AIEd kunskapsbasAIEd KB
På den här sidan

Läs den här sidan på engelska

Begrepp

Filosofi om AI i utbildningen

Skapad 2026-08-16 · Uppdaterad 2026-11-08

Automatisk maskinöversättning av denna engelska sida, ännu inte granskad av en modersmålstalare.

Filosofi om AI i utbildningen — den gren av utbildningsfilosofin som undersöker de grundläggande begreppsliga frågor som artificiell intelligens reser i undervisning och lärande: Vad är kunskapens och tänkandets natur när maskiner deltar i dem? Vad är eleven när kognition är distribuerad över mänskliga och artificiella system? Vilka former av handlingsutrymme, ansvar och personstatus gäller för AI, och vad är utbildningen skyldig eleverna i en AI-förmedlad värld? Till skillnad från (men kopplad till) kunskapsbasens sida om Learning Theories, som katalogiserar teorier om hur lärande sker, ställer filosofin om AI i utbildningen de djupare frågorna om vad lärande, medvetande och eleven i grunden är under AI-förmedlade villkor.

Frågor att fundera över

  • Kräver tänkande medvetande och en kropp? Om en AI verkligen deltar i ditt resonemang, sker en del av 'tänkandet' då i maskinen — och förändrar det vem som lär sig?
  • Sidan tar upp idén om kognition som 'distribuerad' över mänskliga och artificiella system. Tänk på en uppgift du har löst med AI-hjälp: var slutade ditt tänkande och var började maskinens?
  • Om en elevs kognitiva processer blir genuint hybrida (delvis mänskliga, delvis artificiella), vad betyder det för det vi kallar 'eleven' — och för vad utbildningen är skyldig eleven?
  • Sidan skiljer filosofi (vad lärande och eleven i grunden är) från lärandeteorier (hur lärande sker). Kan du namnge en uppfattning du har om lärande som egentligen är en filosofisk ståndpunkt?
  • Om AI kan utöva 'funktionellt handlingsutrymme' utan medvetande, bär den då ansvar för sina utbildningsmässiga effekter — och om inte, vem gör det? Vem bör svara när en AI-handledare vilseleder en elev?
  • Posthumanistiskt tänkande ramar om eleven som en 'posthuman' entitet. Hur utmanar eller rubbar den idén dina egna antaganden om var en elevs medvetande finns?

Introduktion

Detta är en begreppssida för de filosofiska och teoretiska grunderna för AI i utbildningen. Medan Learning Theories dokumenterar de empiriska och designorienterade teorierna (Behaviorism, konstruktivism, kognitiv belastning, självreglerat lärande m.fl.) tar filosofispåret upp de ontologiska, epistemologiska och etiska frågor som dessa teorier förutsätter. De två hänger nära samman: filosofiska ståndpunkter formar vilka lärandeteorier som framstår som rimliga och vilka utbildningsmål som är värda att eftersträva.

Centrala filosofiska frågor

  • Medvetandets och kognitionens natur. Kräver tänkande medvetande och en kropp? Kan AI delta i genuint kognitiva processer? Ramverk som ensemblekognition hävdar att AI utövar funktionellt handlingsutrymme — genuin kausal verkan i kognitiva processer — utan medvetande, och att tänkande uppstår ur dynamisk människa–AI-interaktion.(Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments) Distribuerad kognition och tesen om det utvidgade medvetandet gör liknande anspråk om att kognition är utspridd över system.
  • Vad är eleven? Posthumanistisk filosofi ombegreppsliggör eleven som en "posthuman" entitet vars kognitiva processer är genuint hybrida och distribuerade över biologiska och artificiella system.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI) Detta utmanar antagandet att eleven är ett avgränsat, autonomt individuellt medvetande.
  • Förkroppsligande och gränserna för kroppslös AI. Förkroppsligad och postkognitivistisk filosofi kritiserar dominansen av symboliska, kroppslösa AI-modeller och hävdar att kognition är grundad i situeradhet, emergens och sensorimotorisk koppling som nuvarande generativ AI saknar.("If You Can't Dance Your Program, You Can't Write It": Challenges and Implications for AI in Education)
  • Emotionellt arbete som testfall för maskinella medvetanden. Fältets argument om huruvida AI kan undervisa kretsar ofta kring huruvida den kan bry sig — en fråga som diskuterades långt innan affektiv databehandling fanns. Khan (2026) rekonstruerar debatten 1950–1996, där Ziffs påstående att bara levande varelser bokstavligen kan ha känslor besvarades av Smarts identitetsteori och Putnams beteendekriterium, vilket lämnade tre konkurrerande ontologier oavgjorda. Hans slutsats är en rättfärdigandebörda snarare än ett omöjlighetspåstående — representation, simulering och imitation underbestämmer emotionellt arbete — vilket lägger bördan på den som vill delegera pastoralt arbete till ett system.
  • Handlingsutrymme, författarskap och mening. När AI förmedlar tolkning och meningsskapande frågar filosofin hur författarskap, epistemiskt handlingsutrymme och tolkningsautonomi omkonfigureras.(AI-Mediated Learning and the Restructuring of Interpretive Cognition: A Developmental-Critical Model for Social Sciences and Humanities Education)
  • Ontologin hos AI-genererade vetenskapliga objekt. Inom kemi intar AI-förutsagda föreningar och titrerkurvor ett "liminalt ontologiskt rum" — varken helt hypotetiskt eller fullt verkligt förrän empiriskt bevisat — vilket förskjuter disciplinen från realism mot en konstruktivistisk syn där verkligheten är ett samarbete mellan människa och maskin (Reyes och Regala (2026)).
  • Kognitiv passivitet som en epistemisk skada. Bai och Costa (2026) bygger på Arendts redogörelse för tänkandet som en inåtvänd, icke överförbar aktivitet för att hävda att GenAI som levererar arbetet inte bara avlastar tänkandet utan stänger det, med Bourdieus fält och habitus som lokaliserar risken i institutionella strukturer (Bai & Costa (2026)).
  • Värden, rättvisa och utbildningens syfte. Filosofisk analys undersöker huruvida AI-driven utbildning tjänar mänsklig blomstring och utbildningsmässig rättvisa, eller om den instrumentalisar lärande i produktivitetens tjänst.(Can we disrupt the momentum of the AI colonization of science education?) Detta kopplar till Critical Pedagogy och Ethics.
  • 'Människocentrerat' som en antropocentrisk diskurs, inte en neutral etik. Wang & Jin (2026) läser UNESCO:s, OECD:s och Montréal-deklarationens dokument och hävdar att människocentrerad AIEd ärver upplysningshumanismens uteslutningar, att transhumanismen bevarar dem, och att etiketten kan legitimera kommersiell infrastruktur.
  • Epistemologisk grund för hur människor engagerar sig i AI. Strydom (2026) härleder sju paradigm för människa–generativ AI-interaktion ur Schommers fem dimensioner av personlig epistemologisk övertygelse (kunskapens källa, säkerhet, organisation, kontroll och hastighet) och hävdar att de utövas snarare än innehas — så att förändra hur elever engagerar sig i AI kräver att man ändrar den sociotekniska miljön, inte deras övertygelser.
  • Vems filosofi? Pluralism i fältets begreppsliga grunder. Xie (2026) hävdar att fältets filosofiska debatt är överdeterminerad av en enda västerländsk arkitektur — epistemiskt handlingsutrymme som en egenskap hos diskreta subjekt, kunskap inramad representationellt och kalkylerande, och människa–AI-relationen placerad inom subjekt–objekt-dualism — så att dess gränser blir gränserna för fältets kollektiva fantasi. Som en jämförande motvikt rekonstruerar han daoistiska begrepp — "Dao-natur" (道性), självutveckling (修道) och "Zhenren" (真人) — inte som "östligt innehåll" tillagt en oförändrad ram utan som resurser som omformar de begreppsliga grunder genom vilka AI självt förstås, och tillämpar dem på kunskap (epistemisk monokultur och syntetisk desinformation), vetande (avlastning som försämrar kritiskt tänkande) och påverkan (miljökostnader och asymmetrier mellan globala nord och syd).(Alternative AI Philosophy: Daoism as Method for AI in Education)
  • Handlingsutrymme utan ansvarsskyldighet. En korpusassisterad diskursanalys av 366 abstracts om GenAI i högre utbildning finner att AI namnges 2,050 gånger och ingår i 447 strikta aktör–predikat-associationer — fältets vanligaste aktör — men att handlingspredikaten dominerar dem (78.7%) och ingen mening gör ett system ansvarigt: av 166 skyldighetsuttryck tilldelade ingen ansvar till ett system, och den enda satsen som kopplar AI till ansvarsskyldighet säger att AI inte är ansvarsskyldigt. Poudyal (2026) läser detta som funktionellt handlingsutrymme erkänt i språket utan det relationella ansvar som skulle fästa det vid någon. Varken verktyg eller medarbetare: den medierande agenten. Warschauer, Tate och Ritchie (2026) hävdar att kalla generativ AI ett blott verktyg underskattar dess interaktionella inflytande, medan att kalla den en medarbetare felaktigt tillerkänner den intentionalitet och ansvarsskyldighet, och föreslår den medierande agenten — ett responsivt, icke ansvarsskyldigt system vars nyhet är deltagande snarare än intelligens.

Förhållande till lärandeteorier

Filosofin om AI i utbildningen och Learning Theories är kompletterande linser. Lärandeteorier förklarar lärandets mekanismer (t.ex. hur Feedback, Scaffolding eller kognitiv belastning formar utfall); filosofin granskar förutsättningarna för dessa mekanismer — vad som räknas som kunskap, vem som räknas som kunskapare och vad eleven i grunden är. Särskilt posthumanistiskt och kritisk-filosofiskt arbete utmanar fältet att gå bortom instrumentalistiska ramverk som Teknologiskt pedagogiskt ämneskunnande (TPACK) och SAM mot en djupare ontologisk omorientering.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)

Förhållande till teoriutveckling

Filosofin om AI i utbildningen och teoriutveckling inom AIEd är kompletterande men åtskilda. Filosofin ställer de ontologiska och epistemologiska frågorna — vad medvetande, kunskap och eleven i grunden är under AI-förmedlade villkor — medan teoriutvecklingen producerar och empiriskt prövar de mekanismer som operationaliserar svaren på dem (generativism, epistemisk samhandling, den frånvarande kognitiva baslinjen). De två informerar varandra ömsesidigt: filosofin klargör de förutsättningar som teorier bär med sig (t.ex. förutsätter epistemisk samhandling en distribuerad, icke-individualistisk kognitionsmodell), medan teoriutvecklingen ger filosofiska ståndpunkter en prövbar, falsifierbar form. Fältets mest grundläggande artiklar gör båda samtidigt och befinner sig i gränslandet mellan de två begreppen.

Vanliga missuppfattningar

"Filosofin om AI i utbildningen är detsamma som att katalogisera lärandeteorier." De ligger på olika djup. Sidan om Learning Theories frågar hur lärande sker; filosofin frågar vad lärande, medvetande och eleven i grunden är under AI-förmedlade villkor. En studie kan avgöra en lärandeteoretisk fråga och lämna den filosofiska orörd, vilket är varför en tekniskt lyckad intervention ändå kan vara fel sak att göra.

"Kognitiv avlastning är skadan, och den är reversibel med mer ansträngning." Det finns ett starkare påstående att tillgå. Bai och Costa (2026) bygger på Arendts redogörelse för tänkandet som en inåtvänd, icke överförbar aktivitet för att hävda att GenAI som levererar arbetet inte bara avlastar tänkandet utan stänger det — och de lokaliserar risken institutionellt, via Bourdieus fält och habitus, snarare än i individuell viljestyrka. Om argumentet håller är "använd det försiktigt" ingen tillräcklig bot, eftersom praktiken formas av det fält som belönar produkten.

"Icke-västerländsk filosofi är innehåll att lägga till en oförändrad ram." Den kan vara en källa till andra grunder. En rekonstruktion behandlar daoistiska begrepp — "Dao-natur" (道性), självutveckling (修道) och "Zhenren" (真人) — inte som "östligt innehåll" tillagt en västerländsk ram utan som resurser som omformar de begreppsliga grunder genom vilka AI i utbildningen förstås. Att lägga till en tradition som illustration och att använda den för att omformulera frågorna är olika vetenskapliga handlingar.

"Filosofisk kritik är ogenomförbar." Den fastställer vad som räknas som framgång. Huruvida ett systems produktion är en elevs prestation, och huruvida en mätt förbättring är ett utbildningsgott, är förhandsfrågor som ingen effektstorlek kan besvara — och institutioner som hoppar över dem kommer att optimera det mätbara och kalla det förbättring.

Implikationer för praktiken

För lärare

  • Bestäm, innan du inför ett verktyg, vad du är beredd att räkna som elevens egen prestation. Om en polerad inlämning som systemet producerat skulle uppfylla din bedömning, har du svarat "ingenting" — och ingen senare ändring av bedömningsmatrisen återhämtar frågan.
  • Ta argumentet om att tänkandet stängs på allvar när du designar uppgifter: om GenAI som levererar arbetet stänger tänkandet i stället för att bara avlasta det, är "använd det ansvarsfullt" inte ett tillräckligt skydd, eftersom det omgivande fältet belönar produkten. Designa uppgifter där bevis på tänkande produceras innan verktyget är tillgängligt.
  • Fråga vems uppfattning om lärande din kurs kodar. Att okritiskt anta ett ramverk importerar dess antaganden om vad en elev är, och dessa antaganden är omtvistliga.

För utvecklare

  • Synliggör den gräns du har dragit mellan stöd och leverans, och gör den till ett produktbeslut i stället för en standardinställning. Ett system som kan producera den färdiga artefakten har implicit beslutat att mentalt arbete är valfritt.
  • Motstå frestelsen att optimera för lärandets sken. Flyt och fullständighet är de mätbara egenskaperna, och de är just de som döljer att tänkandet stängs.
  • Om du hävdar att ditt system "stöder tänkande", ange vad det vägrar göra — vägran är mekanismen.

För forskare och beslutsfattare

  • Ange vilken uppfattning om lärande din utvärdering förutsätter, eftersom en mätt förbättring bara är ett utbildningsgott i förhållande till någon redogörelse för vad utbildning är till för.
  • Finansiera det filosofiska arbetet vid sidan av det empiriska: frågor om vad som räknas som en elevs prestation fastställer de framgångskriterier som de empiriska studierna sedan använder.

Anslutna begrepp

Anslutna artiklar

Metadata

Lärande och undervisningLearning Theories
Jämlikhet, etik och ansvarsfull användningEthics
Grunder i AI inom utbildningenElevagency, AI i utbildningen, Människa–AI-samarbete, Filosofi om AI i utbildningen
KällaHistorikRedigeraChatt

Bädda in den här sidan

Kopiera koden nedan för att bädda in den här sidan i ett lärplattformssystem eller på en annan webbplats. Den inbäddade versionen visar bara sidans innehåll — den döljer webbplatsens sidhuvud, navigering och sidfot.