag blitt mer vanlig å skape noe tidlig i fag, å skape er jo en læringsprosess i seg selv. De tre nederste trinnene i bygger på hverandre, rent hierarkiske, men de tre øverste er mer likeverdige. Det er alltid noe kritikk av slike modeller, og Blooms har også sine. Noen mener at de ulike nivåene i hierarkiet sjelden opptrer så separat som de fremstilles i modellen, men snarere opptrer om hverandre i læringsprosessen. Men husk: En modell er alltid stivnet praksis, de er et øyeblikksbilde, laget for at vi skal forstå komplekse prosesser.

Hvorfor bruke taksonomien med KI?

Blooms taksonomi hjelper oss å forstå samspillet mellom menneskelig læring og KI-teknologi. Chatboter kan støtte mange nivåer i læringsprosessen, men ikke erstatte studentens ansvar for refleksjon, kritisk tenkning og kreativ problemløsning. I klasserommet gir modellen et felles språk for å diskutere hvordan og når vi bruker KI – og når vi ikke gjør det. Taksonomien kan hjelpe deg som student med å forstå hva som (FORTSATT) forventes av deg i ditt læringsarbeid.

I dag brukes chatboter som læringsassistenter i utdanning og da må vi kjenne til deres kapasiteter. Ved å koble Blooms taksonomi med chatbotens kapasiteter, kan vi se hva chatboten faktisk kan gjøre – og hva som fortsatt forventes av studenten. Chatboter kan være nyttige på alle nivåer i Blooms taksonomi. De kan støtte studenter ved å:

forklare fagstoff på ulike måter (huske og forstå)
finne frem informasjon og lage quizer (huske)
forklare begreper og svare på spørsmål (forstå)
foreslå hvordan du kan bruke kunnskap i nye situasjoner (bruke)
stille refleksjonsspørsmål og gi tilbakemeldinger (analyse og vurdere)
hjelpe til med å analysere data eller strukturere kunnskap (analyse)
hjelpe deg å analysere informasjon (analysere)
gi tilbakemelding og stille refleksjonsspørsmål (vurdere)
foreslå nye ideer eller løsningsforslag (skape)
inspirere til kreativ tenkning og hjelpe deg med å løse problemer (skape)

I klasserommet kan vi bruke denne til å gå gjennom og diskutere: Hva forventer vi at dere elever (FORTSATT) skal kunne? Når bruker vi chatboter? Når gjør vi det ikke? Hvorfor? Hvordan kan elever vise sin kreative tenkning sammen med KI? Hvordan kan elever vise sin problemløsningsevne - eller rett og slett vise at de har kunnskap i faget? Og her er vi ved kjernen i den vanskelige KI-debatten i skolen. Våre vurderings- og skoleoppgaver er laget for en annen tidsalder og vi har svært vanskelig for å hurtig endre praksis.

I det neste skal vi se på mer avansert ledetekster.