Medan många studenter använder chatbottar som en bekväm genväg till läxorna, testar forskare i USA ett radikalt annorlunda tillvägagångssätt

Konceptet är enkelt men utmanande: en AI som konsekvent vägrar ge färdiga svar – och istället ställer frågor som en tålmodig handledare. Resultaten från det första universitetsförsöket förvånar även de mest skeptiska observatörerna.

Så hamnade en 2 400 år gammal metod i en modern AI

Teamet bakom projektet bygger på ett koncept som är långt äldre än något programmeringsspråk: den sokratiska samtalsformen. Filosofen Sokrates arbetade inte med föreläsningar, utan med frågor som steg för steg ledde hans samtalspartner fram till egna insikter.

Exakt denna princip utgör grunden för den chatbot som används på University of Wisconsin–La Crosse i ämnet makroekonomi. Botten har namnet ”Macro Buddy” och fungerar i grunden som en digital handledare med tre tydliga kännetecken:

Den besvarar ämnesfrågor om makroekonomi uteslutande med motfrågor.
Den hämtar endast material från kursens lokala föreläsningar.
Den har ingen internetåtkomst och inga externa datakällor.

Om en student till exempel frågar: ”Hur räknar jag ut bruttonationalproduktens tillväxttakt?”, kommer ingen formel. Istället startar Macro Buddy en serie små tankemässiga delsteg: Vad är egentligen bruttonationalprodukten? Vilka storheter förändras? Hur många perioder talar vi om? Gradvis byggs beräkningsmetoden upp i studentens eget huvud.

AI:n levererar ingen fusklapp – den tvingar till verkligt tänkande och efterliknar därmed en intensiv handledarprocess.

Eftersom systemet uteslutande är tränat på fullständiga föreläsningstranskript, håller sig varje motfråga inom den officiella kursplanen. Forskarna vill därmed förhindra att AI:n ”imponerar” med främmande bakgrundskunskap och lämnar studenterna hjälplösa vid nästa tentamen utan botten.

När AI:n jagar fel istället för att spy ut lösningar

Chatbotten är dessutom utformad för att avslöja luckor i förståelsen. Ger en person exempelvis ett svar som blandar ihop real och nominal bruttonationalprodukt, reagerar botten inte med den korrekta formeln, utan med ett nytt perspektiv: den frågar om prisindex, kvantiteter och prisnivåer, tills studenten själv snubblar över skillnaden.

AI:n vrider alltså inte bara på en frågeställning – den varierar också perspektivet. Består missförståndet, ställer Macro Buddy ytterligare uppföljningsfrågor och byter till ett annat förklaringsläge. Målet är att hitta den avgörande knutpunkten i huvudet – utan att lösa uppgiften.

Bort från passiv konsumtion, mot aktivt sambandsbyggande

Konceptet riktar sig explicit mot en utbredd vana hos många studenter: att konsumera innehåll, lagra det och återge det – för att sedan glömma det igen. Forskarna satsar istället på att medvetet koppla samman koncept med varandra.

Istället för att plugga en modelllösning ska studenterna i dialogen med AI:n:

förklara begrepp med egna ord,
motivera mellansteg,
koppla exempel från föreläsningarna till stoffet,
och placera delberäkningar i ett större sammanhang.

Därmed lagras kunskap inte bara i korttidsminnet, utan förankras djupare i förståelsen av de ekonomiska sammanhangen.

Praktiskt försök: Aktivt lärande ger 12 betygspoäng mer

Våren 2025 startade forskarna ett kontrollerat fältexperiment med 140 studenter på introduktionskurser i makroekonomi. Gruppen delades in i fyra delar:

Arbeta ensam med Macro Buddy utan utbyte med andra.
Klassiskt grupparbete utan AI.
Kombination: först använda Macro Buddy, sedan diskutera i smågrupper.
Kontrollgrupp utan särskilda hjälpmedel.

Alla fyra grupper deltog i samma prov. Inför det tredje testet visade sig markanta skillnader:

Kombinationsgruppen med AI-handledare och efterföljande grupparbete förbättrades i genomsnitt med 12 poäng jämfört med kontrollgruppen.
Studenter som använde AI som en enkel svarmaskin föll i genomsnitt 8 poäng, så fort verktyget togs ifrån dem.

Den som använder AI:n som en tankepartner, skördar massiv utdelning. Den som missbrukar den som ersättningshjärna, kollapsar utan den.

Forskarna talar om en ”kognitiv krycka”, när studenter uteslutande fokuserar på färdiga lösningar. I ögonblicket ingen chatbot längre är tillgänglig, saknas all rutin för att själv bygga upp argumentationskedjor.

Frågor, ännu fler frågor – och därefter samtal med riktiga människor

Ett ytterligare resultat från experimentet: De bästa prestationerna kom inte från dem som arbetade ensamma med AI:n i tysthet, utan från dem som efteråt reflekterade över bot-samtalet i ett seminarium eller i smågrupper.

Sekvensen ser ut så här:

Individuell session med Macro Buddy,
nedskrivning av egna mellansteg och tankegångar,
diskussion av dessa tillvägagångssätt med medstudenter,
gemensam utjämning av tankefel och luckor.

Därmed möts två nivåer: den mycket individuella dialogen med AI:n och det sociala utbytet, som klassisk universitetsundervisning alltid har använt som motor för djup förståelse. Den som i grupprummet ska förklara hur han eller hon med hjälp från chatbotten nådde fram till ett svar, stärker sina egna övertygelser och upptäcker omedelbart var osäkerheten fortfarande råder.

Relaterad forskning: Guidade frågor slår informationsöverflöd

Idén har inte uppstått i ett vakuum. Forskargrupper från bland annat Harvard har redan visat att AI-handledare med adaptiva motfrågor på lång sikt ger större läranderesultat än system som bara levererar så utförliga förklaringar som möjligt. I studier behöll lärande som lät sig guidas genom frågor innehåll längre i minnet och kunde i betydligt högre grad överföra kunskap till nya problemställningar.

Macro Buddy går nu ett steg längre genom att begränsa fråga-svar-spelet strikt till en konkret kursram. Det gör AI:n visserligen mindre ”imponerande” jämfört med stora språkmodeller som fritt surfar på nätet – men i undervisningslokalen ökar det däremot tillförlitligheten betydligt.

Vad tyska universitet kan lära av detta experiment

Debatten om AI på universitet i det tyskspråkiga området handlar ofta om plagiat, fusk och risken för att studenter ger upp att tänka själva. Wisconsin-studien pekar på en alternativ väg: varken förbud eller total frihet, utan en medvetet utformad användning som sätter igång tankeprocesserna istället för att släcka dem.

För tyska universitet erbjuder sig flera utgångspunkter:

Ämnesspecifika handledarbottar, tränade på föreläsningsanteckningar och övningsuppgifter.
Obligatoriska reflektionsfaser, där studenter skriver ner och förklarar sina AI-dialoger.
Kombination av AI-handledning med närvaroövningar och kamratlärande.
Tydliga regler för när öppna chatbottar till färdiga lösningar är förbjudna.

Särskilt spännande blir frågan om hur tentamensformaten kommer att förändras. När studenter regelbundet tränar med sådana frågebottar, kan examinationer i högre grad fokusera på transfer, tillämpning och argumentation istället för mekanisk återgivning av formler.

Möjligheter, risker och en realistisk syn på lärande-AI

Det sker inte utan risker. Den som tillbringar för mycket tid med en dåligt konstruerad handledarbott, kan bygga upp felaktiga tankemönster. Sådana system kräver därför nära anknytning till lärostolar och löpande kvalitetskontroll. Lärare bör regelbundet granska protokoll från AI-dialogerna och justera systemet när det leder in i återvändsgränder.

Å andra sidan öppnar ett väldesignat frågesystem också möjligheter för att avlasta närvaroundervisningen. Många studenter vågar inte ställa ”dumma frågor” i den stora föreläsningssalen. I en chatt med en maskin faller denna hämning bort. Botten kan därmed ta hand om grundarbetet, medan värdefull kontakttid med lärare frigörs för komplexa problemställningar och diskussioner.

I slutändan är det studenternas egen utgångspunkt som avgör resultatet. Den som närmar sig AI:n med förväntning om att snabbt få en lösning, förblir fångad i det gamla mönstret. Den som är beredd att låta sig irriteras av många ihärdiga frågor, bygger en mer robust förståelse – precis som Sokrates demonstrerade det på torget för 2 400 år sedan, bara idag i ett chattfönster.