Begreber
Indramning af AI-brug for elever
Automatisk maskinoversættelse af denne engelske side, der endnu ikke er blevet gennemgået af en modersmålstalere.
Indramning af AI-brug for elever: det overbevisende og kommunikative håndværk, der former, hvordan elever forstår værdien, formålet og grænserne for AI-værktøjer og AI-politikker, så de tilegner sig en produktiv og etisk brug i stedet for at afvise, undgå eller omgå den. Det er den opbakningsløftestang, som At reducere misbrug af AIs pædagogiske interventioner afhænger af: strukturelle Guardrails ændrer miljøet, men Scaffolding, kompetenceundervisning og politikker for AI-brug slår kun igennem, når eleverne faktisk overbevises om deres pointe.
Spørgsmål at overveje
- Blot at gøre AI tilgængelig for elever var forbundet med ineffektiv eller endda uetisk brug, mens eksplicit indramning og indlejring af passende brug forbedrede resultaterne. Hvis tilstedeværelsen af værktøjet betyder mindre end måden, det indrammes på, hvad siger det så om vægten på blot at "give eleverne AI"?
- De fleste elever bruger generativ AI, mange er usikre på, om deres brug er i overensstemmelse med reglerne, og de læner sig op ad privat tilgåede værktøjer frem for institutionelt udbudte. Hvis kendskabet til reglerne næsten ikke ændrer, hvad eleverne gør, hvad kan så overbevise i stedet for blot at informere?
- Når institutioner reagerer på AI med frygt og fordømmelse, kan elever skjule eller rationalisere deres brug i stedet for at lære at bruge den godt. Har du set en "moralsk panik"-reaktion presse elever ud i hemmelighed? Hvordan ville en omformuleret, mulighedsorienteret tilgang se ud?
- Bekymring om AI er ikke udelukkende en barriere: elever, der var bekymrede for nøjagtighed og plagiering, var mere tilbøjelige til at verificere og revidere AI-output frem for at acceptere det ukritisk. Hvordan kan produktiv bekymring kanaliseres til evaluerende kompetence i stedet for at blive undertrykt?
- Elever konstruerer deres egen fornemmelse af, hvad der er acceptabelt, gennem "steder" (underviseres intentioner, kursusdokumenter, kammeratnormer og institutionelle budskaber), som ofte divergerer. Når disse budskaber er i konflikt, hvilken tror du så vinder i praksis, og hvordan lukker indramning det gab?
Introduktion
Begrebet ligger mellem to mere velkendte. Hvor Technology Adoption Models forudsiger ibrugtagning ud fra opfattet anvendelighed og brugervenlighed, er indramning den aktive praksis at forme disse opfattelser. Og hvor Student Experience beskriver, hvordan elever i øjeblikket opfatter AI, handler indramning om bevidst at ændre den oplevelse. Den er kommunikationssiden af Educational AI Policy: en politik er kun så effektiv som elevernes vilje til at bakke op om den.
Hvorfor indramning betyder noget
Indramning betyder noget, fordi politik og regler ikke pålideligt ændrer adfærd af sig selv. Spørgeskemaforskning om regulatorisk bevidsthed finder, at elevers kendskab til institutionelle GenAI-regler kun viser svage til moderate sammenhænge med, hvad de faktisk gør (Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education). At kende reglerne er nødvendigt, men ikke tilstrækkeligt; budskabet skal overbevise, ikke blot informere.
Differentieret indramning kan udspringe af en enkelt politik snarere end kun på tværs af forskellige steder: en sentimentanalyse af 36 universitetspolitikker fandt, at udsagn om undervisning var positivt indrammet, mens udsagn om GenAI og etik var negativt indrammet, så eleverne mødte både opbakning og tilbageholdenhed i ét og samme dokument (Sun et al. (2026)).
Rammen former også, om elever oplever AI som en trussel, der skal undgås eller omgås, versus som en ressource, der skal bruges bevidst. Når institutioner reagerer på AI med frygt og fordømmelse, hvad en forskningslinje kalder en tilbagevendende "moralsk panik", skubber de elever ud i at skjule eller rationalisere deres brug frem for at lære at bruge den godt.(Navigating the moral panic: encouraging appropriate use of GenAI in the classroom rather than condemning innovation as disruption) At omformulere bekymring og fordømmelse til struktureret mulighed ændrer hele dynamikken i elevers engagement med AI.
Strategier og evidens
Indram AI som et produktivt værktøj, ikke som en trussel der skal forbydes
Den mest direkte testede indramningsintervention i vidensbasen er et seksårigt naturligt eksperiment, der følger et data-visualiseringskursus gennem tre betingelser: før-GenAI, GenAI-tilgængelig (til stede, men ikke integreret) og GenAI-integreret (eksplicit instruktion plus opmuntring til at bruge AI på anvendt arbejde, forbudt kun i videnstestdelen). Fundet var, at blot at gøre AI tilgængelig var forbundet med, at elever brugte den ineffektivt eller uetisk, mens eksplicit indramning og indlejring af passende brug genoprettede og forbedrede resultaterne på anvendte spørgsmål.(Navigating the moral panic: encouraging appropriate use of GenAI in the classroom rather than condemning innovation as disruption) Lektionen er, at indramningen (hvordan AI positioneres og undervises) betyder lige så meget som værktøjets tilstedeværelse; at opmuntre passende brug slår at fordømme eller ignorere den.
Formidl forventninger klart og gentagne gange, og design omkring eleverne
Fordi regelbevidsthed alene ikke flytter adfærd, parrer effektiv indramning klare forventninger med strukturel forstærkning. Elever konstruerer deres egen fornemmelse af, hvad der er acceptabelt, gennem det, en interviewundersøgelse kalder de "steder", hvor AI-politik fortolkes; underviseres intentioner, kursusdokumenter, kammeratnormer og institutionelle budskaber divergerer ofte og producerer rationaliseringer som "at kopiere AI-tekst skader ingen".(It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing) Indramning skal derfor lukke gabet mellem, hvad underviserne har tænkt, og hvad eleverne udleder, og anerkende den sociale og følelsesmæssige kontekst; skam og skyld regulerer, hvornår og hvordan elever gør AI-brug synlig, og driver skjuladfærd og selektiv indberetning frem for ærlig involvering.(Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education)
Sig hvorfor, ikke bare hvad
Den mest direkte indramningsløftestang i vidensbasen er at levere begrundelsen for en grænse opgave for opgave, formuleret som om man taler til elever ("du vil...", "vi vil..."). McCorkles (2025) designcase dokumenterer mekanismen: efter at samtaler i træffetiden havde afsløret, at elever, der havde læst et forbud, ikke troede, at det gjaldt dem, genopbyggede hun politikken, så hver tilladt eller ikke tilladt brug af GenAI blev begrundet med den specifikke evaluering, den beskytter; for eksempel er GenAI-hjælp til læringsmål ikke tilladt, fordi "jeg evaluerer din evne til at formulere læringsmål, der er specifikke, målbare og på et passende niveau", og hun leverede den begrundelse både i studieordningen og som rettidige påmindelser inde i opgaveinstruktionerne. Indramning via begrundelse er en ligestillingsmanøvre lige så meget som en overbevisende: den forudsætter mindre fælles baggrundsviden om forfatterskab, originalitet og kreditering, og den gør politik til en dialog frem for en dom (Akademisk integritet).
Omformuler bekymring og usikkerhed til evaluerende kompetence
En mixed-methodsundersøgelse af akademisk skrivning fandt, at AI-bekymring ikke blot er en barriere: elever, der var bekymrede for nøjagtighed og plagiering, var mere tilbøjelige til at verificere, krydstjekke og revidere AI-output frem for at acceptere det ukritisk. Undersøgelsen indrammer AI-kompetence mindre som accept og mere som regulatorisk kompetence, altså evnen til at stille spørgsmålstegn ved output, revidere selektivt og fastholde forfatterskabsansvar.(From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource) At indramme AI-brug for elever betyder at kanalisere produktiv bekymring mod evaluering, ikke at undertrykke den.
Brug målrettede budskaber til at forme specifikke adfærdsmønstre
Små, veldesignede budskaber kan flytte adfærd. Et inokulationsbudskab om ChatGPTs fejlbarlighed øgede elevernes intention om at verificere AI-leveret information og deres faktiske verifikationsadfærd.(Student engagement with ChatGPT for educational tasks: Effects of inoculation training on verification intentions and behavior) Tilsvarende øgede blot en advarsel til eleverne om AI-fejlbarlighed hjælpsøgning i et intelligent vejledningssystem; en ramme af kalibreret forsigtighed frem for blanket mistillid.(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System) Disse peger på et generelt princip: indram værktøjets grænser ærligt, og eleverne kalibrerer deres adfærd derefter i stedet for enten at stole for meget på det eller afvise det.
Sikr opbakning og faktisk brug, ikke kun adgang
Indramning ligger opstrøms for ibrugtagning. Felteksperimenter med AI-vejledning fandt, at den bindende begrænsning ikke var kapacitet, men engagement: trods afsat sessionstid brugte næsten halvdelen af eleverne aldrig platformen, og brugerne brugte i gennemsnit kun 2-5 minutter om ugen, indtil en lavprisintervention med menneskelig støtte (en kort personlig onboarding) forbedrede ibrugtagningen.(Access is Not Enough: Human Support Improves Engagement with AI Tutoring) At få eleverne til at bakke op om værdien og formålet med et værktøj er en forudsætning for enhver læringsgevinst; indramning omfatter at sælge den værdi, ikke blot at fjerne adgangsbarrierer.
Indramning og motivation
Indramning knytter an til Motivation gennem Self-Determination Theory: hvordan et værktøj eller en politik præsenteres, afgør, om elever oplever AI-brug som autonom og meningsfuld eller som kontrolleret og påtvunget. Elevers engagement med GenAI formes af, om værktøjet understøtter deres oplevelse af kompetence, autonomi og tilhør, et indramningsspørgsmål lige så meget som et funktionsspørgsmål.(Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study) Når AI-tilgængelighed udhuler den oplevede mening med indsats ("hvorfor gøre sig så meget umage?"), skal rammen genopbygge et formål med den indsats og knytte AI-brug til varig læring frem for til opgaveløsning.(Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming)
Medier og offentlig indramning
Elever indrammes også af den bredere medie- og offentlighedsdiskurs om AI i uddannelse, som former deres grundforventninger før ethvert budskab fra en underviser. Analyser af offentlig diskurs og af, hvordan platforme som YouTube indrammer ChatGPT-brug i uddannelse, viser, at fremherskende rammer (hype, dommedag eller pragmatisme) påvirker, hvordan elever og undervisere tilgår teknologien.(How YouTube Frames ChatGPT Use in Education: An Epistemic Network Analysis with Supporting Multimodal Metadata)(A Longitudinal Analysis of Public Discourse on AI Ethics in Education Using Twitter Data) Effektiv indramning fra undervisere betyder ofte bevidst at modvirke eller omdirigere disse omgivende narrativer.
Praktisk vejledning
- Positioner AI som en produktiv ressource ved eksplicit at undervise i hvornår og hvordan den bruges, frem for at forbyde eller ignorere den; integreret indramning slår både fordømmelse og laissez-faire.
- Formidl forventninger gentagne gange og fra hvert "sted": studieordning, opgaveprompts, Feedback og kammeratnormer bør fortælle en konsistent historie, så eleverne ikke opfinder deres egne rationaliseringer.
- Kanaliser bekymring til evaluering. Indram usikkerhed om nøjagtighed som en grund til at verificere og revidere, ikke som en grund til at undgå eller snyde.
- Brug ærlige, målrettede budskaber (fx inokulation og fejlbarlighedsadvarsler), der opbygger kalibreret forsigtighed frem for blanket tillid eller mistillid.
- Sekventér værktøjet efter læringens fase. Den 30-ekspertkonsensusrapports centrale praktiske påstand er en rækkefølge: tilegn dig idéer først uden GenAI, brug den derefter til at styrke og konsolidere det lærte, og prioriter derefter din egen tænkning, når du anvender idéerne i nye kontekster (Kendeou, Greene & Nixon et al., 2026). Dens råd til elever er mere direkte: kortsigtede præstationsgevinster omgår den læring, der er nødvendig for langsigtet succes.
- Sælg formålet. Forbind AI-brug til varig læring og elevens handlingsrum, og par budskaber med den støtte, der omsætter intention til faktisk brug.
Almindelige fejlopfattelser
"En klar politik fortæller eleverne, hvad reglerne er, så indramning er unødvendig." Politiktekst er ikke indramning, og gabet viser sig i adfærd: de fleste elever bruger generativ AI, mange er usikre på, om deres egen brug er i overensstemmelse med reglerne, og de læner sig op ad privat tilgåede værktøjer frem for institutionelt udbudte. En elev, der ikke kan afgøre, om vedkommende overholder reglerne, bliver ikke kommunikeret med, uanset hvad dokumentet siger, og derfor sætter siden "sig hvorfor, ikke bare hvad" i sin metode.
"At offentliggøre en politik og stille et licenseret værktøj til rådighed dækker det institutionelle ansvar." Adgang og faktisk brug er forskellige resultater, og denne side findes, fordi det er i det andet, løftestangen sidder. Strukturelle Guardrails ændrer miljøet automatisk, men Scaffolding, kompetenceundervisning og brugspolitikker slår kun igennem, når eleverne faktisk overbevises om deres pointe; det er den opbakningsafhængighed, siden navngiver.
"At forbyde et værktøj fjerner adfærden." Det flytter den til værktøjer, du ikke kan se. Elever foretrækker allerede privat tilgåede værktøjer frem for institutionelt udbudte, så et forbud skubber brugen ud af det eneste miljø, hvor støtte, logning eller vejledning er mulig. Indramningsopgaven er at gøre den tilladte adfærd til den attraktive, ikke at gøre den forbudte adfærd sværere at observere.
"Indramning er overbevisning, så det er mere retorik end design." Den indramning, denne side beskriver, er parret med design: forventninger udtrykt klart og gentagne gange mens man designer omkring eleverne. Budskaber leveret i stedet for designet til er den version, der fejler, fordi eleverne læser forskellen mellem en erklæret forpligtelse og en faktisk.
Forbundne begreber
- At reducere misbrug af AI
- AI-kompetence
- Student Experience
- Technology Adoption Models
- Educational AI Policy
- Akademisk integritet
- Motivation
- Self-Determination Theory
- Learner Agency
- Trust Calibration
- Student Engagement
- Misconceptions about AI
Forbundne artikler
-
Ways Generative AI Can Support and Threaten Learning in K–20 US Education — En 30-ekspertkonsensus om rækkefølgen: tilegn dig stoffet uden GenAI, konsolidér det med den, og tænk derefter selv
-
Designing an Aligned Generative AI Course Policy: An Equitable and Transparent Learner-Centered Approach — Åben begrundelse for hver tilladt og ikke tilladt GenAI-brug, opgave for opgave (McCorkle 2025)
-
Navigating the moral panic: encouraging appropriate use of GenAI in the classroom rather than condemning innovation as disruption — At opmuntre passende brug af GenAI frem for at fordømme den som forstyrrelse
-
It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing — De "fem steder", hvor elever rationaliserer AI-brug i akademisk skrivning
-
Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education — At kende reglerne er ikke nok: regulatorisk bevidsthed og faktisk brug
-
From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource — Fra AI-bekymring til strategisk regulering
-
Student engagement with ChatGPT for educational tasks: Effects of inoculation training on verification intentions and behavior — Inokulationsbudskaber og verifikationsadfærd
-
Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System — Advarsel om AI-fejlbarlighed øger hjælpsøgning
-
Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — Skam og skyld som sociale regulatorer af AI-brug
-
Access is Not Enough: Human Support Improves Engagement with AI Tutoring — Menneskelig støtte forbedrer engagementet i AI-vejledning
-
Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study — SDT-baseret engagement med GenAI
-
Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming — Hvordan AI-tilgængelighed former elevers motivation
-
How YouTube Frames ChatGPT Use in Education: An Epistemic Network Analysis with Supporting Multimodal Metadata — Hvordan YouTube indrammer ChatGPT-brug i uddannelse
-
A Longitudinal Analysis of Public Discourse on AI Ethics in Education Using Twitter Data — Offentlig diskurs om AI-etik i uddannelse
-
AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — Undervisere indrammer AI som kritisk og ansvarlig brug; arbejdsgivere indrammer det som produktivitet
-
Reassessing Academic Integrity in the Age of AI: A Systematic Literature Review on AI and Academic Integrity — At opbygge en kultur for akademisk integritet via klare forventninger