Hvorfor dette betyr noe
KUNSTIG INTELLIGENS er ikke bare en snarvei – det er en kraftfull partner for læring, kreativitet og vekst. Når du bruker kunstig intelligens på en gjennomtenkt måte, bygger du de ferdighetene som betyr mest: kritisk tenkning, kreativitet og dømmekraft. Når du bruker kunstig intelligens til å stille bedre spørsmål, forstå flere perspektiver og utforske nye ideer, forbereder du deg på en fremtid med AI som partner, ikke en proxy, når det gjelder læring.
Viktige ferdigheter for å bruke kunstig intelligens til læring
Ai-verktøy kan støtte læringen din – slik at du kan forstå komplekse emner, øve mer effektivt og utforske ideer dypere. Nøkkelen er å bruke disse verktøyene tankefullt og utvikle det vi kaller passende avhengighet – å finne den rette balansen mellom å stole på KUNSTIG INTELLIGENS når den fungerer bra og opprettholde sunn skepsis for å fange feil.
Her er tre komplementære tilnærminger som kan hjelpe deg med å få mest mulig ut av læreverktøy for kunstig intelligens:
✅ Kontroller først: utdata for kildekontroll av AI
AI kan få ting galt, så du bør alltid dobbeltsjekke ai-generert informasjon ved å se på klarerte kilder. Å fastslå at viktig informasjon er riktig handler ikke bare om due diligence; det kan forsterke de viktigste konseptene for deg mens du studerer!
Hvorfor det fungerer: Hvis du kontrollerer et krav mot eksterne kilder, kan det tvinge hjernen din til å hente det du vet og vurdere det – og henting bidrar til å lage en læringspinne (Roediger & Karpicke, 2006).
Spørsmål: Which key points are most crucial that I get correct if I want to learn [topic] properly? For each, suggest a few trusted sources I can check (e.g., textbook chapters, official websites) to independently confirm that you've covered it accurately. If I identify differences or gaps, help me investigate.
✅ Utover forklaringer: bruk AI til å tilpasse praksis og gjennomgang
Du kan bruke KUNSTIG intelligens til å spørre deg selv og opprette en egendefinert plan for å finne ut av øvelsen, som har vist seg å huske ting bedre over tid.
Hvorfor det fungerer: Gjenhentingspraksis og fordelt repetisjon kan produsere mer holdbar læring og overføring (Roediger & Karpicke, 2006; Cepeda et al., 2006).
Spørsmål: Be my retrieval coach for [topic]. Start by giving me a short answer question that I'll do my best to respond to. Score it 0–2 with a one sentence correction if needed. Repeat this 8 times, interleaving one or two items from prior topics. Based on my results, suggest a spaced plan for the next 7 days (1d, 3d, 7d) with varied formats (explain/compute/apply) if applicable.
✅ Lær å lære: forklar ai og la det skyve tilbake
Når du forklarer et konsept med dine egne ord, kan AI stille spørsmål for å hjelpe deg med å oppdage feil eller hull i din forståelse.
Hvorfor det fungerer: Selv forklaringer og elaborative "why/how"-ledetekster kan styrke forståelsen og støtte kunnskapsoverføring (Chi et al., 1994; 1987).
Spørsmål: Act like a curious student while I systematically teach [concept] over a series of messages. Interrupt whenever I skip reasoning with targeted 'why/how do you know?' questions - proceed as far as is reasonable. When I indicate that I'm done teaching, restate my explanation in your own words and list any misconceptions or gaps.
✅ Fjern treningshjulene: fra veiledet til uavhengig praksis
Du kan bruke kunstig intelligens til å lære ved å følge eksempler, deretter prøve problemer med mindre hjelp, og til slutt løse dem på egen hånd for å bygge selvtillit og ferdigheter.
Denne prosessen er spesielt kraftig i STEM, kvantitative samfunnsvitenskap, strukturerte språkoppgaver og ethvert domene der trinnvis mestring er nødvendig.
Hvorfor det fungerer: Eksempler på arbeid kan redusere kognitiv belastning. fading kan bygge uavhengighet; varied/interleaved practice can enhance transfer ( Sweller , 1988; Renkl & Atkinson, 2003; Rohrer & Taylor, 2007).
Spørsmål: Teach me [problem type] using a 3 step progression, one message at at time. First one fully worked example with brief justifications that I'll confirm I understand. Then, one faded example with 1–2 steps with hints for me to try on my own (I'll respond with my answer, then you should give minimal, immediate feedback). Finally, an independent problem that I'll try on my own. Repeat with two more independent problems (one at a time) with mixed structures. Vary surface features but keep deep structure, then lightly interleave with a similar but different type. After each item, list the rule/formula/concept I used and suggest where to verify each definition or rule with an independent source. End with a 1 minute 'what changed?' reflection comparing two similar problems.
✅ Prøv, kontroller og reflekter: bruk KUNSTIG INTELLIGENS til å lære i en syklus
Når du bruker AI til å øve på et konsept eller nye ferdigheter, kan du alltid gi det ditt beste forsøk, få tilbakemeldinger fra AI-systemet og deretter holde oversikt over hva du har rett eller galt for å forbedre læringen.
Hvorfor det fungerer: Prediksjon og konfidenskalibrering korrigerer illusjoner av å vite; "ønskelige vanskeligheter" driver langsiktig oppbevaring ( Koriat , 1997; Bjork & Bjork, 2011).
Spørsmål: For [topic], use a predict commit check process for 6 items (ideas, questions, or tasks). For each one: (1) ask me for my answer and my confidence (0–100%) before you share the correct or model answer, (2) reveal the answer with a brief explanation or reasoning, (3) prompt me to write a one sentence reflection or lesson learned if I didn't get it right. Keep a running error/insight log with columns: Item → Pattern (error or insight) → Possible Cause → Next Step . (4) once I answer with a reflection, move on to the next. If I do well (get three questions in a row correctly), gently increase the challenge; if I struggle (three in a row missed), decrease the challenge.
Kilder
Bjork, R. A., & Bjork, E. L. (2011). Gjør ting vanskelig for deg selv, men på en god måte . Ny teori om disuse / ønskelige vanskeligheter.
Cepeda, N. J., et al. (2006). Distribuert praksis i muntlige tilbakekallingsoppgaver: En gjennomgang og kvantitativ syntese.Psykologisk bulletin .
Chi, M. T. H., et al. (1994). Selvforklaringer: Hvordan elevene studerer og bruker eksempler i å lære å løse problemer.Cognitive Science .
Dunlosky, J., et al. (2013). Forbedre elevenes læring med effektive læringsteknikker.Psykologisk vitenskap i offentlighetens interesse .
Koriat , A. (1997). Overvåke ens egen kunnskap: En cue-utnyttelse tilnærming.Psykologisk gjennomgang .
Kornell, N., & Bjork, R. A . (2009). En stabilitetsbias i menneskelig minne.Journal of Experimental Psychology: Læring, minne og kognisjon .
Renkl, A., & Atkinson, R. K. (2003). Strukturere overgangen fra arbeidseksempler til problemløsning.Utdanningspsykolog .
Roediger, H. L., & Karpicke, J. D. (2006). Testforbedret læring.Journal of Experimental Psychology: Generelt .
Rohrer, D., & Taylor, K. (2007). Shuffling av matematikk problemer forbedrer læringen.Anvendt kognitiv psykologi .
Sweller , J. (1988; 1994). Kognitiv belastningsteori og instruksjonsdesignimplikasjoner.Instruksjonsvitenskap ; Læring og instruksjon .
Finn ut hva kunstig intelligens er, og hva det ikke er
Det å forstå hva kunstig intelligens gjør bra – og hvor det sliter – hjelper deg med å bruke det mer effektivt. AI utmerker seg på mønstergjenkjenning, genererer eksempler og organiserer informasjon. Det kan hjelpe deg med å utforske emner fra flere vinkler og øve ferdigheter gjennom varierte eksempler.
Samtidig kan KUNSTIG intelligens gjøre feil. Det kan generere plausibel, men uriktige opplysninger, gå glipp av nyanser i komplekse emner eller gjenspeile skjevheter i opplæringsdataene. Å vite disse begrensningene hjelper deg med å stole på kunstig intelligens på riktig måte – ved å bruke dens styrker samtidig som du holder deg oppmerksom på svakhetene.
Generelle ressurser
Omfattende dekning av grunnleggende kunstig intelligens, generativ kunstig intelligens og ansvarlige prinsipper for kunstig intelligens.
Ressurser for elever
Kom i gang med Microsoft 365 Copilot Chat (video)
Kort animert video som introduserer grunnleggende Copilot Chat funksjonalitet og viktigheten av å verifisere kilder.
Med disse korte videoene kan hvem som helst lære det grunnleggende om hvordan kunstig intelligens fungerer, og hvordan det hjelper oss med å løse problemer og lære. Hver video er paret med nedlastbart undervisningsmateriell, overordnet veiledning og filmplakat.
Ressurser for lærere
Hjelp elever med å bygge grunnleggende forståelse av funksjoner og begrensninger for kunstig intelligens:
Generative AI Classroom Toolkit
En kreativ ressurs som blander engasjerende fortellingshistorier med instruksjonsinformasjon for å skape en engasjerende og effektiv læringsopplevelse for lærere og studenter i alderen 13–15 år.
Reed Smart: AI Detective (Minecraft Education)
Bli med detective Reed Smart for å undersøke nysgjerrige tilfeller av AI misbruk i dette mysteriet! Analyser deepfakes, spot AI-generert innhold, og finn ut hvordan AI fungerer, mens du følger ledetråder og analyserer bevis.
Gi lærere mulighet til å utforske potensialet i kunstig intelligens
Bygg din egen kompetanse innen kunstig intelligens, og lær strategier for å integrere kunstig intelligens i ditt eget arbeid.
Viktige ferdigheter for suksess innen kunstig intelligens
Etter hvert som AI transformerer hvordan vi lærer, arbeider og nærmer oss problemløsning, har informasjonsleseferdighet blitt en viktig ferdighet. Informasjonsferdigheter som å verifisere kilder, forstå kontekst og tenke kritisk er grunnleggende for ansvarlig og effektiv navigasjon av informasjon på nettet. Disse ferdighetene blir enda viktigere etter hvert som kunstig intelligens blir en integrert del av læring og dagligliv: Vi trenger mer enn bare tilgang til informasjon – vi må føle oss trygge på vår evne til å evaluere den.
Anbefalt tredjepartsressurs
Lynkurs: Navigere digital informasjon
Ta en titt på dette omfattende videokurset om evaluering av informasjon på nettet og bygging av kritiske ferdigheter for lese- og skriveferdigheter på nettet. Obs! Denne ressursen anbefales for utdanningsverdien, men ble ikke opprettet av Microsoft. Vi deler det som en nyttig tredjepart ressurs!
Microsoft-ressurser for lærere
Støtte studenter i å forstå AIs bredere implikasjoner for læring og samfunn:
Hjelp elevene med å navigere i dagens komplekse informasjonsøkosystem med tillit ved å bygge informasjonsferdigheter inn i en oppgave.
Grunnleggende om lese- og skriveferdigheter
Undervisningsmateriell og veiledning for å bygge studenters ferdigheter i lese- og skriveferdigheter.
Etterforskerne (Minecraft Education)
Engasjerende opplevelse for 8–18 år som lærer elevene å evaluere kilder, oppdage skjevheter og avdekke sannhet i informasjon.
Generative AI Classroom Toolkit
En kreativ ressurs som blander engasjerende fortellingshistorier med instruksjonsinformasjon for å skape en engasjerende og effektiv læringsopplevelse for lærere og studenter i alderen 13–15 år.
Flere ressurser
Finn læreprogrammet for kunstig intelligens med ai-kompetansenavigatoren
Mer informasjon om Microsoftsforskning på passende avhengighet
Les gjennomgang av læringsresultatene for AETHER GenAI
