AI i klassrummet: Vad Googles stora skolförsök i Sierra Leone faktiskt visade

Löftet om att AI ska revolutionera utbildningen är enormt, men rigorösa bevis från riktiga klassrum har lyst med sin frånvaro. I juni 2026 publicerade Google DeepMind och den pedagogiska ideella organisationen Fab AI resultaten från en banbrytande randomiserad kontrollerad studie (RCT) i Sierra Leone. Studien ger en av de mest detaljerade inblickarna hittills i hur ett strukturerat AI-verktyg kan samspela med lärare .

Resultaten visade att elever som använde Geminis "Guided Learning"-läge under matematiklektionerna fick signifikant bättre provresultat. Men studien blottlade också kritiska nyanser: de elever som redan låg i framkant i matematik gynnades mest, lärarna tvingades anpassa sina roller och den omsorgsfullt designade interventionen är svår att skilja från sina stödjande komponenter.

Så utformades försöket

Studien genomfördes i samarbete med Sierra Leones utbildningsdepartement och var en förhandsregistrerad, tvåarmad klusterrandomiserad kontrollerad studie. Den pågick i åtta veckor, från 6 oktober till 5 december 2025, vid 12 statligt understödda högstadieskolor i distriktet Port Loko .

I studien deltog 1 763 elever i årskurs 7 och 8 (13 år och äldre) fördelade på 48 matematikklasser . Inom varje skola och årskurs lottades klasserna till antingen en behandlingsgrupp, som använde Gemini Guided Learning, eller en kontrollgrupp som fortsatte med vanlig undervisning. För att undvika att effekten av AI-verktyget skulle blandas ihop med lärarkvaliteten fick samtliga lärare samma utbildning på 5–6 timmar .

Målet var att eleverna skulle använda AI-verktyget under två av sina fyra veckliga matematiklektioner, vilket totalt skulle ge 12 timmars Guided Learning under de åtta veckorna .

En strukturerad fyrstegslektion med en twist

Interventionen handlade inte bara om att ge eleverna en chattbot. Den följde ett strikt pedagogiskt ramverk utformat för att göra AI:n till en partner i en kollaborativ lärprocess:

1. Lärarledd introduktion: Läraren presenterade lärandemålen och kontrollerade elevernas förkunskaper.
2. Huvudsaklig paraktivitet: Eleverna arbetade i par med en enhet (en surfplatta eller dator per två elever). Avgörande var att de hade definierade roller: "föraren" skrev frågorna till Gemini, medan "navigatören" förde anteckningar och styrde undersökandet. Rollerna byttes varje lektion för att säkerställa jämnt deltagande.
3. Klassrumsdiskussion: Läraren ledde en genomgång för att befästa det man lärt sig.
4. Avslutande sammanfattning: Läraren rundade av med en slutlig summering .

Som förberedelse definierade lärarna lektionsmål, skrev startuppmaningar och formulerade frågestommar på tavlan för att vägleda hur eleverna interagerade med Gemini .

Resultaten: En betydande skjuts, men inte lika för alla

Försöket gav statistiskt signifikanta förbättringar, men effektens storlek berodde starkt på hur mycket verktyget användes och elevens utgångsläge.

Mätetal	Resultat
ITT-effekt (intention-to-treat)	I genomsnitt förbättrades elever som tilldelats Guided Learning med +0,258 standardavvikelser (SD). Det motsvarar att flytta en elev från den 50:e till den 60:e percentilen .
Dos-responssamband	De 69 % av eleverna som nådde den fulla måldosen på 12 timmar eller mer uppnådde en mycket större effekt på +0,380 SD. Varje extra timmes användning var förknippad med en ökning på +0,016 SD .
Utgångsläge i matematik	Det mest kritiska fyndet: elever med starkare matematikkunskaper från början gynnades betydligt mer. Behandlingseffekten ökade med 0,195 SD för varje ytterligare standardavvikelse i grundläggande matematikfärdighet som en elev hade .
Undergruppsanalys	Det fanns inga signifikanta skillnader i AI:ns effekt när man bröt ner resultaten efter elevernas grundläggande läsförmåga, kön eller ålder .

Hur eleverna faktiskt interagerade med Gemini

En av de mest avslöjande delarna av studien var transkriptionsanalysen av över 113 000 elevinteraktioner med Gemini. Den målade upp en bild av att AI:n inte agerade som en svarsmaskin, utan som en handledare.

Den överväldigande majoriteten av samtalen – 91,4 % – fokuserade på matematisk förståelse . Geminis eget beteende styrdes omsorgsfullt av funktionen Guided Learning: den ställde stöttande följdfrågor i 76,4 % av sina meddelanden, vilket tvingade eleverna att tänka själva, och gav en direkt lösning i endast 2,1 % av fallen .

Risken för ökade kunskapsklyftor

Upptäckten att redan högpresterande elever gynnades mest fick forskarna att flagga för en betydande oro. Utan medvetna strategier för att stötta lågpresterande elever riskerar interventionen att öka befintliga kunskapsklyftor snarare än att minska dem .

Vad lärarna upplevde

Kvalitativ återkoppling från lärarnas fokusgrupper lade till ytterligare en dimension till resultaten. Lärarna rapporterade en märkbar ökning av elevernas engagemang och ett mer aktivt deltagande i klassrummet . Många började använda Gemini för lektionsplanering och upptäckte nya sätt att förklara komplexa ämnen som bråkräkning .

Avgörande var att lärarna beskrev ett skifte i sin egen yrkesidentitet och upplevde att deras roll utvecklades från "föreläsare" till "handledare", där de rörde sig runt i klassrummet för att stötta elevparen .

All respons var inte positiv. En del lärare rapporterade utmaningar, som att Gemini ibland introducerade innehåll som låg utanför ämnet eller bromsade klassens takt genom den planerade kursplanen .

Studiens avgörande begränsningar

Även om resultaten är positiva är forskarna noga med att beskriva flera begränsningar som bör nyansera tolkningen av fynden:

• Paketerad intervention: Försöket kombinerade Guided Learning med lärarfortbildning, en ny lektionsstruktur, tillhandahållande av enheter och övervakning i klassrummet. Designen kan inte isolera effekten av enbart AI-verktyget från dessa andra avgörande stödinsatser .
• Generaliserbarhet: Urvalet kommer från ett enda distrikt i Sierra Leone och är inte nationellt representativt. Resultaten är mest tillämpbara på skolor med jämförbar infrastruktur, inklusive surfplattor, pålitligt internet och lärarberedskap .

En global forskningsplan

Försöket i Sierra Leone är bara början. Det är den första i en planerad internationell serie av förhandsregistrerade studier av Google DeepMind och Fab AI för att undersöka Guided Learning i olika utbildningssystem . I ett steg mot transparens och skalbarhet offentliggjorde parterna sitt lärarutbildningsmaterial och en snabb-RCT-handbok tillsammans med resultaten, vilket ger en plan för andra forskare och utbildningssystem .