AI-handledare på universitetet: Inga svar, bara frågor
Istället för att servera färdiga lösningar med ett knapptryck vägleder en ny AI de studerande genom en tät djungel av frågor. Maskinen besvarar ingenting direkt – den borrar, gräver djupare och ställer motfrågor. Forskarna bakom systemet hämtar inspiration från en undervisningsmetod som är över 2 000 år gammal, samtidigt som de undersöker hur artificiell intelligens kan användas inom högre utbildning utan att avskaffa det självständiga tänkandet.
I det amerikanska universitetssystemet har chatbottar länge blivit vardag. Undersökningar visar att ungefär nio av tio studenter använder dem för uppgifter och läxor. Ofta ersätter botten helt enkelt hjärnans eget arbete. Det är exakt här som verktyget Macro Buddy gör sitt intåg – med ett radikalt annorlunda angreppssätt.
2 000 år gammal filosofi inbäddad i en språkmodell
Den digitala handledaren vägrar ge direkta lösningar. Frågar man till exempel hur man beräknar tillväxttakten för bruttonationalprodukten får man ingen formel – däremot en kedja av riktade uppföljningsfrågor: Vilka storheter finns tillgängliga? Vad är skillnaden mellan real och nominell tillväxt? Vilken roll spelar prisindex?
AI:n levererar inga färdiga resultat, utan tvingar de studerande att själva arbeta sig fram till lösningen.
Systemet är utvecklat av ekonomer från University of Wisconsin–La Crosse. De matade chatbotten med kompletta transkript från sina makroekonomiföreläsningar. Mjukvaran är avskuren från internet och får endast tillgång till det material som har gåtts igenom i kursen. På så sätt håller sig handledaren nära kursplanen och hittar inte på främmande begrepp.
Funktionslogiken bygger på den så kallade sokratiska metoden. Den antika filosofen Sokrates ville inte belära sina samtalspartners, utan leda dem till insikt genom välvalda frågor. Det är exakt denna princip som Macro Buddy överför till det digitala rummet.
Från misstag till lärtillfälle
Svarar en studerande fel eller oprecist reagerar AI:n inte med ”Det är fel – här är den rätta lösningen”. Istället analyserar systemet var tankefelet uppstår och ställer skräddarsydda uppföljningsfrågor. Blandar någon ihop real och nominell bruttonationalprodukt vägleds vederbörande via frågor om prisindex, penningvärde och köpkraft – utan att den färdiga formeln någonsin avslöjas.
Effekten är tydlig: De studerande måste aktivt skapa kopplingar mellan begrepp och koncept. De kan inte bara plugga ett mönsterexempel utantill, utan måste rekonstruera det i samtalet med AI:n. Felrättning handlar alltså inte om att sätta röda streck, utan om en strukturerad väg tillbaka till grunden. Varje svaghet i förståelsen blir utgångspunkten för en ny, individuellt anpassad frågestig.
Studie med 140 studenter: Den som tänker vinner
Hur väl detta koncept fungerar ville forskarna undersöka i ett kontrollerat försök. Under våren 2025 delade de in 140 studenter på en makroekonomiakurs i fyra grupper:
- Grupp 1: Arbetade ensamma med AI-handledaren
- Grupp 2: Klassiskt grupparbete utan AI
- Grupp 3: Först med AI, sedan diskussion i studiegruppen
- Grupp 4: Kontrollgrupp utan särskilt stöd
Prestationerna jämfördes över flera prov. Särskilt det tredje provet visade markanta skillnader. Den grupp som först arbetade individuellt med Macro Buddy och efteråt diskuterade resultaten med medstudenter förbättrade sig i genomsnitt med 12 poäng jämfört med kontrollgruppen.
Aktivt användande av AI kombinerat med gruppdiskussion gav det största lärandeutbytet – i genomsnitt plus 12 poäng.
Helt annorlunda gick det för den grupp som förhöll sig mer passivt till AI:n. Här sjönk betygen i genomsnitt med 8 poäng så fort hjälpmedlet inte längre var tillgängligt vid provet. Forskarna talar om en ”kognitiv krycka”: Den som bara kopierar svar glömmer gradvis förmågan att argumentera självständigt.
Varför kombinationen AI plus grupp fungerar så bra
Macro Buddy sätter först igång den individuella reflektionen. De studerande måste själva arbeta sig igenom frågorna, utan att någon i lokalen kan hjälpa direkt. Denna process framkallar osäkerheter, halvfärdiga idéer och nya insikter.
Därefter följer gruppfasen: De lärande jämför sina delresultat, diskuterar var deras tankegång skiljer sig åt och rättar varandra. AI:n levererar alltså ett första stöd, medan gruppen förstärker och förankrar kunskapen socialt. Forskning från universitet som Harvard pekar i samma riktning: Vägledda frågor slår ren informationsförmedling när målet är att behålla kunskaper långsiktigt.
Hur tillvägagångssättet skulle kunna överföras till svenska universitet
För svenska förhållanden uppstår frågan naturligt: Skulle en sådan handledare också kunna fungera i ekonomi- eller företagsekonomiföreläsningar på inhemska universitet? Tekniskt sett är det möjligt. Undervisare skulle behöva ställa sina anteckningar, föreläsningsinspelningar och uppgifter till förfogande, så att en specialiserad språkmodell kan tränas på dem.
En given användning skulle särskilt vara inom:
- Introduktionskurser i nationalekonomi och företagsekonomi
- Statistik- och metodmoduler
- Matematiska grundkurser på ingenjörsutbildningar
- Repetitionskurser inför tentamina
Det avgörande är att botten inte levererar modelllösningar, utan systematiskt ställer uppföljningsfrågor. Annars riskerar man att handledaren snabbt utvecklas till ännu en bekväm svarmaskin, precis som de generiska chatbottar många studenter redan använder.
Möjligheter, risker och praktiska exempel
Ett konkret exempel: En studerande kämpar med en uppgift om arbetslöshetsprocenten. Istället för att genast spy ut procenttal frågar AI-handledaren först om definitionen av arbetskraften, sedan om de olika formerna av arbetslöshet och till sist om den dolda arbetskraftens roll. Den studerande upptäcker var det finns luckor i kunskapen – och fyller dem i samtalet med maskinen.
Här ligger möjligheten: Misstag blir mer synliga, och inlärningsprocessen mer transparent. Undervisare kan i bästa fall till och med analysera exakt var flest studenter snubblar och anpassa sin undervisning därefter.
Risker finns dock fortfarande. Den som redan är pressad på tid kan uppleva handledarens frågemaraton som irriterande och ge upp för tidigt. Vissa studenter förväntar sig snabb hjälp från AI framför tålmodigt utfrågande. Universitet måste därför tydligt rama in användningen av sådana verktyg och förklara varför denna ”mer krävande” väg ger bättre resultat på lång sikt.
Därtill kommer den etiska dimensionen: När AI tränas direkt på kursinnehåll uppstår frågor om dataskydd och upphovsrätt. Undervisningssamtal och inspelningar får inte okontrollerat hamna i modeller. Transparenta regler och tekniska skyddsmekanismer skulle vara nödvändiga innan liknande system tas i bred användning.
Trots detta visar studien från USA tydligt: AI behöver inte nödvändigtvis sluta som ett fickformat-fuskblad. Konstruerad rätt kan den bli en påfrestande, men nyttig inlärningspartner som inte släpper taget förrän man verkligen har förstått det. För universitet som är osäkra på artificiell intelligens roll i studielivet öppnar det en ny möjlighet – och ställer de studerande inför en ovanlig fråga: Vill jag egentligen lära mig något, eller vill jag bara ha ett snabbt svar?
