På denne side

Læs denne side på engelsk

Automatisk maskinoversættelse af denne engelske side, der endnu ikke er blevet gennemgået af en modersmålstalere.

Et gratis redigeret bind fra Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7), der organiserer generativ AI kursus for kursus snarere end værktøj for værktøj. Psykologi leverer respondenterne til mange AI-brugsundersøgelser uden at være deres genstand; denne bog er modstykket, med 21 kursuskapitler plus en introduktion og en konklusion på tværs af 255 sider.

Bogens argument

Redaktørernes præmis er, at psykologiundervisere er usædvanligt godt placeret til at undervise i AI-brug, fordi disciplinen allerede underviser i dømmekraft om måling, evidens og menneskelig adfærd. Deres påstand er smallere end »AI-kompetence betyder noget«. Den er, at AI-kompetence er noget, der udvikles: studerende har den ikke eller mangler den ikke, de tilegner sig den gennem trinvis adgang, refleksion og feedback.

Tre designforpligtelser følger heraf, og de fleste kapitler omsætter mindst én af dem i praksis. Gør det, studerende må gøre med et værktøj, trinvis, og bevæg dig fra guidet brug mod selvstændig brug, efterhånden som dømmekraften udvikler sig. Par brug med verifikation, så en påstand fremsat med en model skal tjekkes mod en kilde og dokumenteres. Definér succes som dømmekraft om, hvornår og om værktøjet skal bruges, ikke som flydende beherskelse af det.

Strukturen er argumentet. Kapitlerne er grupperet efter det kursus, en underviser står over for at skulle undervise i — grundlæggende og tværgående kurser, kliniske kurser og rådgivningskurser, forskningsmetoder og statistik — snarere end efter værktøj, kapacitet eller institutionel politik.

Afsnit I: grundlæggende og tværgående kurser

  • Adgang er det første problem, ikke værktøjet (Slade og Hyk). Studerende, der ankommer uden forudgående AI-erfaring, stilles dårligt to gange: de mangler prompt-færdigheden, og de mangler dømmekraften om, hvornår et flydende svar er forkert. Kapitlet underviser i prompt-engineering side om side med åbne repositorier af genbrugelige prompts og behandler den undervisning som et ligestillingstiltag. Forfatteren oplyser en økonomisk interesse i en virksomhed, der kommercialiserer pædagogisk AI.
  • AI som indholdsgenerator til undervisning (Corcoran). Kapitlets use case er underviserens egen forberedelse: illustrationer, eksempler, opgaver og andre undervisningsstimuli genereret mod et erklæret mål. Dets argument er, at tilpasning til det mål, ikke nyhedsværdi, er det, der gør outputtet nyttigt. Kapitlet insisterer også på, at studerende undervises om AI — dets begrænsninger og etik — og ikke blot får det udleveret.
  • Studieteknik som bro til teorien (Costa). I et kursus på højere niveau i læring og hukommelse bruger studerende AI-studieværktøjer og kortlægger derefter det, værktøjerne gør, mod fordelt øvelse og genkaldelse. Designet gør psykologien til genstanden og værktøjet til præparatet, hvilket er den reneste måde at undervise i et kursus, hvis indhold er den læringsvidenskab, værktøjerne hævder at implementere.
  • Et anvendt adfærdsændringsprojekt (Emanuel). Studerende kører et sundhedsadfærdsændringsprojekt med et AI-system som coach. Deres refleksioner adskiller det, der virkede — øjeblikkelige, skræddersyede, ikke-dømmende forslag — fra det, der ikke gjorde: ingen empati og plausibel misinformation om sundhed. Kapitlet er et af de få, der placerer en model i en rolle, hvor det har en pris at tage fejl.
  • AI som debatcoach (Jackson). Et kursus på højere niveau i socialpsykologi bruger en model til at kortlægge argumenter, finde modargumenter og øve gensvar før en offentlig debat, hvor hver påstand verificeres mod fagfællebedømte kilder. Af de skriftlige refleksioner fandt 75 % modellen mindst moderat nyttig i forberedelsen, og 35 % var stærkt positive; omkring 10 % fandt lille nytte, mest fordi modellen producerede generiske argumenter eller selvsikre fejl. Den senere iteration tilføjer en forberedelsesplan på én side og et evidensregnskab, der knytter hver påstand til en kilde.
  • En kursuschatbot med feedbackopgaver (Lee, Nam og Wages). En chatbot bygget til Introduction to Psychology, Research Methods og Psychology Apprenticeship understøttede emnebrainstorm, præcisering af forskningsspørgsmål og opgavestruktur. Forfatterne rapporterer 124 studerende i førtestundersøgelsen og en svarprocent på 25 % i eftertesten, så resultatevidensen er tyndere end implementeringsdetaljerne.
  • Evaluering i tre niveauer (Granito). Diagnostiske, formative og summative opgaver får hver en AI-forstærket version, og den summative ende bevæger sig mod autentiske projekter, hvor værktøjet er en støttepartner snarere end det afleverede produkt. Dette er kapitlet at læse, hvis spørgsmålet er, hvad man skal holde op med at bedømme.

Afsnit II: kliniske kurser og rådgivningskurser

  • Psykoterapi som introduktionsaktivitet (Castro). Studerende vælger en DSM-5-TR-lidelse og en psykoterapeutisk teknik, oplever derefter en simuleret session og diskuterer, hvad AI-baseret telehealth vinder og taber. Designet underviser i teknikken ved kontrast: simuleringen viser, hvad den relationelle del af terapien er, ved at udelade den.
  • At bygge casestudier sammen (Pulido). Studerende bruger ChatGPT til at udarbejde DSM-5-TR-casestudier og evaluerer dem derefter, hvilket placerer evalueringsfærdigheden hos den studerende snarere end hos modellen. Kapitlet beskriver tilpasninger til kandidat- og bachelorstuderende og behandler iterativ prompt-forfinelse som en del af den kliniske ræsonneren, ikke en teknisk pligt.
  • Casekonceptualisering i et seminar (Draheim). Casekonceptualisering er dér, hvor studerende syntetiserer klientinformation og forskning i behandlingsresultater, og det er svært at undervise i på bachelorniveau. Seminaret bruger AI til at generere og kritisere konceptualiseringer, hvor underviserens feedback-byrde nævnes som den begrænsning, der gør værktøjet attraktivt i første omgang.
  • Kulturel ydmyghed (Draheim). En hjemmeopgave bruger en model til at arbejde sig gennem en artikel om kulturel ydmyghed, efterfulgt af en øvelse i klassen i at finde bias i generativt output. Sammenkoblingen betyder noget: værktøjet bruges til at åbne et emne og gøres derefter til genstand for kritik i samme uge.
  • Traumeresponsiv undervisning (Rubio). Kandidatkurser i traumer bruger tekst- og billedmodeller til at co-skabe terapeutiske historier og trygge-sted-billeder, forankret i Hermans trefasede model og Perrys neurosekventielle model. Rammeværket gør arbejdet her; værktøjerne leverer materiale, som rammeværket derefter begrænser.
  • Bots som terapeuter (Niederjohn). Studerende taler med flere chatbots og sammenligner oplevelsen med ansigt-til-ansigt-arbejde om terapeutisk alliance. Kapitlet leverer de tal, der gør øvelsen presserende: 65 % af professionelle inden for mental sundhed så i tidligere undersøgelser fordele ved chatbot-støtte, mens 86 % ikke støttede brugen af dem i behandling. Dets praktiske forslag er en stige — AI-rollespil først, derefter medstuderende, derefter menneskelige simulerede patienter.
  • Rollespil for terapeuter under uddannelse (Labriola og VanHara). AI-rollespil erstatter manusbaseret peer-rollespil med umanusbaserede kliniske præsentationer, hvilket forfatterne argumenterer for øger realisme og villighed til at tage risici. De forankrer behovet i data fra studenterundersøgelser: 86 % af næsten 4.000 studerende på tværs af 16 lande rapporterede at bruge AI, 58 % sagde, at de manglede tilstrækkelig viden om det, og 72 % ønskede kurser i AI-kompetence.

Afsnit III: forskningsmetoder, statistik og videnskabelig literacy

  • AI som forsknings-co-pilot (Sumutka og kolleger). Aktiviteter fører novicer gennem at afgrænse et emne, finde kilder, generere og operationalisere variable og anvende etik. Det erklærede mål er informationskompetence først og hastighed næst, og kapitlet er eksplicit om, at værktøjet bliver forevist lige så meget som brugt.
  • Spørgsmålsgenerering som kritisk evaluering (Burkett). En trefaset tilgang i et bachelorkursus i forskningsmetoder gør ChatGPT til en generator af evaluerende spørgsmål om studiedesign, med en custom GPT bygget til formålet. Spørgsmålene tjener derefter som et mål for forståelse — et evalueringstræk, som andre kapitler taler om, men sjældent operationaliserer.
  • Brug og misbrug, som moduler (Urdan, Firtch og White). Klar-til-brug-moduler dækker generering af forskningsdesign, øvelsestests og de kendte fejltilstande, med den begrundelse at adoptionens friktion er den virkelige barriere for undervisere, der er AI-nysgerrige, men tidsfattige.
  • Chatbotten, der ikke nåede i mål (Hilley og Edwards). »Zig«, bygget på Juji-platformen til et obligatorisk statistikkursus, skulle give øjeblikkelig hjælp til øvelsesopgaver. Den levede ikke op til forventningerne. Dens fiaskoer er specifikke og instruktive: en studerende, der spurgte til Levene's test, skrev »levee« og fik et afslag, et spørgsmål om bedømmelse gav et urelateret svar om z-scores, og forespørgsler om eksempler fik definitioner i stedet. Meget af dette kan spores til en Q&A-baseret platform snarere end en ræsonnerende model, men kapitlet er bindets ærlige negative resultat og det, man bør læse, før man bygger en kursusbot.
  • Trinvis integration i R-undervisning (Garrison, Tyson og Lyu). Firetrinsmodellen begynder med AI-fri læring og tilføjer kun værktøjer, efterhånden som studerende kan evaluere det, værktøjerne producerer. Det parathedssignal, forfatterne nævner, er frustration over AI's begrænsninger, og den fejltilstand, de dokumenterer, er at introducere AI tidligere, hvilket producerede afhængighed, før det grundlæggende var på plads.
  • ChatGPT plus Elicit i et afsluttende seminar (Katzarska-Miller). Fire forberedende workshops går forud for en semesterlang forskningsopgave, med en generativ model til udkast og et forskningsassistentværktøj til litteratur. Kapitlet forankrer designet i socialkonstruktionistisk læringsteori og bruger selvvurdering før og efter kurset til at tjekke, om AI-kompetencen flyttede sig.

Hvad der går igen på tværs af de enogtyve kapitler

  • Gør adgangen trinvis. Næsten hvert kapitel tilbageholder værktøjet, indtil studerende har noget at dømme det mod, hvad enten det er et statistisk tal, et rammeværk, en debatposition eller en programmeringsgrundsten.
  • Kræv verifikation og gør den synlig. Evidensregnskaber, kildetjek, promptlogs og »hvad ændrede sig efter faktatjek«-noter optræder på tværs af afsnit. Kravet er det, der forvandler værktøjsbrug til læring.
  • Brug studerendes refleksion som instrument. Refleksioner er evidensgrundlaget for de fleste kapitler, hvilket også er bindets centrale metodologiske svaghed.
  • Design på kursusniveau, ikke værktøjsniveau. Bogens egen organiserende beslutning — ét kapitel pr. kursus — er anbefalingen.
  • Bevar underviserens dømmekraft som genstand. Den tilbagevendende påstand er, at studerende bør forlade kurset i stand til at beslutte, hvornår de ikke skal bruge værktøjet.

Hvor bogen halter

Kapitlerne er praktikerberetninger. Næsten ingen rapporterer et design, en stikprøve eller en effektstørrelse, og hvor tal optræder, beskriver de implementering snarere end læring. Undtagelserne er delvise: Lee og kolleger har før- og eftertestundersøgelser med en svarprocent på 25 % i eftertesten, og Jacksons refleksionsanalyse er en tematisk kodning af én klasse.

Entusiasmen er også ujævnt kontrolleret. Corcoran og Costa skriver som fortalere; Hilley og Edwards rapporterer en fiasko; kun Slade og Hyk oplyser en kommerciel interesse. Kapitler, der nævner bestemte produkter, vil hurtigt forældes, eftersom de fleste beskriver værktøjer, som de opførte sig i løbet af 2025.

Dækningshuller, der er værd at kende: omkostninger og premium-niveauer diskuteres næsten ikke, tilgængelighed og handicap behandles ikke som et afsnit, og K-12 optræder kun i Castros kapitel om ungdomsuddannelse. Bindet handler om bachelor- og kandidatundervisning i psykologi i USA, med lidt om store forelæsningskurser ud over Costas og Granitos.

Hvad du kan gøre med det

Læs kapitlet for det kursus, du står over for at skulle undervise i. De tre afsnit — grundlæggende og tværgående kurser, kliniske kurser og rådgivningskurser, forskningsmetoder og statistik — holder beslægtede kapitler sammen. Eksempler: en AI-tutorchatbot i psykologisk statistik, ChatGPT parret med Elicit i et afsluttende seminar, AI som debatcoach, casekonceptualisering og kulturel ydmyghed i klinisk uddannelse og et forskningsmetodekapitel, der lader studerende generere spørgsmål med ChatGPT og derefter kritisere dem.

Hvem det er til

Psykologiundervisere på alle karrieretrin og undervisere i nærliggende samfundsfag, hvis evalueringsproblemer har samme form: essaytungt arbejde, casediskussion, statistikangst, små kurser, hvor én omlægning er gennemførlig.

Noter og forbehold

Gratis PDF, ingen konto. Ophavsretten tilhører STP, ikke en Creative Commons-licens: personlige kopier og kopier til klassebrug er tilladt med kildeangivelse, mens videredistribution eller kommerciel brug kræver forfatterens tilladelse. Kapitlerne er praktikerberetninger, ikke studier — ingen designs, stikprøver eller effektstørrelser — så behandl påstandene som erfaringsrapporter og citér kapitlerne individuelt.

Relaterede begreper

Indlejr denne side

Kopiér koden nedenfor for at indlejre denne side i et læringsstyringssystem eller på en anden hjemmeside. Den indlejrede version viser kun sidens indhold — den skjuler sidens header, navigation og footer.