I en tid præget af teknologisk fremskridt, står vi, skolernes lærere, overfor en ny udfordring: at integrere generative sprogmodeller som ChatGPT i undervisningen. I vores kandidatspeciale, har vi, Christian Strøm Lau og Niels Kristian Beck, dykket ned i denne problemstilling for at levere konkrete værktøjer og indsigt, der kan hjælpe lærere i grundskolen.

Vores speciale foreslår en “emancipatorisk kritisk-konstruktiv tilgang”, inspireret af teorier fra Kant, Freire, og Klafki, for effektiv integration af disse teknologier i undervisningen. Vores projekt, itdidak.dk, er designet til at udruste undervisere med evnen til at føre informerede samtaler om generative sprogmodeller.

Gennem vores arbejde med specialet har vi identificeret en generel mangel på viden blandt lærere om, hvordan man bedst underviser i og med generative sprogmodeller. Dialogen med lærere afslørede også en bekymring for elevernes evne til kritisk at forholde sig til disse værktøjer.

Som svar udviklede vi itdidak.dk, et site fyldt med tekst- og videoguides, tips, og pædagogiske formater, der kan inspirere lærere i deres undervisning. Denne ressource tilbyder en omfattende ramme for at adressere både muligheder og begrænsninger ved generative sprogmodeller.

Vi understreger også vigtigheden af at inkludere generative sprogmodeller i skolens overordnede dannelsesopgave. Det er afgørende, at voksne forstår de teknologiske, etiske og moralske implikationer af denne teknologiske omvæltning og formår at føre disse vigtige samtaler med eleverne.

Derudover fremhæver vi syv nøglepunkter for undervisere, når de anvender generative sprogmodeller:

1. Forståelse af Kunstig Intelligens: Vi har endnu ikke en almen kunstig intelligens (AGI), men visse aspekter af menneskelig intelligens kan efterlignes af sprogmodeller som ChatGPT.
2. Statistisk Baserede Svar: Sprogmodeller genererer svar baseret på sandsynlighedsberegninger, trænet på store mængder data.
3. Træning til at Lyde Overbevisende: Disse modeller modtager feedback for at producere overbevisende svar, hvilket kan være problematisk, da de kan virke mere videnstunge end de faktisk er.
4. Træningsdata: Sprogmodeller trænes på en bred vifte af tekster, fra skønlitteratur til internetforummer.
5. Begrænset Viden: Disse modeller er begrænsede af deres træningsdata og kan være usikre uden for disse områder.
6. Sprogmodeller og Persondata: Det er vigtigt at være opmærksom på, hvordan forskellige sprogmodeller behandler data, især i relation til GDPR.
7. Computeren er ikke din ven: Disse modeller mangler evnen til at føle, tænke, huske eller være empatiske.

Vi håber at vores speciale og siden itdidak.dk kan bidrage til en dybere forståelse af, hvordan generative sprogmodeller kan integreres i skolesystemet på en måde, der respekterer både lærernes og elevernes behov.