AIEd-kunnskapsbaseAIEd KB
På denne siden

Les denne siden på engelsk

Begreper

Filosofien om AI i utdanning

Opprettet 2026-08-16 · Oppdatert 2026-11-08

Automatisk maskinoversettelse av denne engelske siden, ennå ikke korrekturlest av en morsmålstalare.

Filosofien om AI i utdanning — grenen av utdanningsfilosofien som undersøker de grunnleggende begrepsmessige spørsmålene kunstig intelligens reiser i undervisning og læring: Hva er kunnskap og tenkning når maskiner deltar i dem? Hva er eleven når kognisjonen er distribuert på tvers av menneskelige og kunstige systemer? Hvilke former for handlekraft, ansvar og personstatus gjelder for AI, og hva skylder utdanningen elevene i en AI-formidlet verden? Forskjellig fra (men knyttet til) kunnskapsbasens side om læringsteorier, som katalogiserer teorier om hvordan læring skjer, spør filosofien om AI i utdanning de dypere spørsmålene om hva læring, sinn og eleven grunnleggende sett er under AI-formidlede betingelser.

Spørsmål å vurdere

  • Krever tenkning bevissthet og en kropp? Hvis en AI genuint deltar i resonneringen din, foregår noe av «tenkningen» i maskinen — og endrer det hvem som lærer?
  • Siden reiser ideen om kognisjon «distribuert» på tvers av menneskelige og kunstige systemer. Tenk på en oppgave du har løst med AI-hjelp: hvor sluttet tenkningen din og maskinens begynte?
  • Hvis en elevs kognitive prosesser blir genuint hybride (delvis menneskelige, delvis kunstige), hva betyr det for det vi kaller «eleven» — og for hva utdanningen skylder hen?
  • Siden skiller filosofi (hva læring og eleven grunnleggende sett er) fra læringsteorier (hvordan læring skjer). Kan du navngi en oppfatning du har om læring som egentlig er en filosofisk posisjon?
  • Hvis AI kan utøve «funksjonell handlekraft» uten bevissthet, bærer den da ansvar for sine pedagogiske effekter — og hvis ikke, hvem gjør det? Hvem bør svare når en AI-veileder villeder en elev?
  • Posthumanistisk tenkning omrammer elever som «posthumane» entiteter. Hvordan utfordrer eller forstyrrer den ideen dine egne antakelser om hvor en elevs sinn befinner seg?

Introduksjon

Dette er en begrepsside for de filosofiske og teoretiske grunnlagene for AI i utdanning. Mens læringsteorier dokumenterer de empiriske og designorienterte teoriene (behaviorisme, konstruktivisme, kognitiv belastning, selvregulert læring, osv.), tar filosofistrømmen for seg de ontologiske, epistemologiske og etiske spørsmålene som disse teoriene forutsetter. De to er nært knyttet sammen: filosofiske posisjoner former hvilke læringsteorier som virker plausible, og hvilke pedagogiske mål som er verdt å forfølge.

Sentrale filosofiske spørsmål

  • Sinnets og kognisjonens natur. Krever tenkning bevissthet og en kropp? Kan AI delta i genuint kognitive prosesser? Rammeverk som ensemblekognisjon argumenterer for at AI utøver funksjonell handlekraft — genuin kausal effekt i kognitive prosesser — uten bevissthet, og at tenkning oppstår fra dynamisk menneske–AI-interaksjon.(Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments) Distribuert kognisjon og tesen om det utvidede sinn fremsetter beslektede påstander om kognisjon spredt på tvers av systemer.

  • Hva er eleven? Posthumanistisk filosofi rekonseptualiserer eleven som en «posthuman» entitet hvis kognitive prosesser er genuint hybride og distribuerte på tvers av biologiske og kunstige systemer.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI) Dette utfordrer antakelsen om at eleven er et avgrenset, autonomt individsinn.

  • Kroppslighet og grensene for kroppsløs AI. Kroppsliggjort og postkognitivistisk filosofi kritiserer dominansen av symbolske, kroppsløse AI-modeller og argumenterer for at kognisjon er forankret i situasjonalitet, emergens og sensorimotorisk kobling som dagens generative AI mangler.("If You Can't Dance Your Program, You Can't Write It": Challenges and Implications for AI in Education)

  • Emosjonelt arbeid som testtilfelle for maskinelle sinn. Feltets argumenter om hvorvidt AI kan undervise, avhenger ofte av om den kan bry seg, et spørsmål som ble debattert lenge før affektiv databehandling fantes. Khan (2026) rekonstruerer debatten 1950–1996, der Ziffs påstand om at bare levende vesener bokstavelig talt kan ha følelser, ble besvart med Smarts identitetsteori og Putnams atferdskriterium, slik at tre konkurrerende ontologier står uavklarte. Konklusjonen hans er en begrunnelsesbyrde snarere enn en umulighetspåstand — representasjon, simulering og etterligning underbestemmer emosjonelt arbeid — noe som legger byrden på alle som vil delegere pastoralt arbeid til et system.

  • Handlekraft, forfatterskap og mening. Når AI formidler tolkning og meningsskaping, spør filosofien hvordan forfatterskap, epistemisk handlekraft og tolkende autonomi omkonfigureres.(AI-Mediated Learning and the Restructuring of Interpretive Cognition: A Developmental-Critical Model for Social Sciences and Humanities Education)

  • Ontologien til AI-genererte vitenskapelige objekter. I kjemi inntar AI-forutsagte forbindelser og titreringskurver et «liminalt ontologisk rom» — verken helt hypotetisk eller fullt reelt før det er empirisk bevist — noe som forskyver faget fra realisme mot en konstruktivistisk oppfatning der virkeligheten er et samarbeid mellom menneske og maskin (Reyes og Regala (2026)).

  • Kognitiv passivitet som en epistemisk skade. Bai og Costa (2026) bygger på Arendts redegjørelse for tenkning som en innovervendt, ikke-overførbar aktivitet for å argumentere for at GenAI som leverer arbeidet, ikke bare avlaster tenkning, men foregriper den, med Bourdieus felt og habitus som lokaliserer risikoen i institusjonelle strukturer (Bai & Costa (2026)).

  • Verdier, rettferdighet og utdanningens formål. Filosofisk analyse undersøker om AI-drevet utdanning tjener menneskelig blomstring og utdanningsrettferdighet, eller om den instrumentaliserer læring i produktivitetens tjeneste.(Can we disrupt the momentum of the AI colonization of science education?) Dette knyttes til kritisk pedagogikk og etikk.

  • «Menneskesentrert» som en antroposentrisk diskurs, ikke en nøytral etikk. Wang & Jin (2026) leser dokumenter fra UNESCO, OECD og Montréal-erklæringen for å argumentere for at menneskesentrert AI i utdanning arver opplysningstidens humanistiske utelukkelser, at transhumanismen bevarer dem, og at etiketten kan legitimere kommersiell infrastruktur.

  • Epistemologisk forankring for hvordan folk engasjerer seg i AI. Strydom (2026) utleder sju paradigmer for menneske–generativ-AI-engasjement fra Schommers fem dimensjoner av personlig epistemologisk oppfatning (kunnskapens kilde, sikkerhet, organisering, kontroll og hastighet) og argumenterer for at de utøves snarere enn eies — så å endre hvordan elever engasjerer seg i AI krever å endre det sosiøtekniske miljøet, ikke oppfatningene deres.

  • Hvis filosofi? Pluralisme i feltets begrepsmessige grunnlag. Xie (2026) argumenterer for at feltets filosofiske debatt er overbestemt av én vestlig arkitektur — epistemisk handlekraft som egenskap ved diskrete subjekter, kunnskap innrammet representasjonelt og kalkulerende, og menneske–AI-relasjonen plassert innenfor subjekt–objekt-dualisme — slik at grensene blir grensene for feltets kollektive fantasi. Som en komparativ motvekt rekonstruerer han daoistiske begreper — «Dao-natur» (道性), selvdyrking (修道) og «Zhenren» (真人) — ikke som «østlig innhold» lagt til en uendret ramme, men som ressurser som omformer de begrepsmessige grunnlagene som AI selv forstås gjennom, og anvender dem på kunnskap (epistemisk monokultur og syntetisk feilinformasjon), kunnende (avlasting som forringer kritisk tenkning) og påvirkning (miljøkostnader og globale nord–sør-asymmetrier).(Alternative AI Philosophy: Daoism as Method for AI in Education)

  • Handlekraft uten ansvarlighet. En korpusassistert diskursanalyse av 366 sammendrag om GenAI i høyere utdanning finner at AI nevnes 2 050 ganger og inngår i 447 strenge aktør–predikat-assosiasjoner — feltets hyppigste aktør — men at handlingspredikater dominerer dem (78.7%) og ingen setning gjør et system ansvarlig: av 166 forpliktelsesuttrykk tilskrev ingen ansvar til et system, og den eneste klausulen som knytter AI til ansvarlighet, sier at AI ikke er ansvarlig. Poudyal (2026) leser dette som funksjonell handlekraft anerkjent i språket uten det relasjonelle ansvaret som ville feste den til noen. Verken verktøy eller samarbeidspartner: den medierende agenten. Warschauer, Tate og Ritchie (2026) argumenterer for at å kalle generativ AI bare et verktøy undervurderer dens interaksjonelle innflytelse, mens å kalle den en samarbeidspartner feilaktig tilskriver den intensjonalitet og ansvarlighet, og foreslår den medierende agenten — et responsivt, ikke-ansvarlig system hvis nyhet er deltakelse snarere enn intelligens.

Forholdet til læringsteorier

Filosofien om AI i utdanning og læringsteorier er komplementære linser. Læringsteorier forklarer læringens mekanismer (f.eks. hvordan tilbakemelding, stillas eller kognitiv belastning former utfall); filosofien gransker forutsetningene for disse mekanismene — hva som teller som kunnskap, hvem som teller som kunnende, og hva eleven grunnleggende sett er. Posthumanistisk og kritisk-filosofisk arbeid utfordrer særlig feltet til å bevege seg utover instrumentalistiske rammeverk som TPACK og SAM, mot en dypere ontologisk reorientering.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)

Forholdet til teoriutvikling

Filosofien om AI i utdanning og teoriutvikling i AI i utdanning er komplementære men forskjellige. Filosofien stiller de ontologiske og epistemologiske spørsmålene — hva sinn, kunnskap og eleven grunnleggende sett er under AI-formidlede betingelser — mens teoriutviklingen produserer og empirisk tester de mekanismene som operationaliserer svarene på disse spørsmålene (generativisme, epistemisk samhandlekraft, den fraværende kognitive baselinen). De to opplyser hverandre gjensidig: filosofien klargjør forutsetningene teoriene bærer (f.eks. forutsetter epistemisk samhandlekraft en distribuert, ikke-individualistisk kognisjonsmodell), mens teoriutviklingen gir filosofiske posisjoner testbar, falsifiserbar form. Feltets mest grunnleggende artikler gjør begge deler samtidig og befinner seg på grensen mellom de to begrepene.

Vanlige misoppfatninger

«Filosofien om AI i utdanning er det samme som å katalogisere læringsteorier.» De ligger på ulike dyp. Siden om læringsteorier spør hvordan læring skjer; filosofien spør hva læring, sinn og eleven grunnleggende sett er under AI-formidlede betingelser. En studie kan avgjøre et læringsteoretisk spørsmål og la det filosofiske stå urørt, og derfor kan en teknisk vellykket intervensjon fortsatt være det gale å gjøre.

«Kognitiv avlasting er skaden, og den kan reverseres med mer innsats.» Det finnes en sterkere påstand. Bai og Costa (2026) bygger på Arendts redegjørelse for tenkning som en innovervendt, ikke-overførbar aktivitet for å argumentere for at GenAI som leverer arbeidet, ikke bare avlaster tenkning, men foregriper den — og de lokaliserer risikoen institusjonelt, gjennom Bourdieus felt og habitus, snarere enn i individuell viljestyrke. Hvis argumentet holder, er ikke «bruk det forsiktig» en tilstrekkelig bot, fordi praksisen formes av feltet som belønner utdataene.

«Ikke-vestlig filosofi er innhold som legges til en uendret ramme.» Den kan være en kilde til andre grunnlag. Én rekonstruksjon behandler daoistiske begreper — «Dao-natur» (道性), selvdyrking (修道) og «Zhenren» (真人) — ikke som «østlig innhold» lagt til et vestlig rammeverk, men som ressurser som omformer de begrepsmessige grunnlagene som AI i utdanning forstås gjennom. Å legge til en tradisjon som illustrasjon og å bruke den til å omramme spørsmålene er forskjellige akademiske handlinger.

«Filosofisk kritikk er uhandlingsrettet.» Den setter hva som teller som suksess. Om et systems utdata er en elevs prestasjon, og om en målt gevinst er et pedagogisk gode, er forutgående spørsmål som ingen effektstørrelse kan svare på — og institusjoner som hopper over dem, vil optimere det målbare og kalle det forbedring.

Implikasjoner for praksis

For undervisere

  • Bestem, før du adopterer et verktøy, hva du er villig til å regne som elevens egen prestasjon. Hvis en polert innlevering produsert av systemet ville tilfredsstille vurderingen din, har du svart «ingenting» — og ingen senere rubrikkendring henter spørsmålet tilbake.
  • Ta foregripelsesargumentet alvorlig når du designer oppgaver: hvis GenAI som leverer arbeidet, foregriper tenkning snarere enn bare å avlaste den, er ikke «bruk det ansvarlig» en tilstrekkelig sikring, fordi det omkringliggende feltet belønner utdataene. Design oppgaver der belegget for tenkning produseres før verktøyet er tilgjengelig.
  • Spør hvilken oppfatning av læring kurset ditt koder. Å adoptere et rammeverk ukritisk importerer dets antakelser om hva en elev er, og disse antakelsene er omstridbare.

For utviklere

  • Synliggjør grensen du har trukket mellom assistanse og levering, og gjør den til en produktbeslutning snarere enn en standard. Et system som kan produsere den ferdige artefakten, har implisitt bestemt at mentalt arbeid er valgfritt.
  • Motstå å optimere for læringens tilsynekomst. Flyt og fullstendighet er de målbare egenskapene, og de er de som maskerer foregripelse.
  • Hvis du hevder at systemet ditt «støtter tenkning», oppgi hva det nekter å gjøre — nekten er mekanismen.

For forskere og beslutningstakere

  • Oppgi hvilken læringsoppfatning evalueringen din forutsetter, fordi en målt gevinst bare er et pedagogisk gode i forhold til en eller annen redegjørelse for hva utdanning er til for.
  • Finansier det filosofiske arbeidet sammen med det empiriske: spørsmål om hva som teller som en elevs prestasjon, setter suksesskriteriene som de empiriske studiene deretter bruker.

Tilknyttede begrep

Tilknyttede artikler

Metadata

Læring og undervisningLearning Theories
Likestilling, etikk og ansvarlig brukEthics
Grunnlaget for AI i utdanningElevhandlekraft, AI i undervisning, Menneske-AI-samarbeid, Filosofien om AI i utdanning
KildeHistorikkRedigerChat

Bygg inn denne siden

Kopier koden nedenfor for å bygge inn denne siden i et læringsstøttesystem eller et annet nettsted. Den innbygde versjonen viser bare sideinnholdet — den skjuler nettstedets topptekst, navigasjon og bunntekst.