Så vill Singapore lära elever att använda AI utan att sluta tänka

Generativ AI förändrar den centrala frågan i Singapores utbildningssystem. Det räcker inte längre att fråga om en elev har skrivit en uppgift utan hjälp. Skolor och universitet måste också bedöma om eleven kan använda AI kritiskt, redovisa hur verktyget har använts och ändå visa självständig förståelse.

Singapore väljer varken fritt fram eller ett återinfört totalförbud. Den framväxande modellen kan beskrivas som människan vid rodret: AI får användas där den förbättrar lärandet, men läsning, skrivande, beräkningar, samtal och problemlösning måste fortfarande göras på ett sätt som bygger varaktig kunskap.

Singapore hade redan en digital grund

Förändringen började inte med ChatGPT. Singapore hade redan byggt upp ett digitalt utbildningssystem genom bland annat plattformen Student Learning Space (SLS), tillgång till digitala enheter och tidigare verktyg för adaptivt lärande och automatiserad återkoppling. EdTech Masterplan 2030, som lanserades för att styra teknikstödd undervisning och lärande, bygger vidare på den grunden. Planen ska stärka elevernas digitala kompetens och använda tekniker som AI för att anpassa lärandet och stödja lärare.

SLS är nu en central del av strategin. Singapores utbildningsdepartement, MOE, uppger att elever från grundskola till föruniversitetsnivå har tillgång till läroplansanpassat material och AI-baserade funktioner som ska stödja både undervisning och lärande. Regeringens teknikrapportering beskriver verktyg i SLS som ett sätt att individualisera övningar och ge lärare bättre insyn, med säkerhetsramar och åldersanpassad användning.

Det gör uppgiften svårare än att bara förse elever med datorer. De måste lära sig att ifrågasätta ett AI-svar, upptäcka fel och avgöra när användningen skulle undergräva själva syftet med en uppgift.

Den verkliga risken är att tänkandet läggs ut på entreprenad

Kognitiv avlastning är inte automatiskt något negativt. Människor använder regelbundet externa verktyg för att minska onödig mental belastning. En miniräknare, en uppslagsbok eller en stavningskontroll kan frigöra uppmärksamhet för mer krävande arbete.

Problemet uppstår när eleven lämnar över den centrala inlärningsprocessen innan hen själv har försökt. Det kan handla om att låta AI formulera argumentet, tolka bevisningen, lösa ett obekant problem eller skriva förklaringen innan en egen preliminär lösning finns.

En välformulerad inlämning kan då dölja svagt lärande. AI kan öka hastighet, språkligt flyt och synlig noggrannhet – samtidigt som eleven saknar den mentala modell som krävs för att:

• upptäcka ett påstående som låter rimligt men är falskt;
• anpassa en idé till ett nytt problem;
• förklara varför ett argument är övertygande;
• se vilken bevisning som saknas; eller
• försvara arbetet utan hjälp av verktyget.

Det är därför pedagoger talar om produktiv kamp: ansträngningen att minnas, försöka, göra misstag, få återkoppling och revidera. Om varje svårt steg tas bort kan uppgiften bli enklare, men också berövas den övning som utvecklar omdöme och resonemang.

Vad forskningen visar – och inte visar

Forskningsläget motiverar försiktighet, men stöder inte påståendet att AI alltid försämrar kritiskt tänkande.

En kartläggande forskningsöversikt om generativ AI i högre utbildning beskriver fördelar inom skrivande, återkoppling, problemlösning och forskning. Samtidigt lyfter den risker som kognitiv avlastning, beroende och minskad självständighet hos den lärande. En bredare systematisk översikt av 89 studier fann att effekterna inte var enhetliga: positiva resultat rapporterades i 40,4 procent av studierna, medan 23,6 procent visade blandade eller villkorade effekter. Överdrivet beroende, minskad analytisk självständighet och kognitiv avlastning hörde till de vanligaste riskerna.

Andra översikter pekar i samma försiktiga riktning. En syntes av forskning om lärande i klassrummet varnar för att analys, resonemang och kreativitet kan försvagas när generell AI kringgår den ansträngning som krävs för att utveckla färdigheter. Rekommendationen är att bygga grundkunskaper först, undervisa om AI och introducera verktygen stegvis.

Samtidigt är forskningsfältet fortfarande under utveckling. Studier använder olika definitioner av kritiskt tänkande och undersöker olika ämnen, åldersgrupper, uppgifter och former av AI-stöd. Den mest hållbara slutsatsen är därför villkorad:

AI kan stärka lärandet när den fungerar som ett stöd, en återkopplingspartner eller en motståndare som utmanar elevens resonemang. Den riskerar att försvaga lärandet när den ersätter den grundläggande tolkning och analys som eleven behöver träna själv.

Den viktigaste skiljelinjen kan gå mellan uppgiftsprestation och varaktigt lärande. En elev kan slutföra en uppgift mer effektivt utan att ha utvecklat den kunskap eller det omdöme som uppgiften var tänkt att träna.

Från plagiatkontroll till bättre uppgifter

Efter ChatGPT:s offentliga lansering 2022 handlade många institutioners första reaktioner om fusk, plagiat och detektion. Singapores universitetsregler visar nu en mer differentierad modell. AI kan vara tillåtet i vissa kurser och uppgifter, men reglerna avgörs på kursnivå och studenten ansvarar fortfarande för riktighet, akademisk integritet och korrekt redovisning.

Riktlinjer från National University of Singapore, NUS, säger att studenter ska redovisa AI-användning, kontrollera vad läraren tillåter och ta ansvar för arbetets kvalitet och integritet. Universitetets policy betraktar både direkt AI-genererat material och odeklarerad omskrivning av AI-material som otillåtet plagiat.

Samtidigt blir begränsningarna med AI-detektorer tydligare. Nanyang Technological University, NTU, har meddelat att den institutionella AI-detektorn ska avvecklas från 2027, med hänvisning till bristande tillförlitlighet och empirisk giltighet som bevis för akademiskt fusk. I stället vill universitetet lägga större vikt vid dokumenterade arbetsprocesser och standardiserad redovisning av AI-användning.

Det pekar mot en annan syn på examination. I stället för att försöka avgöra vem som skrivit en färdig text kan lärare följa hur studenten kom fram till sin slutsats genom:

• första försök utan AI;
• utkast och ändringshistorik;
• kommenterade källor;
• reflektioner över arbetsprocessen;
• muntliga förklaringar eller försvar;
• ämnesspecifik, lokal eller personlig bevisning; och
• uppgifter där eleven måste tillämpa kunskap på en obekant situation.

Målet är inte att göra examinationen ”AI-säker”. Målet är att göra det lärande som bedöms synligt.

Så kan AI användas utan att ersätta tänkandet

En praktisk regel för elever och studenter är enkel: använd AI efter, tillsammans med eller emot ditt eget tänkande – inte i stället för det.

För elever och studenter

1. Börja utan AI. Gör en disposition, försök lösa problemet, hitta relevanta källor eller formulera en preliminär ståndpunkt innan du öppnar verktyget.
2. Använd AI som samtalspartner. Be verktyget hitta motargument, synliggöra antaganden, föreslå sökord, skapa övningsfrågor eller kritisera ett utkast.
3. Se AI-svaret som ett påstående, inte som bevis. Kontrollera fakta, citat, källor, beräkningar och tolkningar mot trovärdiga primärkällor eller andra auktoritativa källor.
4. Dokumentera användningen. Anteckna vilket verktyg som användes, viktiga frågor och svar, vad du tog med eller avvisade och hur du kontrollerade resultatet. NUS riktlinjer kräver redan redovisning och personligt ansvar, medan vissa institutioner kräver mer detaljerade deklarationer.
5. Behåll självständig kontroll. Du ska kunna förklara och försvara varje centralt påstående utan att luta dig mot verktyget.

För lärare och utbildningsinstitutioner

Skolor och universitet kan göra förväntningarna tydligare genom att ange en bestämd AI-nivå för varje uppgift:

• Förbjuden: uppgiften mäter självständigt minne, beräkning, skrivande eller någon annan grundläggande färdighet.
• Tillåten med redovisning: AI får användas för exempelvis research, återkoppling eller redigering, men användningen ska dokumenteras och resultatet kontrolleras.
• Förväntad: studenten bedöms på sin förmåga att granska, förbättra eller ifrågasätta AI:s svar.

Ett starkt arbetssätt kan följa en tydlig ordning: först ett eget försök, därefter vägledd AI-återkoppling, sedan självständig revidering och till sist reflektion över var AI hade rätt, var den var ofullständig och var den hade fel.

Lärare bör också skilja mellan att skriva bra instruktioner och att förstå ett ämne. En avancerad prompt är inte ett bevis på förståelse. Ett välmotiverat beslut att avvisa ett övertygande men felaktigt AI-svar kan vara betydligt starkare bevis på lärande.

För yngre elever är MOE:s linje att AI ska gynna lärandet, användas med ett tydligt syfte och vara ålders- och utvecklingsanpassad, säker och ansvarsfull. Ny rapportering beskriver också en stegvis, lärarledd introduktion av MOE-utvecklade verktyg från Primary 4 samt utökad AI-utbildning för lärare. Barn behöver därför vägledd användning i klassrummet och stöd av vuxna, inte obegränsad privat tillgång.

Tillgång är inte samma sak som AI-kompetens

Singapores centraliserade digitala infrastruktur kan minska skillnader i tillgång till enheter och godkända utbildningsverktyg. MOE uppger att skolor får stöd för digital infrastruktur, enheter och programvara, och att elever i hela skolsystemet kan använda SLS.

Men lika tillgång leder inte automatiskt till lika förmåga att använda AI kritiskt. Elever vars familjer har mer tid, trygghet eller utbildningserfarenhet kan få mer hjälp med att ifrågasätta ett svar, kontrollera en källa eller upptäcka när en förklaring är ytlig. Utan uttrycklig undervisning kan dessa skillnader utvecklas till en ny form av utbildningsmässig ojämlikhet.

Skolor kan minska gapet genom att göra expertbeteenden synliga och möjliga att lära sig:

• visa hur man kontrollerar uppgifter och bedömer källor;
• ge strukturerade instruktioner och exempel på bra och dålig AI-användning;
• undervisa i metakognition – hur elever vet att de faktiskt förstår något;
• erbjuda övervakad tillgång till verktyg som institutionen ansvarar för; och
• utbilda lärare så att vägledningen inte beror på enskilda medarbetares självförtroende.

MOE:s nuvarande inriktning på AI-kompetens omfattar förståelse för AI:s fördelar, begränsningar och risker, förmågan att ifrågasätta svar samt att upptäcka partiskhet och falsk eller vilseledande information.

Singapores riktning fram till 2029

De tillgängliga politiska signalerna pekar mot djupare integration, inte reträtt. Singapore väntas fortsätta bygga in AI-kompetens på flera utbildningsnivåer, bredda användningen av godkända AI-verktyg och använda SLS för individualiserad träning och formativ återkoppling.

Universiteten väntas samtidigt fortsätta prioritera redovisning, ansvar och kursanpassade regler framför detektorbaserad kontroll. Examinationer kommer sannolikt att värdera process, tillämpning, dialog och omdöme högre – särskilt när lärandemålet är självständigt resonemang.

Det avgörande testet blir om AI utökar elevernas förmåga att tänka eller i tysthet ersätter den övning som tänkandet kräver. Singapores starkaste modell är därför varken ”AI överallt” eller ”AI ingenstans”. Det är strukturerad användning, kombinerad med skyddad tid för eget arbete.

Elever ska lämna skolan med förmåga att arbeta effektivt med AI, upptäcka när verktyget har fel, avgöra när det inte bör användas och resonera väl även när AI inte finns till hands. Det är skillnaden mellan att lära sig med AI och att lämna över själva lärandet till AI.