Från teknikanvändning till kunskapsdesign
AI har på kort tid förändrat förutsättningarna för både lärande och undervisning. Språket, bilden och texten – de byggstenar som hela skolans kunskapsuppdrag vilar på – delas nu med system som kan skriva, resonera och analysera.
Men skolans uppgift är fortfarande densamma: att utveckla elevernas förmåga att tänka, kommunicera och förstå världen.
Det avgörande skiftet handlar därför inte om teknik, utan om kunskapssyn.
Kärnfrågan
Frågan är inte hur vi använder AI, utan vad lärandet blir när människor och maskiner tänker tillsammans.
Här behöver läraren nya didaktiska modeller – inte för att ersätta befintliga arbetssätt, utan för att fördjupa dem.
De flesta diskussioner om AI i skolan börjar i verktyg: "Hur fungerar ChatGPT?" eller "Vilket AI-verktyg kan eleverna använda för att skriva?"
Men den didaktiska frågan är djupare:
Vilken typ av tänkande, språk och förståelse möjliggörs genom detta arbetssätt?
Att undervisa med AI handlar om att designa lärande, inte om att effektivisera uppgifter.
Det är i denna design – i samspelet mellan syfte, uppgift och reflektion – som läraren avgör vilken typ av kunskap eleven faktiskt utvecklar.
Epistemisk medvetenhet – att förstå hur kunskap blir till
För att undervisa meningsfullt i AI-tidsåldern behöver eleverna mer än digital kompetens.
Epistemisk medvetenhet
Förmågan att förstå hur kunskap skapas, vad som gör den trovärdig, och hur tekniken påverkar vår uppfattning om sanning och förståelse.
Det handlar om att kunna ställa frågor som:
- Vad betyder det att "veta" något när information genereras snarare än hämtas?
- Hur skiljer sig förståelse från imitation?
- Hur påverkas språket, kulturen och min självbild av att jag interagerar med algoritmer varje dag?
En epistemiskt medveten elev kan alltså inte bara läsa, skriva och tala – utan reflekterar över själva villkoren för att förstå.
De didaktiska modeller som presenteras här syftar till att hjälpa läraren skapa just sådana situationer.
Fyra perspektiv på undervisning i AI-eran
I arbetet med AI behöver skolan röra sig mellan fyra kompletterande perspektiv. De motsvarar också fyra dimensioner av AI-litteracitet: att använda, förstå, värdera och agera.
Hur kan AI förstärka lärprocessen?
Med AI
Pedagogisk design, process och strategi.
Hur kan elever förstå och granska tekniken?
Om AI
Begrepp, analys och epistemisk medvetenhet.
Hur utvecklar vi etik och ansvar?
Mot AI
Demokrati, värdering och agens.
Hur kan AI stödja språk och kreativitet utan att ta över?
Genom AI
Språkutveckling, metareflektion och röst.
Dessa fyra perspektiv bildar tillsammans en didaktisk kompass för undervisning i en tid då språk och kunskap allt oftare formas i samspel mellan människa och maskin.
Från didaktiska modeller till epistemiska praktiker
De modeller som följer – från klassiker som TPACK och SAMR till nyare som ECPA, Omvänd Bloom och Affordansperspektivet – utgör inte en metodbank, utan en tankekarta.
De hjälper läraren att se undervisningen genom olika linser: teknologisk, kognitiv, social och epistemisk.
Gemensamt grundantagande
AI förändrar inte vad lärande är, men det gör det synligare hur lärande fungerar.
När eleverna skriver, analyserar eller skapar med AI uppstår en ny didaktisk möjlighet: att tillsammans med dem undersöka hur språk, förståelse och kunskap blir till.
Där, i den reflektionen, sker den verkliga bildningen.
Ramverk och tankemodeller
En karta över AI-didaktiken
För att undervisa med, om, mot och genom AI behöver vi modeller som hjälper oss att se inte bara vad tekniken kan göra, utan vad den gör med lärandet.
Ramverken nedan fungerar som mentala kartor – verktyg för att planera, analysera och utveckla undervisning så att AI blir en katalysator för tänkande, inte en genväg för produktion.
De kompletterar varandra:
- TPACK-AI hjälper dig förstå relationen mellan ämne, pedagogik, teknik och epistemik
- SAMR visar hur teknikanvändning kan utvecklas från ersättning till transformation
- SOLO-taxonomin ger språk för att beskriva djupet i elevens förståelse
- ECPA-modellen strukturerar hur eleverna arbetar – Enskilt, Chatbot, Par, Alla
- Omvänd Bloom vänder på lärandets ordning och startar i kreativitet
- Affordansperspektivet flyttar fokus från verktyget till handlingen
- Double Loop-modellen påminner oss om att reflektera inte bara i utan över våra handlingar
TPACK-AI – den utvidgade lärarkompetensen
TPACK (Technological, Pedagogical and Content Knowledge) har länge använts för att beskriva lärarens samspel mellan teknik, pedagogik och ämneskunskap.
Men med AI behövs en fjärde dimension: Epistemic Knowledge – förståelsen för hur AI förändrar själva kunskapens natur.
Content (C)
Vad ska eleverna lära sig?
Språklig stil, källkritik, retorik, ekologi …
Pedagogical (P)
Hur lär de sig bäst?
Samtal, processkrivning, kamratrespons …
Technological (T)
Vilka verktyg stöttar detta?
Chattbot, bildgenerator, video-AI …
Epistemic (E)
Hur påverkar AI vad det innebär att veta?
Vems röst hörs? Vad är sant? Hur skapas förståelse?
TPACK-AI blir därmed ett reflektionsverktyg för lärare som vill se hur tekniska val hänger ihop med både ämnesinnehåll och kunskapssyn.
SAMR – från ersättning till omdefinition
SAMR-modellen beskriver fyra nivåer av teknikintegration:
- 1. Substitution – AI ersätter ett gammalt verktyg (t.ex. stavningskontroll)
- 2. Augmentation – AI förstärker funktionen (t.ex. personlig återkoppling)
- 3. Modification – AI förändrar själva uppgiften (t.ex. rollspel med historiska personer)
- 4. Redefinition – AI möjliggör något helt nytt (t.ex. elever tränar en egen AI-guide)
Diagnostisk fråga
Var är vi nu – och hur skulle uppgiften kunna omformas för att nå djupare tänkande?
Den epistemiska kärnfrågan på varje nivå:
S: Vad lär jag mig egentligen när AI gör jobbet snabbare?
A: Förstår jag bättre, eller bara snabbare?
M: Hur förändrar flera perspektiv min förståelse?
R: Vad lär jag mig genom att lära AI något nytt?
SOLO-taxonomin – att synliggöra förståelsens djup
SOLO-taxonomin (Structure of Observed Learning Outcomes) ger språk för att beskriva hur djupt en elev förstår ett innehåll – från ytlig till komplex nivå.
Missförstånd eller gissningar.
En aspekt förstås.
Flera aspekter förstås.
Samband och helheter förstås.
Abstraktion och överföring.
ECPA – Enskilt, Chatbot, Par, Alla
ECPA är en enkel lektionsstruktur som säkerställer att AI används som en reflektiv partner, inte som genväg. Den följer principen: tänk själv först, AI sen.
Enskilt
Eleven formulerar egna tankar, idéer eller hypoteser
Chatbot
Eleven testar sina idéer mot AI och får fördjupande frågor
Par
Elever jämför, diskuterar och förhandlar mening
Alla
Klassen delar och reflekterar tillsammans
ECPA tränar elevernas metakognition och epistemisk självständighet: att kunna se hur deras förståelse förändras i mötet med AI och andra människor.
Omvänd Bloom – skapa först, förstå sen
Traditionellt klättrar vi uppåt i Blooms taxonomi – från fakta till skapande. Men i en AI-kontext kan vi börja på toppen: låta eleverna skapa något först, för att sedan analysera och förstå hur det blev möjligt.
- 1. Skapa – låt eleverna producera något med AI (en text, bild, låt, kod)
- 2. Fråga hur – undersök vad AI gjorde och varför
- 3. Analysera – koppla till teori, struktur, principer
- 4. Förstå – lär begreppen som förklarar processen
- 5. Tillämpa själv – återskapa utan AI-stöd
Den omvända taxonomin väcker nyfikenhet: "Hur kunde AI göra det där – och vad behöver jag förstå för att kunna göra det själv?"
Affordansperspektivet – fokus på handling, inte funktion
Ett verktyg är aldrig neutralt – dess design möjliggör vissa handlingar och begränsar andra. Att tänka i termer av affordanser hjälper lärare se hur AI-verktyg påverkar elevens agens.
Funktion: Chattboten kan skriva text
Affordans: Eleven kan jämföra, revidera och reflektera över språk
Funktion: Bildgeneratorn kan skapa bilder
Affordans: Eleven kan visualisera abstrakta idéer och analysera symbolik
Funktion: Ljud-AI kan läsa upp text
Affordans: Eleven kan höra tonfall och reflektera över språklig stil
Fokus flyttas från vad verktyget gör till vad eleven kan göra genom det. Detta är kärnan i en affordansdriven AI-didaktik – där syftet alltid styr tekniken, inte tvärtom.
Double Loop-modellen – reflektion i två led
Argyris och Schöns modell för double loop learning hjälper oss gå från effektivitet till medvetenhet.
Single loop
Vi använder AI för att lösa uppgiften snabbare
Double loop
Vi reflekterar över hur AI förändrade uppgiften och vår förståelse
För elever – två frågor:
- 1. Vad lärde jag mig av uppgiften?
- 2. Vad lärde jag mig om hur jag lär – när jag samarbetar med AI?
För läraren – professionell reflektion:
Hur påverkar AI min undervisningsfilosofi, min syn på kunskap och min roll som pedagog?
Att använda modellerna som karta, inte facit
Inga modeller är tänkta att följas slaviskt. De fungerar snarare som optik – olika sätt att se och förstå undervisningen i AI-tiden.
När du som lärare växlar mellan dem sker det som är mest värdefullt: ett skifte från teknikintegration till epistemisk design.
Målet är inte att göra mer med AI – utan att tänka djupare om lärande genom AI.