AI i matematik: Dansk perspektiv på Googles opsigtsvækkende skoleforsøg i Afrika

Løftet om kunstig intelligens i uddannelse er enormt, men solid evidens for dens effekt i rigtige klasseværelser har været en mangelvare. I juni 2026 offentliggjorde Google DeepMind og den uddannelsesrettede nonprofitorganisation Fab AI resultaterne fra et banebrydende lodtrækningsforsøg (RCT) i Sierra Leone. Det giver et af de hidtil mest detaljerede indblik i, hvordan et struktureret AI-læringsværktøj kan fungere sammen med lærere .

Forsøget viste, at integration af Geminis "Guided Learning"-tilstand i matematiktimerne forbedrede elevernes testresultater markant. Men resultaterne afslørede også kritiske nuancer: Elever, der allerede var dygtige til matematik, fik mest ud af det, lærerne måtte tilpasse deres roller, og den omhyggeligt designede intervention er svær at adskille fra dens støttende komponenter.

Sådan blev forsøget designet

Forsøget blev gennemført i samarbejde med undervisningsministeriet i Sierra Leone og var et præregistreret, to-armet klynge-randomiseret kontrolleret forsøg. Det løb over otte uger, fra 6. oktober til 5. december 2025, på 12 offentligt støttede junior secondary schools (svarer til udskolingsniveau) i Port Loko-distriktet .

Forsøget omfattede 1.763 elever i 7. og 8. klasse (fra 13 år og opefter) fordelt på 48 matematikklasser . Inden for hver skole og hvert klassetrin blev klasserne tilfældigt fordelt enten i en behandlingsgruppe, der brugte Gemini Guided Learning, eller en kontrolgruppe, der fortsatte med almindelig undervisning. For at undgå at forveksle effekten af AI-værktøjet med lærerkvalitet, modtog alle lærere den samme træning på 5–6 timer .

Målet var, at eleverne skulle bruge AI-værktøjet i to af deres fire ugentlige matematiklektioner, hvilket svarer til 12 timers Guided Learning over de otte uger .

En struktureret firedelt lektion med et twist

Interventionen var ikke bare at give eleverne en chatbot i hånden. Den fulgte en stram pædagogisk ramme designet til at gøre AI'en til en partner i en kollaborativ læringsproces:

1. Lærerstyret introduktion: Læreren præsenterede læringsmålene og tjekkede elevernes forhåndsviden.
2. Hovedaktivitet i par: Eleverne arbejdede parvis med én enhed (et forhold på 2:1 mellem elever og enheder). Afgørende var det, at de havde definerede roller: "driveren" tastede spørgsmålene ind i Gemini, mens "navigatøren" tog noter og guidede undersøgelsen. Rollerne blev byttet hver lektion for at sikre balanceret deltagelse.
3. Klassediskussion: Læreren ledte en session for at konsolidere det, der var blevet lært.
4. Fælles opsamling: Læreren rundede af med en afsluttende sammenfatning .

Som forberedelse definerede lærerne lektionsmål, skrev start-prompts og udarbejdede spørgsmålsstammer på tavlen for at stilladsere, hvordan eleverne interagerede med Gemini .

Resultaterne: Et markant løft, men ikke for alle i samme grad

Forsøget viste statistisk signifikante gevinster, men størrelsen af effekten afhang i høj grad af, hvor meget værktøjet blev brugt, og elevens udgangspunkt.

Måling	Fund
Intention-to-treat (ITT)	I gennemsnit oplevede elever, der var udvalgt til at bruge Guided Learning, en forbedring på +0,258 standardafvigelser (SD). Det svarer til at flytte en elev fra 50. til 60. percentil og vurderes til 1,2–1,7 års typisk læringsfremskridt i lav- og mellemindkomstlande .
Dosis-respons-sammenhæng	De 69% af eleverne, der gennemførte det fulde mål på 12 timer eller mere, opnåede en meget større effekt på +0,380 SD. Hver ekstra times brug var forbundet med en gevinst på +0,016 SD .
Baseline-færdigheder	Det mest kritiske fund: Elever med stærkere matematiske startfærdigheder fik markant mere ud af det. Behandlingseffekten steg med 0,195 SD for hver ekstra standardafvigelse af baseline-matematikfærdigheder, en elev havde .
Undergruppeanalyse	Der var ingen signifikante forskelle i AI'ens effekt, når man opdelte efter elevernes læsefærdigheder, køn eller alder .

Hvordan eleverne rent faktisk interagerede med Gemini

En af de mest afslørende dele af forsøget var transskriptionsanalysen af over 113.000 interaktioner mellem elever og Gemini. Den tegnede et billede af, at AI'en ikke fungerede som en svarmaskine, men som en tutor.

Langt størstedelen af samtalerne – 91,4% – fokuserede på matematisk forståelse . Geminis egen adfærd blev omhyggeligt styret af Guided Learning-funktionen: Den stillede stilladserende spørgsmål i 76,4% af sine beskeder og pressede eleverne til at tænke selv, og den gav en direkte løsning i kun 2,1% af tilfældene .

Risikoen for at øge uligheden i læring

Fundet af, at de i forvejen dygtigste elever fik mest ud af det, fik forskerne til at advare om en betydelig bekymring. Uden bevidste strategier til at støtte svagere elever risikerer interventionen at øge eksisterende ulighed i færdigheder i stedet for at mindske den .

Det, lærerne oplevede

Kvalitativ feedback fra lærerfokusgrupper tilføjede en ny dimension til resultaterne. Lærerne rapporterede om en mærkbar stigning i elevernes engagement og mere aktiv deltagelse i timerne . Mange begyndte at bruge Gemini til lektionsforberedelse og opdagede nye måder at forklare komplekse emner som brøker på .

Afgørende var det, at lærerne beskrev et skift i deres egen professionelle identitet og følte, at deres rolle ændrede sig fra "foredragsholder" til "facilitator", der bevægede sig rundt i klassen for at støtte elevparrene .

Al feedback var ikke positiv. Nogle lærere rapporterede om udfordringer, herunder at Gemini lejlighedsvis introducerede indhold uden for emnet eller sinkede klassens fremskridt gennem den planlagte læseplan .

Forsøgets kritiske begrænsninger

Selvom resultaterne er positive, er forskerne omhyggelige med at skitsere flere begrænsninger, der bør perspektivere resultaterne:

• Kombineret intervention: Forsøget kombinerede Guided Learning med lærertræning, en ny lektionsstruktur, udlevering af udstyr og monitorering i klassen. Designet kan ikke isolere effekten af selve AI-værktøjet fra disse andre afgørende støtteelementer .
• Generaliserbarhed: Stikprøven er fra et enkelt distrikt i Sierra Leone og er ikke nationalt repræsentativ. Resultaterne er mest anvendelige for skoler med sammenlignelig infrastruktur, herunder tablets, pålideligt internet og lærerparathed .

Et globalt forskningsblåt tryk

Forsøget i Sierra Leone er kun begyndelsen. Det er det første i en planlagt international serie af præregistrerede forsøg fra Google DeepMind og Fab AI for at studere Guided Learning på tværs af forskellige uddannelsessystemer . Som et skridt mod gennemsigtighed og skalerbarhed offentliggjorde partnerne deres læreruddannelsesmaterialer og en 'rapid RCT playbook' ved siden af resultaterne, hvilket giver en plan for andre forskere og uddannelsessystemer .