Resurser
Integrating Generative AI in Psychology Courses
Automatisk maskinöversättning av denna engelska sida, ännu inte granskad av en modersmålstalare.
En gratis redigerad volym från Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7) som organiserar generativ AI kurs för kurs i stället för verktyg för verktyg. Psykologin står för respondenterna i många undersökningar om AI-användning utan att vara deras ämne; denna bok är motexemplet, med 21 kurskapitel plus en inledning och en slutsats på 255 sidor.
Argumentet som boken för fram
Redaktörernas premiss är att psykologilärare är ovanligt väl placerade för att undervisa om AI-användning, eftersom disciplinen redan undervisar om omdöme kring mätning, evidens och mänskligt beteende. Deras påstående är smalare än ”AI-kompetens spelar roll”. Det är att AI-kompetens är något som utvecklas: det handlar inte om att studenterna har den eller saknar den; de tillägnar sig den genom stegvis tillgång, reflektion och återkoppling.
Tre designåtaganden följer, och de flesta kapitel förverkligar minst ett av dem. Stega vad studenterna får göra med ett verktyg, och gå från guidad användning mot självständig användning när omdömet utvecklas. Para ihop användning med verifiering, så att ett påstående som görs med en modell måste kontrolleras mot en källa och visas. Definiera framgång som omdöme om när och huruvida verktyget ska användas, inte som flyt i att använda det.
Strukturen är argumentet. Kapitlen grupperas efter den kurs en lärare står i begrepp att undervisa — grundläggande och tvärgående, kliniska och rådgivande, forskningsmetoder och statistik — snarare än efter verktyg, förmåga eller institutionell policy.
Del I: grundläggande och tvärgående kurser
- Tillgång är det första problemet, inte verktyget (Slade och Hyk). Studenter som kommer utan tidigare AI-erfarenhet är missgynnade två gånger: de saknar promptningsskicklighet och de saknar omdöme om när ett flytande svar är fel. Kapitlet undervisar i prompt engineering tillsammans med öppna repositorier med återanvändbara promptar, och behandlar den undervisningen som en jämlikhetsåtgärd. Författaren redovisar ett ekonomiskt intresse i ett företag som kommersialiserar utbildnings-AI.
- AI som innehållsgenerator för undervisning (Corcoran). Kapitlets användningsfall är lärarens egen förberedelse: bilder, exempel, problem och andra undervisningsstimuli genererade mot ett angivet mål. Dess argument är att anpassning till det målet, inte nyhet, är det som gör utdata användbara. Kapitlet insisterar också på att studenterna undervisas om AI — dess begränsningar och etik — och inte bara får den i händerna.
- Studieteknik som bron till teori (Costa). I en avancerad kurs i lärande och minne använder studenterna AI-studieverktyg och kartlägger sedan vad verktygen gör mot fördelad repetition och minneshämtning. Designen gör psykologin till ämnet och verktyget till specimen, vilket är det renaste sättet att undervisa en kurs vars innehåll är den vetenskap om lärande som verktygen påstår sig implementera.
- Ett tillämpat beteendeförändringsprojekt (Emanuel). Studenterna driver ett projekt för hälsobeteendeförändring med ett AI-system som coach. Deras reflektioner skiljer vad som fungerade — omedelbara, skräddarsydda, icke-dömande förslag — från vad som inte gjorde det: ingen empati, och trovärdig felinformation om hälsa. Kapitlet är ett av få som placerar en modell i en roll där det kostar något att ha fel.
- AI som debattcoach (Jackson). En avancerad kurs i socialpsykologi använder en modell för att kartlägga argument, synliggöra motargument och öva på bemötanden inför en offentlig debatt, där varje påstående verifieras mot refereegranskade källor. Av de skriftliga reflektionerna fann 75 % modellen åtminstone måttligt användbar i förberedelsen och 35 % var starkt positiva; omkring 10 % fann liten nytta, mest för att modellen producerade generiska argument eller självsäkra fel. Den senare iterationen lägger till en ensidig förberedelseplan och en evidenslogg som kopplar varje påstående till en källa.
- En kurschatbot med återkopplingsuppdrag (Lee, Nam och Wages). En chatbot byggd för Introduktion till psykologi, Forskningsmetoder och psykologisk lärlingsutbildning stödde brainstorming kring ämnen, precisering av forskningsfrågor och uppsatsstruktur. Författarna rapporterar 124 studenter i förundersökningen och en svarsfrekvens på 25 % i efterundersökningen, så utfallsevidensen är tunnare än implementationsdetaljerna.
- Bedömning i tre nivåer (Granito). Diagnostiska, formativa och summativa uppgifter får var sin AI-förstärkta version, och den summativa delen rör sig mot autentiska projekt där verktyget är en stödpartner snarare än det som lämnas in. Detta är kapitlet att läsa om frågan är vad man ska sluta bedöma.
Del II: kliniska och rådgivande kurser
- Psykoterapi som introduktionsaktivitet (Castro). Studenterna väljer en DSM-5-TR-diagnos och en psykoterapiteknik, upplever sedan en simulerad session och diskuterar vad AI-baserad telehealth vinner och förlorar. Designen undervisar i tekniken genom kontrast: simuleringen visar vad den relationella delen av terapi är genom att utelämna den.
- Att bygga fallstudier tillsammans (Pulido). Studenterna använder ChatGPT för att utarbeta DSM-5-TR-fallstudier och utvärderar dem sedan, vilket lägger bedömningsskickligheten på studenten i stället för på modellen. Kapitlet beskriver anpassningar för forskarutbildning och grundutbildning och behandlar iterativ promptförfining som en del av det kliniska resonemanget, inte som ett tekniskt bestyr.
- Fallkonceptualisering i ett seminarium (Draheim). Fallkonceptualisering är där studenterna syntetiserar klientinformation och forskning om behandlingsutfall, och det är svårt att undervisa på grundnivå. Seminariet använder AI för att generera och kritisera konceptualiseringar, med lärarens börda av återkoppling namngiven som den begränsning som gör verktyget attraktivt över huvud taget.
- Kulturell ödmjukhet (Draheim). En hemuppgift använder en modell för att arbeta sig igenom en artikel om kulturell ödmjukhet, följd av en övning i klassen i att hitta fördomarna inuti generativa utdata. Parningen spelar roll: verktyget används för att öppna ett ämne och görs sedan till föremål för kritik samma vecka.
- Traumamedveten undervisning (Rubio). Forskarutbildningskurser om trauma använder text- och bildmodeller för att samskapa terapeutiska berättelser och bilder av trygga platser, förankrade i Hermans trefasmodell och Perrys neurosekventiella modell. Ramverket gör arbetet här; verktygen levererar material som ramverket sedan begränsar.
- Bottar som terapeuter (Niederjohn). Studenterna pratar med flera chatbottar och jämför upplevelsen med arbete ansikte mot ansikte kring terapeutisk allians. Kapitlet står för siffrorna som gör övningen angelägen: 65 % av de professionella inom psykisk hälsa i tidigare undersökningar såg fördelar med chatbotstöd, medan 86 % inte stödde deras användning i vården. Dess praktiska förslag är en stege — AI-rollspel först, sedan kamrater, sedan mänskliga simulerade patienter.
- Rollspel för praktikanter (Labriola och VanHara). AI-rollspel ersätter manuslagda kamratrollspel med omanuslagda kliniska presentationer, vilket författarna menar ökar realismen och viljan att ta risker. De förankrar behovet i studentundersökningsdata: 86 % av nästan 4 000 studenter från 16 länder rapporterade att de använde AI, 58 % sade att de saknade tillräckliga kunskaper om det, och 72 % ville ha kurser i AI-kompetens.
Del III: forskningsmetoder, statistik och vetenskaplig litteracitet
- AI som forskningscopilot (Sumutka med kollegor). Aktiviteterna leder nybörjare genom att avgränsa ett ämne, hitta källor, generera och operationalisera variabler och tillämpa etik. Det uttalade målet är informationslitteracitet först och hastighet i andra hand, och kapitlet är uttryckligt med att verktyget modelleras lika mycket som det används.
- Frågegenerering som kritisk utvärdering (Burkett). Ett trefasupplägg i en kurs i forskningsmetoder på grundnivå gör ChatGPT till en generator av utvärderande frågor om studiedesigner, med en skräddarsydd GPT byggd för ändamålet. Frågorna tjänar sedan som ett mått på förståelse — ett bedömningsgrepp som andra kapitel talar om men sällan operationaliserar.
- Användningar och missbruk, som moduler (Urdan, Firtch och White). Färdiga moduler täcker generering av forskningsdesign, övningstest och kända fellägen, med resonemanget att adoptionsfriktion är den verkliga barriären för lärare som är AI-nyfikna men har ont om tid.
- Chatbotten som inte räckte till (Hilley och Edwards). ”Zig”, byggd på Juji-plattformen för en obligatorisk statistikkurs, var tänkt att ge hjälp på begäran med övningsproblem. Den nådde inte förväntningarna. Dess misslyckanden är specifika och lärorika: en student som frågade om Levenes test skrev ”levee” och fick ett avslag, en fråga om betygsättning gav ett orelaterat svar om z-poäng, och begäranden om exempel fick definitioner i stället. Mycket av detta spåras till en plattform byggd för frågor och svar snarare än en resonemangsmodell, men kapitlet är volymens ärliga negativa resultat och det att läsa innan man bygger en kursbot.
- Stegvis integration i R-undervisning (Garrison, Tyson och Lyu). Fyrstegsmodellen börjar med AI-fritt lärande och lägger bara till verktyg när studenterna kan utvärdera vad verktygen producerar. Redosignalen som författarna namnger är frustration över AI:s begränsningar, och felläget de dokumenterar är att införa AI tidigare, vilket producerade beroende innan grunderna fanns på plats.
- ChatGPT plus Elicit i ett avslutande seminarium (Katzarska-Miller). Fyra förberedande workshops föregår en terminslång forskningsuppsats, med en generativ modell för utkast och ett forskningsassistentverktyg för litteratur. Kapitlet förankrar designen i socialkonstruktionistisk inlärningsteori och använder självbedömning före och efter kursen för att kontrollera om AI-kompetensen rörde sig.
Vad som återkommer i de tjugoen kapitlen
- Stega tillgången. Nästan varje kapitel håller tillbaka verktyget tills studenterna har något att bedöma det mot, vare sig det är ett statistiskt mått, ett ramverk, en debattposition eller en programmeringsgrund.
- Kräv verifiering och gör den synlig. Evidensloggar, källkontroller, promptloggar och anteckningar om ”vad som ändrades efter faktakoll” förekommer i alla delar. Kravet är det som omvandlar verktygsanvändning till lärande.
- Använd studentreflektion som instrument. Reflektionerna är evidensbasen för de flesta kapitel, vilket också är volymens centrala metodologiska svaghet.
- Designa på kursnivå, inte verktygsnivå. Bokens eget organiserande beslut — ett kapitel per kurs — är rekommendationen.
- Behåll lärarens omdöme som mål. Det återkommande påståendet är att studenterna ska lämna kursen med förmågan att besluta när verktyget inte ska användas.
Var boken är tunn
Kapitlen är redogörelser från praktiker. Nästan inga rapporterar en design, ett urval eller en effektstorlek, och där siffror förekommer beskriver de implementering snarare än lärande. Undantagen är partiella: Lee med kollegor har för- och efterundersökningar med en svarsfrekvens på 25 % i efterundersökningen, och Jacksons reflektionsanalys är en tematisk kodning av en klass.
Entusiasmen är också ojämnt kontrollerad. Corcoran och Costa skriver som förespråkare; Hilley och Edwards rapporterar ett misslyckande; bara Slade och Hyk redovisar ett kommersiellt intresse. Kapitel som namnger specifika produkter kommer att dateras snabbt, eftersom de flesta beskriver verktyg som de betedde sig under 2025.
Täckningsluckor värda att känna till: kostnad och premiumnivåer diskuteras knappt, tillgänglighet och funktionsnedsättning behandlas inte som ett avsnitt, och K-12 förekommer bara i Castros kapitel om gymnasieutbildning. Volymen handlar om psykologiundervisning på grund- och forskarnivå i USA, med lite om stora föreläsningskurser utöver Costas och Granitos.
Vad du kan göra med den
Läs kapitlet för den kurs du står i begrepp att undervisa. De tre delarna — grundläggande och tvärgående kurser, kliniska och rådgivande kurser, forskningsmetoder och statistik — håller relaterade kapitel tillsammans. Exempel: en AI-driven tutorchatbot i psykologisk statistik, ChatGPT parad med Elicit i ett avslutande seminarium, AI som debattcoach, fallkonceptualisering och kulturell ödmjukhet i klinisk utbildning, och ett forskningsmetodkapitel som låter studenterna generera frågor med ChatGPT och sedan kritisera dem.
Vem den är för
Psykologilärare i alla karriärskeden, och lärare i närstående samhällsvetenskapliga discipliner vars bedömningsproblem har samma form: essätunga arbeten, falldiskussioner, statistikångest, små kurser där en omdesign är genomförbar.
Anteckningar och förbehåll
Gratis PDF, inget konto. Upphovsrätten är STP:s, inte en Creative Commons-licens: personliga kopior och klassrumskopior är tillåtna med källhänvisning, medan vidare distribution eller kommersiell användning kräver författarens tillstånd. Kapitlen är redogörelser från praktiker, inte studier — inga designer, urval eller effektstorlekar — så behandla påståendena som erfarenhetsrapporter och citera kapitlen individuellt.