Ressurser
Integrating Generative AI in Psychology Courses
Automatisk maskinoversettelse av denne engelske siden, ennå ikke korrekturlest av en morsmålstalare.
Et gratis redigert bind fra Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7) som organiserer generativ AI emne for emne i stedet for verktøy for verktøy. Psykologi leverer respondentene til mange undersøkelser om AI-bruk uten å være gjenstand for dem; denne boken er moteksemplet, med 21 emnekapitler pluss en innledning og en konklusjon fordelt på 255 sider.
Argumentet boken fremfører
Redaktørenes premiss er at psykologiundervisere er uvanlig godt plassert til å undervise i AI-bruk, fordi faget allerede lærer bort dømmekraft om måling, evidens og menneskelig atferd. Påstanden deres er smalere enn «AI-kompetanse betyr noe». Den er at AI-kompetanse er utviklingsmessig: studenter har den ikke eller mangler den ikke, de tilegner seg den gjennom trinnvis tilgang, refleksjon og tilbakemelding.
Det følger tre designforpliktelser, og de fleste kapitlene iverksetter minst én av dem. Del opp i trinn hva studenter får gjøre med et verktøy, og beveg deg fra guidet bruk mot selvstendig bruk etter hvert som dømmekraften utvikler seg. Koble bruk til verifisering, slik at en påstand fremsatt med en modell må sjekkes mot en kilde og vises. Definer suksess som dømmekraft om når og hvorvidt verktøyet skal brukes, ikke som flyt i bruken.
Strukturen er argumentet. Kapitlene er gruppert etter emnet en underviser skal til å undervise i — grunnleggende og tverrgående emner, kliniske emner og rådgivning, forskningsmetoder og statistikk — i stedet for etter verktøy, kapabilitet eller institusjonell policy.
Del I: grunnleggende og tverrgående emner
- Tilgang er det første problemet, ikke verktøyet (Slade og Hyk). Studenter som kommer uten tidligere AI-erfaring, er dobbelt dårlig stilt: de mangler prompting-ferdigheten, og de mangler dømmekraften om når et flytende svar er feil. Kapittelet underviser i prompt engineering sammen med åpne repositories av gjenbrukbare prompts, og behandler den undervisningen som et rettferdighetstiltak. Forfatteren oppgir en økonomisk interesse i et selskap som kommersialiserer pedagogisk AI.
- AI som innholdsgenerator for undervisning (Corcoran). Kapittelets bruksområde er underviserens egen forberedelse: visuelle elementer, eksempler, oppgaver og andre undervisningsstimuli generert mot et oppgitt mål. Argumentet er at tilpasning til det målet, ikke nyhetsverdi, er det som gjør outputen nyttig. Kapittelet insisterer også på at studenter må lære om AI — begrensningene og etikken — og ikke bare få den utlevert.
- Studieferdigheter som bro til teori (Costa). I et videregående emne i læring og hukommelse bruker studenter AI-studieverktøy og kartlegger deretter det verktøyene gjør, opp mot spredt øving og gjenhenting. Designet gjør psykologien til gjenstanden og verktøyet til specimenet, noe som er den reneste måten å undervise i et emne der innholdet er læringsvitenskapen verktøyene hevder å implementere.
- Et anvendt atferdsendringsprosjekt (Emanuel). Studenter gjennomfører et prosjekt for endring av helseatferd med et AI-system som coach. Refleksjonene deres skiller det som fungerte — umiddelbare, skreddersydde, ikke-dømmende forslag — fra det som ikke fungerte: ingen empati, og plausibel feilinformasjon om helse. Kapittelet er ett av få som plasserer en modell i en rolle der det å ta feil har en kostnad.
- AI som debattcoach (Jackson). Et videregående emne i sosialpsykologi bruker en modell til å kartlegge argumenter, hente frem motargumenter og øve på tilsvar før en offentlig debatt, der hver påstand verifiseres mot fagfellevurderte kilder. Av de skriftlige refleksjonene fant 75% modellen minst moderat nyttig i forberedelsen, og 35% var sterkt positive; omtrent 10% fant liten nytte, stort sett fordi modellen produserte generiske argumenter eller selvsikre feil. Den senere iterasjonen legger til en forberedelsesplan på én side og en evidenslogg som kobler hver påstand til en kilde.
- En emnechatbot med tilbakemeldingsoppgaver (Lee, Nam og Wages). En chatbot bygget for Innføring i psykologi, forskningsmetoder og Psychology Apprenticeship støttet idédugnad om emner, raffinering av forskningsspørsmål og paperstruktur. Forfatterne rapporterer 124 studenter i førundersøkelsen og en svarprosent på 25% på etterundersøkelsen, så evidensen for utfall er tynnere enn implementeringsdetaljene.
- Vurdering i tre nivåer (Granito). Diagnostiske, formative og summative oppgaver får hver en AI-forsterket versjon, og den summative enden beveger seg mot autentiske prosjekter der verktøyet er en støttepartner i stedet for leveransen. Dette er kapittelet å lese hvis spørsmålet er hva man skal slutte å vurdere.
Del II: kliniske emner og rådgivning
- Psykoterapi som introduksjonsaktivitet (Castro). Studenter velger en DSM-5-TR-lidelse og en psykoterapiteknikk, opplever deretter en simulert økt og diskuterer hva AI-basert telehelse vinner og taper. Designet underviser i teknikken gjennom kontrast: simuleringen viser hva den relasjonelle delen av terapi er ved å utelate den.
- Bygge casestudier sammen (Pulido). Studenter bruker ChatGPT til å utarbeide DSM-5-TR-casestudier og evaluerer dem deretter, noe som legger vurderingsferdigheten hos studenten i stedet for hos modellen. Kapittelet beskriver tilpasninger for graduate- og undergraduate-nivå og behandler iterativ promptforfining som en del av den kliniske resonneringen, ikke som en teknisk pliktøvelse.
- Kasuskonseptualisering i et seminar (Draheim). Kasuskonseptualisering er der studenter syntetiserer klientinformasjon og forskning på behandlingsutfall, og det er vanskelig å undervise i på undergraduate-nivå. Seminaret bruker AI til å generere og kritisere konseptualiseringer, der underviserens arbeidsbelastning med tilbakemeldinger nevnes som begrensningen som gjør verktøyet attraktivt i utgangspunktet.
- Kulturell ydmykhet (Draheim). En hjemmeoppgave bruker en modell til å jobbe seg gjennom en artikkel om kulturell ydmykhet, etterfulgt av en øvelse i klassen i å finne skjevhetene i generativ output. Koblingen betyr noe: verktøyet brukes til å åpne et tema og gjøres deretter til gjenstand for kritikk i samme uke.
- Traumaresponsiv undervisning (Rubio). Graduate traumaemner bruker tekst- og bildemodeller til å samskape terapeutiske historier og bilder av et trygt sted, forankret i Hermans trefasemodell og Perrys neurosekvensielle modell. Rammeverket gjør jobben her; verktøyene leverer materiale som rammeverket deretter begrenser.
- Boter som terapeuter (Niederjohn). Studenter snakker med flere chatboter og sammenligner opplevelsen med ansikt-til-ansikt-arbeid med terapeutisk allianse. Kapittelet leverer tallene som gjør øvelsen presserende: 65% av psykisk helse-personell i tidligere undersøkelser så fordeler med chatbotstøtte, mens 86% ikke støttet bruken i behandling. Det praktiske forslaget er en stige — AI-rollespill først, deretter medstudenter, deretter menneskelige simulerte pasienter.
- Rollespill for studenter i opplæring (Labriola og VanHara). AI-rollespill erstatter skriptet medstudent-rollespill med uskriptede kliniske presentasjoner, noe forfatterne hevder øker realisme og vilje til å ta risiko. De forankrer behovet i undersøkelsesdata fra studenter: 86% av nesten 4,000 studenter i 16 land rapporterte at de brukte AI, 58% sa at de manglet tilstrekkelig kunnskap om det, og 72% ønsket emner i AI-kompetanse.
Del III: forskningsmetoder, statistikk og vitenskapelig kompetanse
- AI som forskning copilott (Sumutka og kolleger). Aktiviteter fører nybegynnere gjennom å avgrense et tema, finne kilder, generere og operasjonalisere variabler og anvende etikk. Det uttalte målet er informasjonskompetanse først og hastighet deretter, og kapittelet er eksplisitt på at verktøyet blir demonstrert like mye som det blir brukt.
- Spørsmålsgenerering som kritisk evaluering (Burkett). En trefaset tilnærming i et undergraduate-emne i forskningsmetoder gjør ChatGPT til en generator av evaluerende spørsmål om studiedesign, med en custom GPT bygget for formålet. Spørsmålene tjener deretter som et mål på forståelse — et vurderingstrekk andre kapitler snakker om, men sjelden operasjonaliserer.
- Bruk og misbruk, som moduler (Urdan, Firtch og White). Bruksklare moduler dekker generering av forskningsdesign, øvingsprøver og de kjente feilmodusene, ut fra resonnementet at adopsjonsfriksjon er den egentlige barrieren for undervisere som er AI-nysgjerrige, men har lite tid.
- Chatboten som ikke strakk til (Hilley og Edwards). «Zig», bygget på Juji-plattformen for et obligatorisk statistikkemne, var ment å gi hjelp på forespørsel med øvingsoppgaver. Den innfridde ikke forventningene. Feilene er spesifikke og lærerike: en student som spurte om Levene's test skrev «levee» og fikk et avslag, et spørsmål om vurdering ga et urelatert svar om z-skårer, og forespørsler om eksempler fikk definisjoner i stedet. Mye av dette kan spores til en plattform lastet med Q&A i stedet for en resonneringsmodell, men kapittelet er bindets ærlige negative resultat og det man bør lese før man bygger en emnebot.
- Trinnvis integrering i R-undervisning (Garrison, Tyson og Lyu). Den firetrinns modellen begynner med AI-fri læring og legger bare til verktøy når studenter kan evaluere det verktøyene produserer. Beredskapssignalet forfatterne nevner, er frustrasjon over AIs grenser, og feilmodusen de dokumenterer, er å introdusere AI tidligere, noe som produserte avhengighet før grunnlaget var på plass.
- ChatGPT pluss Elicit i et avgangsseminar (Katzarska-Miller). Fire forberedende workshops går forut for en forskningspaper som varer et helt semester, med en generativ modell for utkast og et forskningsassistentverktøy for litteratur. Kapittelet forankrer designet i sosialkonstruksjonistisk læringsteori og bruker selvurdering før og etter emnet for å sjekke om AI-kompetansen har beveget seg.
Det som går igjen i de tjueén kapitlene
- Del tilgangen inn i trinn. Nesten hvert kapittel holder verktøyet tilbake til studenter har noe å vurdere det opp mot, enten det er en statistikk, et rammeverk, et debattstandpunkt eller et programmeringsgrunnlag.
- Krev verifisering og gjør den synlig. Evidenslogger, kildekontroller, promptlogger og notater om «hva som endret seg etter faktasjekk» dukker opp på tvers av delene. Kravet er det som gjør verktøybruk om til læring.
- Bruk studentrefleksjon som instrumentet. Refleksjoner er evidensgrunnlaget for de fleste kapitlene, noe som også er bindets sentrale metodologiske svakhet.
- Design på emnenivå, ikke verktøynivå. Bokas egen organiserende beslutning — ett kapittel per emne — er anbefalingen.
- Behold underviserens dømmekraft som gjenstanden. Den tilbakevendende påstanden er at studenter bør forlate emnet i stand til å bestemme når de ikke skal bruke verktøyet.
Der boken er tynn
Kapitlene er practitioner-beretninger. Nesten ingen rapporterer et design, et utvalg eller en effektstørrelse, og der tall dukker opp, beskriver de implementering snarere enn læring. Unntakene er delvise: Lee og kolleger har før- og etterundersøkelser med en svarprosent på 25% på etterundersøkelsen, og Jacksons refleksjonsanalyse er en tematisk koding av én klasse.
Entusiasmen er også ujevnt kontrollert. Corcoran og Costa skriver som forkjempere; Hilley og Edwards rapporterer en fiasko; bare Slade og Hyk oppgir en kommersiell interesse. Kapitler som navngir bestemte produkter, vil foreldes raskt, siden de fleste beskriver verktøy slik de oppførte seg i løpet av 2025.
Dekningsgap verdt å kjenne til: kostnader og premiumnivåer diskuteres knapt, tilgjengelighet og funksjonsnedsettelse behandles ikke som en del, og K-12 dukker bare opp i Castros kapittel om videregående opplæring. Bindet handler om undergraduate- og graduate-psykologiundervisning i USA, med lite om store forelesningsemner utover Costa og Granito sine.
Hva du kan gjøre med den
Les kapittelet for emnet du skal til å undervise i. De tre delene — grunnleggende og tverrgående emner, kliniske emner og rådgivning, forskningsmetoder og statistikk — holder beslektede kapitler sammen. Eksempler: en AI-tutorchatbot i psykologisk statistikk, ChatGPT koblet med Elicit i et avgangsseminar, AI som debattcoach, kasuskonseptualisering og kulturell ydmykhet i klinisk trening, og et forskningsmetodekapittel der studenter genererer spørsmål med ChatGPT og deretter kritiserer dem.
Hvem den er for
Psykologiundervisere i alle karrierestadier, og undervisere i tilstøtende samfunnsvitenskapelige disipliner der vurderingsproblemene har samme form: essaytungt arbeid, kasusdiskusjon, statistikkangst, små emner der ett redesign er gjennomførbart.
Merknader og forbehold
Gratis PDF, ingen konto. Opphavsretten tilhører STP, ikke en Creative Commons-lisens: personlige kopier og kopier til klasserom er tillatt med kreditering, mens redistribusjon eller kommersiell bruk krever forfatterens tillatelse. Kapitlene er practitioner-beretninger, ikke studier — ingen design, utvalg eller effektstørrelser — så behandle påstander som erfaringsrapporter og siter kapitlene individuelt.