Siden lanseringen av generative AI-verktøy har informasjonslandskapet endret seg dramatisk, noe som har påvirket både utdanning og arbeid. Selv om AI kan være kraftig, kan den også føre til usikkerhet: Er forskningsinformasjonen gyldig eller hallusinert? Partisk eller faktabasert? For å navigere i disse spørsmålene trenger elevene robuste ferdigheter i feilinformasjonskompetanse innen AI.
Tradisjonelle læreplaner har imidlertid et stykke å gå for å holde tritt med denne utfordringen. Å dyrke disse viktige ferdighetene vil kreve at institusjoner, distrikter og myndigheter revurderer hvordan digital kompetanse undervises og vurderes for å sikre at feilinformasjonskompetanse knyttet til kunstig intelligens er i forgrunnen.
I denne artikkelen skal jeg utforske hvorfor utdanningsledere må gå lenger enn å måle hva elevene kan, og heller vurdere hvor godt de evaluerer usikker informasjon. Ved å bruke digital vurdering i stor skala for å fullt ut integrere feilinformasjonskompetanse i læreplanen, kan dagens ledere sørge for at elevene har de riktige ferdighetene for morgendagen.
Hvordan tradisjonelle forestillinger om digital kompetanse kommer til kort
Som OECDs Learning Compass 2030/2040 argumenterer: «Hva det vil si å være lese- og skrivekyndig og tallkyndig i 2030 og utover vil fortsette å utvikle seg […] alle barn må være digitale og datakyndige.» Men selv om vi kanskje har lært elever å mestre digitale ferdigheter i flere tiår, ble tradisjonelle rammeverk for digital leseferdighet utformet for et pregenerativt AI-nett. Oppgaver som en gang var sentrert rundt søkemotorer, tekstbehandlere og regneark, har blitt transformert av AI.
Da disse verktøyene først dukket opp, fokuserte oppdaterte tilnærminger til digital kompetanse på å lære elevene å bruke KI produktivt – for eksempel å lage effektive oppgaver for å generere ideer, oppsummere informasjon eller forbedre skriving. Men selv om generativ KI kan tillate elevene å omgå noe av forarbeidet i tidkrevende oppgaver, kan materialet den produserer være problematisk.
AI-generert innhold har ingen legitimasjon, institusjonell støtte eller redaksjonell tilsyn. Det produserer tekst basert på statistiske mønstre og gjenspeiler ikke kunnskap eller intensjon. Kanskje mest bekymringsfullt er det at selv en AI-ingeniør ikke kan fortelle deg hvorfor en stor læringsmodell (LLM) som ChatGPT returnerer et gitt svar på en forespørsel, så det er ingen måte å bekrefte gyldigheten av prosedyren.
Dette betyr at feilinformasjon lett kan innlemmes i en essayinnlevering eller et arbeidsdokument hvis AI-generert materiale behandles ukritisk.
Med dette i tankene må studentene kunne:
- Evaluer de AI-genererte resultatene for å velge hva som er relevant for oppgaven deres
- Bekreft kilder og påstander
- Gjenkjenne og korrigere hallusinasjoner
- Identifiser og forstå potensielle skjevheter
- Tenk på og fordøy informasjon i stedet for bare å passivt konsumere den
- Jobb med AI for å skape de beste resultatene
Disse nye ferdighetene innen digital kompetanse krever enda mer robust, høyereordens og kreativ tenkning enn før, noe som nødvendiggjør nye rammeverk, som de som er utviklet av UNESCO og EU-kommisjonen/Organisasjonen for økonomisk samarbeid og utvikling (OECD) . Disse har gått utover tekniske ferdigheter og kunnskap til å legge vekt på praktiske kompetanser som kritisk evaluering, etisk bruk av kunstig intelligens, menneskelig handlekraft og kreativitet.
Hvorfor bør ledere bry seg om feilinformasjonskunnskap innen kunstig intelligens?
Feilinformasjonskompetanse knyttet til kunstig intelligens er ikke noe som skal overlates til klasseromslærere å ta tak i i isolerte timer. For utdanningsledere strekker implikasjonene seg utover klasserommet og inkluderer følgende fordeler:
Forbereder studentene på fremtiden
KI-ferdigheter vil utvilsomt være avgjørende for fremtidens jobber . Ansatte vil i økende grad bli forventet å tolke, evaluere og handle ut fra KI-generert informasjon. Evnen til å gjenkjenne og håndtere feilinformasjon vil hjelpe fremtidige arbeidstakere med å unngå feil, ta bedre beslutninger og forhindre spredning av unøyaktig informasjon. I sektorer som helsevesen og ingeniørfag kan dette ha betydelige konsekvenser i den virkelige verden.
Øke likestilling og lukke gap
Det digitale skillet er allerede en driver for ulikhet, med ujevn tilgang til enheter, høyhastighetsbredbånd og opplæring som reduserer mulighetene for vanskeligstilte grupper.
Generativ KI kan forverre slike hull, spesielt der det er ulik tilgang til opplæring og barrierer for faktasjekkingsressurser. I tillegg fant forskning i 2026 at KI-algoritmer kan uforholdsmessig eksponere noen demografiske grupper for skadelig eller villedende informasjon.
Ved å gjøre AI-feilinformasjonskompetanse til en kjernekompetanse for alle elever, har ledere en sterk mulighet til å skape et mer rettferdig utdanningssystem. Evnen til å evaluere og verifisere AI-generert innhold bør ikke begrenses til de med større ressurser eller støtte.
Hvorfor utdaterte vurderingsmodeller trenger oppdatering for AI-æraen
Å definere nye kompetanser innen KI-leseferdigheter er bare det første steget. For å integrere dem konsekvent på tvers av institusjoner og over tid, trenger utdanningssystemene også måter å vurdere dem på. Dette vil gjøre det mulig for institusjoner å samle inn dataene som trengs for å identifisere hvor det kan gjøres forbedringer i undervisning og læring. Og, viktigst av alt, er det å vurdere KI-feilinformasjonsleseferdigheter som en kompetanse som bidrar til å forankre den som både en prioritet og en målbar læreplanstandard.
Utfordringen er at tradisjonelle vurderingsmodeller ikke var utformet for en verden der elever umiddelbart kan generere informasjon og innhold med AI-verktøy, ettersom de fokuserer for mye på hva elevene vet eller kan produsere. Og når elever kan generere hele essays ved hjelp av AI, kan det hende at sluttproduktet alene ikke lenger gir tilstrekkelig bevis på deres resonnement og forståelse.
Som et resultat av dette vil vurderingssystemer på tvers av institusjoner, distrikter og nasjonale programmer trenge en radikal overhaling for å utvikle seg utover å måle faktabasert gjenkjenning eller fullførte oppgaver. Dette er viktig ikke bare for å hjelpe elevene med å utvikle høyere ordens tenkeevner , men også for å forstå om nye strategier for KI-leseferdigheter leverer de tiltenkte resultatene i stor skala.
Vurderingsstrategier for kritisk tenkning og evalueringsferdigheter
Når du ser etter å oppdatere institusjonens vurderingsrammeverk , bør du vurdere hvilke vurderingstyper som kan gi bevisene du trenger for å evaluere feilinformasjonskompetanse knyttet til AI og bedømme effektiviteten til den nye læreplanen.
PISAs vurderingsrammeverk for medie- og kunstig intelligenskompetanse fra 2029 er et godt eksempel på hvordan testing kan se ut i den nye æraen. Det bygger inn virkelige scenarioer, som håndtering av AI-generert informasjon på en simulert arbeidsplass, der elevene må sammenligne kilder, verifisere påstander og gjøre vurderinger av påliteligheten til informasjonen. Civic Online Reasonings foreslåtte vurderingsoppdateringer ber på lignende måte elevene om å evaluere autentiske medier for å identifisere feilinformasjon og skjevheter.
Å levere denne typen vurderingsrammeverk i stor skala krever mer enn tradisjonelle spørsmålsformater. Moderne digitale vurderingssystemer muliggjør opprettelse av interaktive oppgaver som fanger opp bevis på kritisk tenkning, ikke bare om en elev kommer frem til riktig svar.
For eksempel lar visse bærbare, tilpassede interaksjoner (PCI-er) elevene demonstrere høyereordens tenkning ved å løse problemer sammen med figurer på skjermen. Du kan samle inn rike, varierte data om hvordan de gjør dette, og forstå tankeprosessene deres ved å observere hvordan de bruker programvaren: hvor de klikker først på skjermen, hvilke ressurser de konsulterer, om de reviderer et svar, og hvor lang tid de bruker på hver skjerm.
Disse dataene kan belyse hvordan studenter tilnærmer seg problemer og informere om justeringer i undervisningen. Hvis for eksempel mange elever skumleser kilder for raskt, noe som fører til misforståelser, kan læreplan- og vurderingsledere integrere flere strategier for nærlesing og forståelse i kursprogrammene og omforme vurderinger for å belønne dypere engasjement med kilder.
Avgjørende er at disse formene for vurdering kan leveres i stor skala på tvers av institusjoner, distrikter og nasjonale utdanningssystemer. Digitale testplattformer som TAO gjør det mulig for organisasjoner å teste og deretter rulle ut innovative vurderinger som fanger opp bevis på AI-relatert kritisk tenkning på tvers av brede elevgrupper. Disse systemene støtter skalering ved å sikre plattformens tekniske stabilitet, beskytte data og redusere kostnader gjennom integrert teknologi som kobles til eksisterende programvare.
Hvorfor AI-kompetanse er en langsiktig systemutfordring
AI vil neppe være en midlertidig trend, gitt den enorme innvirkningen på så mange områder innen utdanning, industri og næringsliv. Og hvis feilinformasjonskompetanse basert på AI blir et sentralt utdanningsresultat, vil skoler og vurderingsmyndigheter trenge langsiktige systemer for å definere, levere og måle ferdigheter som resonnement, verifisering og kildevurdering.
Dette vil ikke bare kreve nye vurderinger, men også tydelige kompetanserammeverk, rapporteringsmekanismer og muligheten til å spore fremgang på tvers av kohorter over tid – og disse endringene må fremtidssikres.
Det er derfor viktig å vurdere integrering av digitale vurderingssystemer. Interoperabel programvare med åpen kildekode (som for eksempel oppfyller QTI-standarden ) kan samhandle sømløst med andre programmer, slik at ansatte kan overføre spørsmålstyper, tester og vurderingsdata.
Denne fleksibiliteten bevarer vurderinger gjennom IT-oppgraderinger, støtter integrering med læringsstyrings- og analysesystemer, og gjør det mulig for ledere å spore feilinformasjonskompetanse innen kunstig intelligens over tid. Det lar også lærere tilpasse dem etter hvert som ny teknologi dukker opp.
Konklusjon
Det er på tide at utdanningsledere tar grep for å sikre at feilinformasjonskompetanse innen kunstig intelligens blir en sentral, integrert ferdighet for elever i grunnskolen og videregående skole. Først da kan vi si at vi virkelig forbereder unge mennesker på en fremtid der de trenger sterk kritisk tenkning, resonnement og evalueringsevner for å skille fakta fra fiksjon.
Å oppnå dette vil kreve mer enn bare endringer i læreplanen. Vurderingssystemer må også utvikles for å måle høyere ordens tenkning og levere dataene lærerne trenger for å gjøre forbedringer på tvers av skoler og distrikter. Digital vurdering, med innovative spørsmålstyper og fleksibel, skalerbar programvare, er en avgjørende del av denne transformasjonen.
Som et neste steg kan det være lurt å lære mer om åpen kildekode-programvare og hvordan den kan brukes både på institusjons- og myndighetsnivå. Å lage et pålitelig og transparent system for å vurdere ferdigheter innen KI-kompetanse kan også være et godt sted å starte.
For å finne ut hvordan TAO kan fungere for deg, bestill en demonstrasjon med teamet.
Vanlige spørsmål
Hva er AI-kompetanse for studenter?
KI-kompetanse er evnen til å forstå hvordan LLM-er fungerer, bruke KI-verktøy effektivt og kritisk evaluere KI-generert innhold for nøyaktighet og skjevhet. Det utruster studentene til å tenke kritisk om informasjonen de møter.
Hvordan bidrar AI til spredning av feilinformasjon?
Ved å produsere realistisk, strukturert tekst, bilder, video og lyd, skaper generativ AI overbevisende, men potensielt falskt innhold. Fordi AI-utdata ofte virker polerte og autoritative, kan de være vanskelige å skille fra menneskeskapt informasjon ved første øyekast.
Hvordan vurderer du AI-kompetanse?
KI-kompetanse kan vurderes på flere måter. For eksempel kan studentene få utdelt et KI-generert essay og bli vurdert på deres evne til å oppdage unøyaktigheter og skjevheter. Eller du kan gi en porteføljevurdering der studentene kritisk vurderer fem deler av KI-innholdet.