AI i klasserommet: Innsiden av Google DeepMinds landemerke-studie i Sierra Leone

Løftet om kunstig intelligens i utdanning er enormt, men streng dokumentasjon på effekten i virkelige klasserom har vært mangelvare. I juni 2026 publiserte Google DeepMind og den pedagogiske ideelle organisasjonen Fab AI resultatene fra en banebrytende randomisert kontrollert studie (RCT) i Sierra Leone. Studien gir et av de mest detaljerte innblikkene hittil i hvordan et strukturert KI-læringsverktøy kan fungere sammen med lærere .

Studien fant at å integrere Geminis «Guided Learning»-modus i mattetimene ga en signifikant forbedring i elevenes testresultater. Men tallene avslørte også kritiske nyanser: Elever som allerede lå godt an i matte, fikk mest utbytte, lærerne måtte tilpasse rollene sine, og det nøye utformede opplegget er vanskelig å skille fra de støttende komponentene som fulgte med.

Slik var studien designet

Studien ble gjennomført i samarbeid med Kunnskapsdepartementet i Sierra Leone og var en forhåndsregistrert, to-armet klynge-randomisert kontrollert studie. Den varte i åtte uker, fra 6. oktober til 5. desember 2025, ved 12 offentlig støttede ungdomsskoler i Port Loko-distriktet .

Studien omfattet 1 763 elever i 7. og 8. trinn (13 år og eldre) fordelt på 48 matteklasserom . Innenfor hver skole og hvert trinn ble klasserommene tilfeldig fordelt til enten en intervensjonsgruppe, som brukte Gemini Guided Learning, eller en kontrollgruppe, som fortsatte med vanlig undervisning. For å unngå å forveksle effekten av KI-verktøyet med lærerkvalitet, fikk alle lærere den samme opplæringen på 5–6 timer .

Måldosen var at elevene skulle bruke KI-verktøyet i to av sine fire ukentlige matteperioder, noe som tilsvarte 12 timer med Guided Learning i løpet av de åtte ukene .

En strukturert firedelt time med en vri

Intervensjonen var ikke bare å gi elevene en chatbot. Den fulgte et strengt pedagogisk rammeverk utformet for å gjøre KI-en til en partner i en samarbeidsbasert læringsprosess:

1. Lærerstyrt introduksjon: Læreren satte læringsmålene og sjekket elevenes forkunnskaper.
2. Hovedaktivitet i par: Elevene jobbet sammen to og to med én enhet (et forhold på 2:1 mellom elever og enheter). Avgjørende var det at de tok på seg definerte roller: «sjåføren» skrev spørsmålene inn i Gemini, mens «navigatøren» tok notater og styrte utforskningen. Rollene ble byttet hver time for å sikre balansert deltakelse.
3. Klassediskusjon: Læreren ledet en økt for å oppsummere og forankre det som ble lært.
4. Plenumsoppsummering: Læreren avsluttet med en endelig oppsummering .

Som forberedelse definerte lærerne læringsmål, skrev startinstruksjoner (prompter) og utformet spørsmålsstammer på tavlen for å bygge stillas rundt hvordan elevene samhandlet med Gemini .

Resultatene: En betydelig forbedring, men ikke for alle

Studien ga statistisk signifikante gevinster, men størrelsen på effekten var sterkt avhengig av hvor mye verktøyet ble brukt og elevens utgangspunkt.

Målemetode	Funn
Intention-to-treat (ITT)	I gjennomsnitt opplevde elever tildelt Guided Learning en forbedring på +0,258 standardavvik (SA). Dette tilsvarer å flytte en elev fra 50. til 60. persentil .
Dose-respons-forhold	De 69 % av elevene som fullførte hele måldosen på 12 timer eller mer, oppnådde en mye større effekt på +0,380 SA. Hver ekstra time med bruk var forbundet med en økning på +0,016 SA .
Utgangspunkt i matte	Det mest kritiske funnet: Elever med bedre matteferdigheter i utgangspunktet fikk signifikant større utbytte. Intervensjonseffekten økte med 0,195 SA for hvert ekstra standardavvik i elevens matteferdigheter ved oppstart .
Undergruppeanalyse	Det var ingen signifikante forskjeller i KI-ens effekt når man brøt ned etter elevenes leseferdigheter, kjønn eller alder ved oppstart .

Slik samhandlet elevene faktisk med Gemini

En av de mest avslørende delene av studien var transkripsjonsanalysen av over 113 000 interaksjoner mellom elever og Gemini. Den tegnet et bilde av at KI-en fungerte som en veileder, snarere enn en fasitmaskin.

De aller fleste samtalene – 91,4 % – fokuserte på matematisk forståelse . Geminis egen atferd ble nøye styrt av Guided Learning-funksjonen: Den stilte oppfølgingsspørsmål i 76,4 % av meldingene sine, noe som presset elevene til å tenke selv, og ga en direkte løsning i kun 2,1 % av tilfellene .

Risikoen for å utvide forskjellene

Funnet om at de i utgangspunktet sterkeste elevene fikk mest utbytte, fikk forskerne til å flagge en betydelig bekymring. Uten bevisste strategier for å støtte de svakere elevene, risikerer intervensjonen å utvide eksisterende ferdighetsforskjeller snarere enn å tette dem .

Det lærerne opplevde

Kvalitativ tilbakemelding fra lærerfokusgrupper ga en ny dimensjon til resultatene. Lærerne rapporterte om en merkbar økning i elevengasjement og mer aktiv klasseromsdeltakelse . Mange begynte å bruke Gemini til forberedelse av undervisning, og oppdaget nye måter å forklare komplekse emner som brøk på .

Avgjørende var det at lærerne beskrev et skifte i sin egen profesjonelle identitet, de følte at rollen deres utviklet seg fra «foreleser» til «fasilitator», bevegende rundt i klasserommet for å støtte elevparene .

Ikke all tilbakemelding var positiv. Noen lærere rapporterte om utfordringer, blant annet at Gemini tidvis introduserte stoff utenfor tema eller bremset klassens fremdrift gjennom den planlagte læreplanen .

Studiens kritiske begrensninger

Selv om resultatene er positive, er forskerne nøye med å skissere flere begrensninger som bør danne bakteppet for funnene:

• Pakkeløsning: Studien kombinerte Guided Learning med lærerutdanning, en ny timestruktur, utstyrsforsyning og klasseromsovervåkning. Designet kan ikke isolere effekten av KI-verktøyet alene fra disse andre avgjørende støttefaktorene .
• Generaliserbarhet: Utvalget er fra et enkelt distrikt i Sierra Leone og er ikke nasjonalt representativt. Funnene er mest anvendelige for skoler med sammenlignbar infrastruktur, inkludert nettbrett, pålitelig internett og lærerberedskap .

En global forskningsblåkopi

Studien i Sierra Leone er bare begynnelsen. Det er den første i en planlagt internasjonal serie med forhåndsregistrerte studier av Google DeepMind og Fab AI for å undersøke Guided Learning på tvers av ulike utdanningssystemer . Som et grep mot åpenhet og skalerbarhet offentliggjorde partnerne sitt opplæringsmateriell for lærere og en «lyn-RCT-spillebok» sammen med resultatene, og ga dermed en blåkopi til andre forskere og skolesystemer .