Hvordan foreldres forventninger former barna
Marlis M. Schneider disputerer for PhD-graden ved NHH 4. september med avhandlingen «Essays on Belief Formation in the Family».
KI kan gi bedre karakterer, men svakere studenter
Vi står overfor et grunnleggende spørsmål: hvordan kan vi vite at studentene har lært det vitnemålet deres påstår at de kan?
I en tidligere kronikk argumenterte jeg for at vi forbereder studentene på en arbeidsverden som er i ferd med å forsvinne. Men før vi kan utdanne oss for en ny virkelighet, må vi vite om studentene faktisk lærer eller om de bare leverer bedre tekster med KI.
Universiteter og høgskoler møter nå en studentkohort formet av en teknologi vi fortsatt vet for lite om konsekvensene av. Ny forskning gir grunn til bekymring: KI kan løfte karakterene på hjemmeoppgaver, samtidig som den svekker læringen som skal dokumenteres når studentene arbeider på egen hånd, dvs. på eksamen, i bacheloroppgaven og i møtet med veilederen.
Hvorfor noen velferdstiltak virker bedre enn andre
Pallavi Prabhakar disputerer for PhD-graden ved NHH 28. august med avhandlingen «Essays on Development Economics and Public Service Delivery».
En ny studie av 26 811 kinesiske elever fra ungdomsskolen og videregående skole fulgte deltakerne i 30 måneder. Forskerne utnyttet at KI ble tatt i bruk på ulike tidspunkter, slik at de bedre kunne skille effekten av KI fra andre forhold som påvirker elevenes resultater.
Funnene er oppsiktsvekkende. KI-bruk økte resultatene på hjemmeoppgaver med 18 prosent og reduserte tiden brukt på dem med 30 prosent. Samtidig falt resultatene på månedlige, lukkede prøver med 20 prosent i løpet av seks måneder. På gaokao, den kinesiske opptaksprøven til høyere utdanning, falt resultatene med 24 prosent. Den fulle effekten ble først synlig etter om lag to år.
Dette er ikke en fortelling om barn, skjermtid og skolearbeid. Det handler om hvem som kommer til universitetene og hvilken selvstendig kompetanse de faktisk har med seg.
Om lag 80 prosent av KI-brukerne i studien viste det forskerne omtaler som «homeworkoutsourcing»: De brukte uvanlig kort tid på oppgavene, men oppnådde samtidig uvanlig høye resultater. Mønsteret tyder på at KI i stor grad løste oppgaven for eleven, snarere enn sammen med eleven. Det var i denne gruppen at læringstapet var konsentrert. De 20 prosentene som brukte KI uten å redusere egen arbeidsinnsats vesentlig, hadde små læringstap.
Poenget er ikke at KI i seg selv svekker læring. Problemet oppstår når teknologien blir en erstatning for den kognitive anstrengelsen læring krever.
En gjennomgang fra Stanford SCALE Initiative av mer enn 800 studier om KI i utdanning peker i samme retning, men også på en viktig begrensning: det finnes fortsatt få solide årsaksstudier. Bare 20 studier oppfylte forskernes kvalitetskrav. Gjennomgangen understreker dessuten at gode resultater mens KI er tilgjengelig, ikke nødvendigvis betyr at studentene lærer noe som varer når hjelpemiddelet tas bort.
Dette bør få konsekvenser for norsk høyere utdanning. Vi kan ikke lenger anta at en god hjemmeeksamen, en gjennomarbeidet innlevering eller en velformulert tekst dokumenterer hva studenten selv behersker.
Når KI er tilgjengelig gjennom hele arbeidsprosessen, må vurderingsformene i større grad fange opp selvstendig tenkning, faglig forståelse og evnen til å anvende kunnskap uten kontinuerlig teknologisk støtte.
For det første bør uassistert prestasjon få større vekt. Muntlig eksamen, lukkede prøver, praksisnære oppgaver og samtaler om studentens eget arbeid bør ikke være et nostalgisk tilbakeslag. De er nødvendige virkemidler for å undersøke hva studenten faktisk kan.
For det andre må institusjonene gjøre mer enn å forby eller tillate KI. De bør utvikle pedagogiske rammer for bruk av teknologien. KI-verktøy som gir hint, etterspør begrunnelser og støtter trinnvis problemløsing, kan ha en annen funksjon enn åpne chatboter som leverer ferdige svar. Forskningen gir ikke grunnlag for en enkel enten-eller-politikk, men den gir et tydelig varsel mot ukritisk bruk.
For det tredje må vi vurdere virkningene over tid. Den mest alvorlige effekten i den kinesiske studien ble ikke synlig etter ett semester, men etter to år. Hvis høyere utdanning måler KI-satsinger utelukkende gjennom kortsiktige indikatorer som gjennomføring, tilfredshet og karakterer, avdekker vi ikke at studentenes evne til selvstendig arbeid gradvis svekkes.
Høyere utdanning står ikke bare overfor spørsmålet om hvordan studentene skal bruke KI i arbeidslivet. Vi står overfor et mer grunnleggende spørsmål: hvordan kan vi vite at de har lært det vitnemålet deres påstår at de kan?
Klarer vurderingsformene fortsatt å skille mellom en student som har lært noe, og en student som bare har fått noe gjort?
Hvis svaret er nei, oppdager vi kanskje forskjellen først når vitnemålet møter arbeidslivet.
Innlegget var først publisert i Khrono 21 august 2026.
Når ulikhet i arbeidslivet blir ulikhet i pensjon
Qquillaccori G. López disputerer for PhD-graden ved NHH 25. august med avhandlingen «Essays on Public Economics».
Hvor like er mulighetene egentlig?
Erika T. Povea disputerer for PhD-graden ved NHH 26. august med avhandlingen «Essays on Economics of Education and Social Mobility».