Der er flere grunde til at træne eleverne i samarbejde. Meget professionelt arbejde foregår i grupper eller teams, både blandt studerende på uni og blandt undervisere, forskere, softwareudviklere og sikkert mange andre steder. Outsourcing af vidensarbejde til chatbots og agenter kan desuden medføre, at samarbejdskompetencer bliver endnu mere efterspurgte i en nær fremtid.

Mine erfaringer fra mine børns folkeskole er, at træning i samarbejde ofte foregår ved, at eleverne selv danner grupper og fordeler opgaverne, så få motiverede/stærke elever påtager sig det faglige arbejde, mens mange elever mere eller mindre velvilligt ikke deltager i arbejdet. Dvs. ingen reel stilladsering af eller træning i samarbejde.

Det mønster ser jeg gå igen blandt eleverne i gymnasiet. Når jeg generaliserer, ser jeg mange elever, som er usikre og tilbageholdende, og de ved ikke, hvordan de skal komme på banen i en gruppe. Mange elever er ufokuserede, og deres hovedmål er at blive hurtigt færdige/undgå arbejde. Nogle elever er mere præstations-orienterede og vil typisk overtage det meste af arbejdet i en gruppe.

Få elever er interesserede i at få gruppen til at fungere. Der opstår en kultur blandt mange elever, hvor de opfatter gruppearbejde som “læreren er væk, vi kan gøre hvad vi vil” dvs. hyggetid, hvor de kan snakke privat, gå i kantinen og surfe rundt på nettet.

Så jeg har brugt lidt tid på at undersøge, hvad træning i godt samarbejde kan indebære*, og jeg sidder med en lille ad hoc arbejdsgruppe om emnet. Her er nogle pointer:

• Elever må selvfølgelig ikke vælge deres egen gruppe, det giver både alt for homogene grupper og enkelt-elever, som står uden gruppe.
• Gruppen bør være heterogen uden at være alt for blandet. At sætte en fagligt stærk elev til at trække en gruppe af fagligt svage elever går ikke -det træner ikke samarbejde.
• Der skal være tryghed til at udtrykke sig, og der bliver talt i en ordentlig tone til hinanden.
• Alle bliver hørt og bidrager til gruppens arbejde. De sikre/ekstroverte deltagere har et ansvar for at holde sig lidt tilbage, og de usikre/introverte har et ansvar for at komme mere frem. De bedste resultater opnås ved, at alle bidrager til gruppens arbejde.
• Der er ikke nogen i gruppen, som må overtage produktet og på den måde løse opgaven selv.
• Der er fokus på opgaven og ikke alt muligt andet.
• Opgaverne bør være åbne og give mulighed for diskussion. Lukkede opgaver kan nemmere løses individuelt.
• Gruppen arbejder hen imod et sted, hvor ideer kan udfordres, og der er en kritisk og undersøgende samtale om argumenter og vurderinger.

Jeg har tidligere eksperimenteret med en “social ansvarlig” i gruppearbejde blandt 3.g’ere, men det blev tydeligt, at det havde de svært ved, og rollen blev hurtigt ignoreret. Derfor tog jeg fat i 1.g’erne og har forsøgt at stilladsere arbejdet med roller mere. Jeg er kommet frem til følgende fire roller:

Referent: Skriver for gruppen (computeren eller papir). Det er ikke din pligt at løse opgaven alene, blot at deltage og skrive referat. Tal sammen i gruppen om opgaverne -lad være med at fordele dem mellem jer. Del dokumentet med hinanden, når arbejdet er slut.

Fokus-holder: Sørger for, at gruppen bliver på opgaven og ikke mister fokus. Tal sammen i gruppen om opgaverne -lad være med at fordele dem mellem jer.

Ordstyrer: Sørger for, at alle kommer til orde i gruppen, så alle taler cirka lige meget. Tal sammen i gruppen om opgaverne -lad være med at fordele dem mellem jer.

Spørge-Jørgen: Det er din rolle at stille spørgsmål til de andre mindst tre gange. Eksempler: ”Hvorfor det?”, ”Hvad betyder det?”, ”Hvordan vil du forklare det?”, ”Hvordan kan man se det fra en anden vinkel?”. Tal sammen i gruppen om opgaverne -lad være med at fordele dem mellem jer.

Jeg er ikke helt tilfreds med ordlyden. Fx. skal “Spørge-Jørgen” på sigt ikke bare være en der spørger, men være ansvarlig for at sætte gang i den faglige og kritiske diskussion. Rollen skal nok også have et nyt navn.

Målet er i første omgang, at eleverne bliver opmærksomme på, at rollerne findes i samarbejde. Opmærksomheden får de ved at påtage sig rollerne og gennem evaluering og meta-refleksioner. Derfor skal rollerne også skifte ofte. Derefter er målet, at eleverne bliver bedre eller ligefrem gode til at udfylde hver rolle. Endemålet er, at de alle påtager sig alle rollerne i gruppearbejde.

Nogle spørgsmål, som kan vække elevernes tanker kan være:

• Hvad er et godt gruppearbejde?
• Hvad er dårligt gruppearbejde?
• Hvilken rolle er den sværeste? Hvorfor?
• Hvilken rolle er den vigtigste? Hvorfor?
• Hvad lykkedes du med i rollen?
• Hvornår fungerede rollen ikke så godt?
• Hvad kunne du overveje at gøre anderledes i næste gruppearbejde?

Er rollerne udtømmende for et godt samarbejde? Nej, men de sætter nogle hjørnesten, som der kan arbejdes videre ud fra. Derefter kan vi fx arbejde med samtale-runder (evt. på tid), differentierede grupper efter niveau, individuel forberedelse i klassen/hjemme og andre tiltag, som kan støtte den svære “ordstyrer”-rolle.

* Agergaard m.fl. “Gruppearbejde”; Duch, Henriette (red.) “Gruppearbejde på ungdoms- og videregående uddannelser”, Frydenlund 2023; “Tea for Teachers”, Podcast episode “Make Team Project Work”. https://teambuildingprocess.com/making-team-projects-work/

Det er sprogmodeller i mange chatbots (GPT5.2, Gemini3), blevet meget bedre til. Eller også er jeg blevet bedre til at prompte? Som altid, vil en mere konkret og specifik prompt give et bedre og mere brugbart resultat.

Her nedenfor et forsøg på at generere syntetiske data for biogas-produktion i et produktions-anlæg. Der er 200 forsøg (10 første er vist) med forskellig biomasse, som giver forskelligt udbytte:

Proceduren kan være som følger:

1. Angiv formålet med datasættet, samt hvilke data, der skal være i sættet.
2. Angiv sammenhænge mellem data. Hvis sammenhængene fremgår af en kilde, som sprogmodellen selv kan tilgå, kan modellen forsøge at udlede sammenhængene.
3. Få sprogmodellen til at afbilde datasættet, så du kan få et overblik over om de forventede sammenhænge er tilstede, og om de er for kraftige eller svage (se billede herunder).
4. Få sprogmodellen til at lægge datasættet i en fil fx csv-fil, og angiv krav til kolonne- og decimal-adskillelse.
5. Hvis data skal bruges til en specifik matematisk undersøgelse (fx regression eller maskinlæring), så lad sprogmodellen teste denne. Opstil evt. krav til korrelation, nøjagtighed o.l.

Nedenfor afbildning af de 200 syntetiske data fra ovenfor. Kig særligt på nederste linje af plots, hvor produktionen gerne skulle følge pH og C/N. Plottet mellem C/N og protein viser, at desto mere protein, jo lavere bliver C/N forholdet (mere N). Lavere C/N forhold giver lavere pH (pga ammonium-dannelse). Der er også plots, som giver mindre mening fx mellem kulhydrat og protein.

Det kan blive elevernes opgave at forklare nogle af sammenhængene.

Det kan tage flere minutter, at få et respons fra sprogmodellen. Det er altid lidt random, hvad der kommer som output. Nogle gange kan plots ikke vises. Andre gange vises alle 200 linjer af data osv. Det kan kræve en del iterationer, hvis man ønsker helt bestemte udtryk eller nøjagtighed. Man kan også tilføje krav til spredning og intervaller for data, men dem kender man ikke altid præcist, så her er det måske bedre at lade modellen give et bud.

Man bør deklarere, at der er tale om syntetiske data. Om ikke andet for at undgå at tiltroen til videnskaben og viden generelt ikke forsvinder helt.

Da jeg ikke har fundet informationen, har jeg selv sat en liste sammen, opstillet efter videnskabelig troværdighed (de mest troværdige øverst).

Listen er selvfølgelig generaliseret fx kan der sagtens findes videnskabelige artikler, som indeholder tvivlsomme data eller fortolkninger, særligt i nye forskningsområder. Og eleverne skal vejledes til, at videnskabelige artikler som regel ligger langt over det niveau, som de forventes at forstå.

Jeg har for øvrigt brugt vibe-coding til at formatere tabellen til et nogenlunde pænt og brugervenligt udseende. Vibe-coding er kodning med en sprogmodel-assistent, hvor udvikleren udtrykker sine krav/ønsker som almindelig tekst i en prompt, og sprogmodellen omsætter dem til kode. Det tog alligevel en halv time med tilretninger, men væsentligt hurtigere end at skulle sætte mig ind i koden selv.

Jeg har nogle gange forsøgt mig med at tilføje i opgaveformuleringen: “Du skal inddrage selvvalgt empirisk materiale i din besvarelse.”, hvilket de færreste elever forståeligt nok, har kunne honorere. Problemet er som regel, at forsøgsresultater kun publiceres i engelske videnskabelige artikler, som eleverne har svært ved at afkode. Desuden må en engelsk tekst ikke ligge som bilag (men gerne aftales med eleven, hvilket nogle elever vælger). Så hvordan finder man en passende tekst med resultater på dansk?

De sidste ca. fem år har jeg brugt en metode, hvor jeg producerer et bilag til SRP opgaveformuleringen. Jeg fremstiller bilaget ved:

1. Jeg finder en relevant online videnskabelig artikel på Google scholar. Ofte leder jeg efter dyreforsøg (der er meget at diskutere) og kendte metoder fx ELISA, PCR o.l. Valg af søgeord er afgørende for at få gode hits. Jeg undgår reviews.
2. Når der kommer hits frem i Scholar, vil der ved nogle hits være et link i højre side (se billede ovenfor) -det link fører til en online udgave af teksten. Jeg åbner typisk 3-4 artikler, som ser interessante ud, scroller ned til resultaterne og vurderer hurtigt om de virker realistiske for elever at forstå og relevante for elevens vinkel.
3. Jeg vælger en artikel og laver et bilag på dansk, som indeholder mellem en og tre af figurerne (tabeller/diagrammer) fra artiklen. Jeg oversætter som regel figurteksten til dansk, med mindre den er meget enkel. Det foregår som regel i powerpoint eller MS paint.
4. Desuden laver jeg en beskrivelse på dansk af de forsøg, som ligger bag hver figur. Beskrivelserne indeholder nok detaljer til, at eleven kan bruge dem i analyse og diskussion af forsøgene. Nogle detaljer er jeg nødt til at udelade eller ændre en smule, afhængigt af elevens niveau og hvor meget der ellers skal være plads til i opgaven fx kan DNA chip erstattes med genotyping ved PCR, chemiluminiscence kan erstattes af ELISA o.l.
5. I bilaget er der ingen henvisninger til den oprindelige artikel, for jeg vil have eleven til at arbejde selvstændigt med bilaget, og ikke læse og gengive en analyse og diskussion fra den originale tekst.
6. Eleven bliver bedt om at redegøre for metoden, analysere resultaterne og diskutere forsøgene i bilaget.

Et bilag til en opgave om Alzheimers (biologi og dansk) kunne se ud som (t.o. er synuclein-monomeren ca. 10 kDa):

Man kan argumentere for, at jeg gør elevens research-arbejde. Men jeg synes, at eleverne ofte er stillet en umulig opgave, dels i og med, at de ikke er trænet i projektarbejde, og dels at det er næsten umuligt at finde velegnede kilder på dansk. Jeg har set kolleger anvende øvelsesvejledninger og gamle skriftlige eksamensopgaver som bilag, men det er sjældent, at de lige passer med elevens vinkel.

Taget det tid? ja, ca. en halv time pr. bilag. Men jeg har efterhånden en lille bank af bilag, som passer til mange emner, og så nyder jeg vist også skattejagten i artikel-databasen.

Er det videnskabelig uredelighed, når jeg ændrer detaljer i forhold til den oprindelige artikel? Måske, men SRP er ikke et forskningsprojekt, men en opgave indenfor skolevidenskab. Så jeg har det godt med at modellere virkeligheden lidt for at opnå en pædagogisk pointe.

Sprogmodellerne har selvfølgelig udfordret min tilgang (ligesom alt andet). Men i og med, at bilaget først udleveres med opgaveformuleringen, vil det være snyd, hvis eleven anvender en sprogmodel. Hvis en elev VIL snyde, kan bilaget let anvendes som input i en sprogmodel, der vil udlede vigtige analyser, pointer og diskussions-punkter.

Det der tager længst tid er at finde en passende artikel. For måske alligevel at spare noget tid, har jeg udviklet en prompt, som kan skrive et udkast til en dansk beskrivelse af et forsøg og figurtekst:

[LINK] = https://www.jacc.org/doi/full/10.1016/s0735-1097%2801%2901129-9 
[figur] = figur 1
Rolle: Du er en erfaren gymnasielærer i biologi (stx-niveau) med særlig ekspertise i at lave pædagogiske bilag til opgaver for elever. Du er god til at forklare komplekse biologiske koncepter på en måde, som en gymnasieelev kan forstå, uden at forsimple det faglige indhold unødvendigt.
Kontekst: En gymnasieelev skriver et SRP-projekt i biologi. Eleven skal analysere forsøgsresultater fra en videnskabelig artikel og diskutere dem ved at inddrage relevante videnskabelige principper som kontrolforsøg, variabelkontrol, usikkerheder, biologisk variation, fejlkilder, metodevalg og repræsentativitet.
Eleven har begrænset forståelse for engelsk og har ikke forudsætningerne for at forstå det avancerede biologiske fagsprog i artiklen. Derfor har eleven brug for en tilgængelig og præcis beskrivelse af forsøget samt en forklaring af nøgleelementer i [figur].
Opgave:
	• Skriv en kort, men præcis beskrivelse af forsøget, som er udført for at opnå de resultater, der vises i [figur] i denne artikel: [LINK].
	• Skriv en figurtekst til [figur], som beskriver, hvad figuren viser.
	• Forklar betydningen af eventuelle tegn for signifikansniveau (fx p-værdier eller symboler, der indikerer statistisk signifikante forskelle).
	• Forklar fejllinjer i figuren, hvis de er til stede (fx hvis det er standardafvigelse eller standardfejl).
Format:
	• Skriv på dansk.
	• Uddyb tekniske og medicinske begreber og skriv forkortelsen i parentes efterfølgende.
	• Undgå fortolkning eller forklaring af resultaterne – hold dig til objektiv beskrivelse af metode og data.
Tone:
	• Anvend akademisk sprog, men tilpasset et niveau, som en gymnasieelev i biologi kan forstå.
	• Brug aktivt sprog og præcise formuleringer.
	• Begynd fx med "En gruppe forskere udførte et forsøg"..
	• Sørg for, at beskrivelsen er pædagogisk og let at følge uden at miste faglig dybde.
Afklaring:
Mangler der oplysninger for at løse opgaven korrekt? Hvis ja, specificér hvilke.

Jeg har eksperimenteret lidt med openAI’s agenter (GPT’er). Her kan jeg fodre en chat med specifikke tekster fx sider fra wikipedia, om det emne vi arbejder med, og med retningslinjer for bottens adfærd. Men man skal være logget ind på openAI for at tilgå agenterne, og det må jeg ikke bede eleverne om af gode GDPR-grunde.

Men nu har jeg lavet min egen applikation, som ikke kræver login fra brugeren. Ideen er, at bygge videre på ChatGPT. Når man køber adgang til ChatGPT, får man samtidig adgang til at skrive programmer, der kan kommunikere med ChatGPT (via et API). Så man kan skrive sit eget program, der kan sende input til en GPT-model og få svar retur.

Første version af systemet kan prøves her.

Det er et velkendt problem med ChatGPT, at systemer mister fokus, og glemmer dele, som ligger længere tilbage i chatten. Det er bl.a. en konsekvens af, at attention-mekanismen bruger sekvens-embeddings, så ord (tokens), der står senere i prompt (og kontekst), får større betydning for næste output-token.

Selvom man prompter ChatGPT med grundige instruktioner i, at systemet skal fokusere på læring og ikke må skrive elevernes opgaver, så glemmer den det hurtigt. Når man prompter for at blive quizzet, glemmer den reglerne efter nogle få spørgsmål.

Min løsning er, at jeg laver min egen side med en brugergrænseflade (herover), hvor brugeren kan skrive en prompt til ChatGPT. Før hver prompt sendes til ChatGPT (gpt-4o-mini), klistrer jeg en system-prompt sammen med brugerens prompt, uden at brugeren ser det fx:

“Rolle: Du er en biologi-lærer i dansk gymnasium stx gennem 15 år. Kontekst: Du skal være lærings-assistent for en elev. Du er interesseret i, at eleven lærer begreber, metoder og teorier i biologi. Du vil lave quizzer med eleven. Du er opmærksom på, at du ikke vil løse opgaver for eleven. Du vil ikke skrive elevens produkter. Du vil ikke skrive eksempler på svar eller afsnit fx til rapporter eller opgave-besvarelser. Du vil hjælpe med at forklare og formidle viden i biologi. Opgave: Hjælp elever med at lære biologi-faget. Du spørger ind til elevens læring, interesser og fremskridt. Format: korte svar. Tone: Venlig og tålmodig.”

Det er afgørende, at alle beskeder til og fra botten samles (fx i et array), og det hele sendes med til ChatGPT hver gang, for ellers mister systemet sammenhængen i samtalen.

En lidt mere generel pointe er, at jeg nu har en chatbot, som jeg kan customize og aligne, som jeg vil. Jeg kan manipulere med output og særligt med input.

Fx kan jeg lave en vejlednings-bot, der som input får de vejledningsspørgsmål, som vi som regel stiller til eleverne, den videnskabelige basismodel og måske læreplanen. Og så får den en instruktion om, at den skal optræde som vejleder og stille mange og bestemte spørgsmål. Alt det får eleven ikke at se, og hvis alt går vel, kan botten ikke bruges til andet end at vejlede.

Jeg kan lave en quiz-bot, som tager begreber og svar fra en liste, som ligger i en variabel. Dertil kan der være en liste over korrekt og ikke-korrekt besvarede begreber. På den måde støtter jeg systemets hukommelse. I modsætning til mange multiple-choice systemer, kan denne bot rette fritekst og kan forklare, når noget skal uddybes.

Nu mangler jeg bare at teste, om eleverne kan få chatbotten til at snyde.

Opdatering: ultimo november 2024

Nogle elever gider ikke bruge chatbotten, fordi den er tunet til ikke at besvare opgaver.

Mange elever kan ikke forstå, hvorfor de skal skrive med en chatbot, når den alligevel ikke kan give konkrete svar om kilder m.m.

Jeg har fået lavet en SRP-vejleder-chatbot. Jeg tænker på at prøve et chatrum til flere brugere, hvoraf chatbotten kun er een af stemmerne, for at øge samarbejdet mellem eleverne.

I et blogindlæg fra MIT fandt jeg en løs beskrivelse af en laserskåret 3d model. Ingen filer, men en tegning af brikkerne. Jeg vektoriserede tegningen i Inkscape og skar en pap-prototype af brikkerne. De passede sammen, men efter 2-3 basepar blev det klart, at modellen aldrig ville blive en spiral. Noget i modellen passede ikke sammen.

Efter 4-5 iterationer i pap kom jeg frem til nogle mål, som passer nogenlunde sammen (bl.a. ca. 36 grader mellem hvert nukleotid, og længden af bindingen mellem baserne).

Planen er, at skære baserne i 3mm mdf med tekst, og skære backbone samt bindinger i pap, så der bliver en vis fleksibilitet i modellen.

Jeg vil prøve at implementere:

• major og minor groove i modellen ved at lave stykker af backbone, som er kortere og længere.
• den antiparallel struktur bliver synlig.
• forskellen på AT og GC. Måske bindinger med hhv. 2 og 3 hydrogenbindinger.
• tydeligere adskillelse mellem fosfat og ribose, som p.t. er eet stykke.
• Undgå at basen ser ud som om, at den binder to nukleotider sammen (det er ribose, som gør det)

Det er stadig meget tvivlsomt, om eleverne kan samle modellen, men en kollega har lovet at teste det.

oktober 2024: Backbone blev opdateret med symboler inkl. 3′ og 5′. Hver base og backbone fik en pil, som skulle vise, hvilken retning brikkerne skulle samles. Siderne af DNA blev farvet hhv. brun og hvid for at gøre det nemmere at samle hver side.

Jeg lavede 10 sæt i pap a 8 basepar, som eleverne i 1g NV (grupper a 3) skulle samle. Der blev også lavet to samlede og limede modeller, som eleverne kunne kigge efter.

De fleste elever kunne ikke finde ud af det. Dels var deres viden om DNA meget begrænset. Dels var der mange kombinationer af brikker, hvorfor de havde svært ved at komme i gang. De få elever, som det lykkedes for, var dem, som sad med de limede modeller.

Jeg har nogle ideer til, hvordan eleverne kan komme i mål:

• Eleverne samle nukleotider først, og jeg skal tjekke, om de er korrekte.
• Fælles start af de første basepar.
• Ingen må tage de limede modeller, som skal stå, så alle kan se dem.

November 2024: Det blev ikke meget bedre af at bygge nukleotider først Så modellen skal måske leve videre som demonstrations-model eller der skal være nogle (2) byggede og limede basepar, som eleverne kan bygge videre på, fordi starten er det sværeste.

(opdateres nok)

For programmering er et kreativt håndværk, som tager tid at lære. Heldigvis er det blevet meget nemmere at være kreativ med IT. For eleverne kan nærme sig programmering uden at skrive kode.

Efter chatbots er kommet frem, først og fremmest repræsenteret af ChatGPT, kan eleverne i stedet beskrive, hvad et program skal kunne, og prompte en chatbot til at skrive et bud på programkoden.

De nye chatbots (fx ChatGPT 4o) er så gode til at skrive kode, at elever (et stykke hen ad vejen) kan prompte en interaktiv digital model frem. Claude’s Sonnet-chatbot har endda et interface, hvor prompt, kode og kørsel af koden vises i samme skærmbillede. Der er dog også chatbots på markedet, som p.t. ikke magter opgaven fx skoleGPT.

Eleverne kan opbygge en digital model gennem en række prompts. Det kræver præcise prompts at få specifikke forhold frem i modellen, hvorfor eleverne arbejder med prompt engineering.

Den kode, som chatbotten leverer, kan være skrevet i HTML, flyttes til en tekst-editor og vises i en browser. Koden kan også flyttes til et online-udviklingsmiljø som Trinket eller Replit.

En generel fremgangsmåde og nogle opmærksomheds-punkter nedenfor. Ordet “Modellen” henviser her til den model, som eleverne prøver at skabe, og ikke til den model, som ligger i chatbotten.

1. Eleverne/læreren skal vælge en del af et simpelt system fra faget, som de vil modellere. I biologi/kemi kan det være en kemiske reaktion eller en enkel biologisk proces fx rovdyr-byttedyr, molekyler, hormoner, del af et stofkredsløb o.l.
2. Lav en skitse af modellen og beskriv indholdet med tekst/pile.
3. Eleverne skal overveje, hvilke dele af systemet de vil begynde med at modellere.
4. Det er en fordel at modellere systemer, som er velegnede til agent-baserede modeller, som bygger på en objekt-orienteret tilgang. Det er svært at animere og få elementer i modellen til at ligne konkrete dele af verden fx konkrete molekyler, organer eller cellulære strukturer.
5. Begynd med en standard prompt, som beskriver hvilket kodesprog modellen skal skrives i, og hvad modellen overordnet skal simulere. Skriv at modellen skal opbygges gennem en række prompts. Rolle, kontekst, opgave, format og sprog kan strukturere prompten.
6. Brug versionering, så det er nemmere at holde styr på forskellene på de modeller, som bliver outputtet. Begynd med version 1.0.0. Hvis en outputtet model bliver forkert, kan man let gå tilbage til en bestemt version, som var mere korrekt.
7. Bed chatbot’en placere tekster i modellen. Bliv ved med at prompte indtil placeringerne og teksterne står korrekt. Beskriv den form, som hvert sted skal repræsenteres af fx kasse eller cirkel, samt deres farver.
8. Bed chatbot’en tilføje nogle af de agenter, som skal bevæge sig mellem stederne. Præciser farve, form og bevægelseshastighed for agenterne.
9. Udvid med flere egenskaber til og/eller interaktion mellem agenterne.
10. Udvid med brugerens muligheder for at interagere med modellen fx gennem knapper, slidere og evt. tekstfelter.
11. Udvid med flere agenter.

Produkter fra chatbots må aldrig stå alene, så eleverne skal reflektere grundigt over på hvilke punkter modellen afspejler virkeligheden (det faglige indhold), og på hvilke punkter den ikke gør. De bør også reflektere over de generelle muligheder og begrænsninger ved modeller.

De kan reflektere over hvilket fagligt indhold, der var let/svært, at få frem i modellen og hvorfor. En af pointerne her, vil ofte være, at en chatbot skal promptes meget specifikt og med meget kontekst, for at opnå et bestemt udtryk. De vil muligvis også komme frem til, at for mange ændringer på samme tid, ikke giver de ønskede resultater. I stedet bør variabel-kontrol udøves, så modellen forbedres trinvist.

Aktiviteten rammer flere læringsmål:

1. Modellering (dekomposition) af indhold fra faget.
2. Arbejde med prompting af chatbots, uden at målet er en tekst, hvorfor fokus på hurtige veje til et produkt og på snyd bliver mindre.

Jeg er spændt på, om eleverne:

• Magter at dekomponere det faglige indhold til en simpel model og skitsere denne. Måske kræver det et større fagligt overblik end forventet at vælge et system, som er velegnede til denne form for modellering. I så fald, må jeg støtte dem med forslag fx et simpelt kredsløb mellem hjerte, væv og lunger.
• Vil simulere systemer, som er så komplekse, at en chatbot ikke kan skrive et program, der fungerer. For eleverne kan ikke opdage eller rette fejl i koden.
• Tager magten over chatbotten eller chatbotten tager magten over eleverne. Vil de blot acceptere (delvist forkerte) forslag, som chatbotten kommer op med? Det kan kræve en del prompt-forsøg og tålmodighed at få en model til at se ud på en bestemt måde. Og det er svært at få dynamiske systemer i balance.
• Formår at jonglere med chatbot, HTML-dokument og browser til fortolkning af HTML.

Eksempel: Her er et eksempel, som er lidt mere avanceret, end jeg forventer af eleverne. Det er kønshormonerne GnRH, LH, FSH og testosteron, som udviser feedback på hinanden. Systemet er endnu ikke helt balanceret, og viser derfor nogle ret store udsving i testosteron-indhold.

Nogle af de prompts, som er brugt til at skabe eksemplet ovenfor:

1. Standard prompt (ikke vist)
2. …en række af flere prompts..
3. Flyt kassen med Testikler lidt til venstre. Udvid den hvide ramme for kredsløbet lidt til venstre og til højre. Udskil GnRH fra Hypothalamus, også når der ikke klikkes på knappen.
4. Testosteron skal sørge for, at der udskilles mindre GnRH og FSH og LH.
5. Gør den hvide ramme lidt smallere igen på højre og venstre side.
6. Udskil færre FSH og LH på grund af GnRH.
7. Begynd simuleringen uden hormoner. GnRH skal medføre færre FSH og LH frigivet.
8. Tilføj en legend hvor det kan ses hvad de hhv. røde, grønne, gule og sorte prikker repræsenterer.
9. Kasserne med hhv. hypothalamus, hypofysen og testikler skal forblive på deres x og y koordinater, men prikkerne skal passer bagved kasserne.
10. Ændr knappen “release GnRH” til “indspøjt AAS”. Når der klikkes på knappen skal der tilføres et ekstra hormon “AAS”, som er blåt. AAS skal tilføres til venstre i kredsløbet. ASS skal opføre sig ligesom Testosteron. På legend skal der tilføjes en blåt prik og teksten “AAS (kunstigt testosteron)”.
11. AAS skal have samme hæmmende virkning på frigivelsen af GnRH, LH og FSH, som Testosteron har.

Arbejde videre med hukommelses-teknikker herunder flipkort.

Køre fag i en Agile ramme, dvs. afprøve og evaluere læringsaktiviteter og gentag aktiviteter, som ser ud til at virke.

Undersøge Generativ AI i undervisningen og formidling heraf.

I informatik vil jeg prøve par-programmering mhp. eksamensgrupper. Efter at have arbejdet med escape room gennem flere år, vil jeg arbejde med museumsformidling sammen med Naturama.

1. Simple problemer: Enhver kan se løsningen, som ligger ligefor. Der er entydig en enkel sammenhæng mellem årsagen til problemet og løsningen. Det er muligt at opstille en best practice, fordi der er en indlysende og gennemprøvet måde at løse problemet.
2. Kaotisk: Der er ingen sammenhæng mellem årsager og virkninger. Derfor er det tilfældigt hvad der virker og ikke virker. Bedste bud på en løsning er, at en ledelsesperson tager en beslutning for alle involverede, som kan bringe systemet til et af de andre domæner.
3. Komplicerede problemer: Her er en sammenhæng mellem problemet og løsninger tilstede, men den er svær at finde. Derfor skal problemet analyseres af en (eller flere) kompetente eksperter, som kan analysere problemet og udpege løsninger. Det kan være nødvendigt at indsamle data før analysen. Problemet er så kompliceret, at det er umuligt at opstille én entydig best practice. I stedet kan der opstilles en good practice, som et katalog over handlinger, som kan bidrage til at løse situationen.
4. Komplekse problemer: Her er så mange aktører og sammenhænge, at problemerne ikke lader sig dele op i isolerede problemer. Desuden skifter forudsætningerne ofte, så noget der har virket, måske ikke virker igen. Derfor er det ikke muligt for en ekspertgruppe at analysere (deducere) og udpege løsninger. Det er hverken muligt at opstille best eller good practice. I stedet skal der anvendes metoder fra det Agile rammeværktøj: En divers gruppe med forskellige kompetencer skal afprøve forskellige handlinger, på vej mod en løsning. Gruppen skal forstærke de handlinger, som viser tegn på at løse situationen, og formindske de handlinger, som viser tegn på at forøge problemerne.
5. Uorden (disorder/forvirring): Ligger midt i modellen. Her placeres situationen, hvis man ikke ved hvilket af de andre domæner, den kan placeres i.

Mange forhold i undervisning udgør heldigvis simple problemer med simple løsninger, som er nemme at gennemskue. Meget af den traditionelle undervisning ligger også her. Hvis problemet er, at eleverne mangler viden og kompetencer om emnet, så gennemgår læreren det eller eleverne læser det, så løses der opgaver osv. Det er som regel undervisningen i velfungerende stx-klasser, som ligger her.

Noget undervisning indeholder situationer, som er sværere at gennemskue. Det er de komplicerede problemer. Fx hvad skal der ske med skærmene i skolen? Vi skal både bruge dem, og de tager en masse ufaglig opmærksomhed. Der er blevet lavet en række ekspert-undersøgelser på området og udgivet en good practice i skærmbrug, som de fleste følger.

Simple og komplicerede situationer kan som regel løses ved at lægge en plan og følge den. Det kan kaldes at følge en vandfaldsmodel, hvor hver aktivitet er fastlagt i en bestemt rækkefølge og resultater forudsigeligt. Meget undervisning foregår på den måde, når læreren gentager det, som blev gjort sidste år. Metoden virker heldigvis i mange undervisnings-situationer.

Nogle undervisnings-situationer placerer sig i det kaotiske domæne: Her er meget frustration blandt underviserne (og eleverne), og intet ser ud til at virke. Derfor kan man ønske, at nogen bestemmer, at nu skal undervisningen køre på en bestemt måde, som kan bringe situationen hen til et af de andre domæner. Det kan være klassen opløses eller deles i to halvdele, eleverne får faste pladser eller alle produkter skal afleveres. Eleverne kan ønske, at læreren udøver høj grad af autoritet.

Nogle lærings-situationer påvirker så mange forhold, at de ligger i det komplekse domæne. Der er nogle årsag-virkning sammenhænge, men de er filtrede sammen. For eksempel undervisning i HF, som jeg placerer i det komplekse domæne, fordi elevgruppen er ofte meget blandet med stor faglig spredning, diverse diagnoser og meget forskellige sociale kompetencer. Desuden kan eleverne skifte meget gennem forløbet, da deres sociale-, familie- og sundhedsmæssige forhold kan skifte.

Situationer i det komplekse domæne, som undervisning i HF, skal udføres med metoder, som ligger inden for det Agile rammeværktøj. Underviseren skal afprøve forskellige lærings-designs/aktiviteter, og undersøge effekten, for derefter at udbygge de dele, der virker lige nu, og nedtone de dele, som ikke virker. Hvad der virker, kan ændre sig gennem forløbet eller fra hold til hold, fordi eleverne og læreren ændrer sig. I dén situation, er det en fordel at være en erfaren underviser, fordi man har en række af lærings-designs liggende, og kan prøve dem af på et nyt hold.

Målet med hver aktivitet er læring, og det kan være svært af måle. Et bud kan være en formativ evaluering fx i form af:

• en grundig evaluering med spørgeskema
• samtale med enkelte elever
• underviserens indtryk af effekten
• gruppe- og/eller klassedialog
• lyn-evaluering hvor eleverne med tommelfinger markerer up, mellem eller ned.

De hurtige metoder (sidst på listen) er nok at foretrække, fordi det er bedre at bruge tiden på at teste flere aktiviteter af, end at gennem-teste få aktiviteter. En evaluering på elevernes viden og kompetencer skal der også til. Ikke for at vurdere eleverne, men for at vurdere, om en aktivitet virker. Har der været flere aktiviteter i spil, bliver det selvfølgelig sværere at klarlægge en entydig årsag-virkning sammenhæng.

Egentlig burde underviserne i en HF klasse tale meget mere sammen, fordi en divers gruppe af undervisere kan få mange flere ideer og kan afprøve mange flere aktiviteter end en enkelt underviser.

Dog er det ikke givet, at ét lærings-design, som virker hos én underviser, vil virke ligesådan hos en anden underviser. Underviseren er en anden, relationen mellem underviser og elever er en anden, og eleverne er et andet sted både fysisk og mentalt. Men underviseren kan prøve at forstærke designs, som virker her og nu.

Dertil må underviseren tage hensyn til læreplaner og forskellige elevtyper i vurderingen af hvad der skal forstærkes og svækkes. Nogle elever kan trives med én type af aktiviteter, mens andre elever ikke har udbytte af den.

Det kan være fristende at placere undervisning i HF i det kaotiske domæne. Løsningen kunne i givet fald være, at nogen vedtog en plan for fast curriculum, opgaver, aktiviteter og øvelser. Dét ville ikke udnytte underviserens kompetencer ret godt, og man kunne derfor sætte en underviser med lavere uddannelse til at undervise. Det ville desværre også gå ud over eleverne: de fagligt dygtige ville ikke blive udfordret, og de fagligt svage ville risikere at blive hægtet af.

Der har længe været en tradition for at skrive passivt i naturvidenskab fx “Der gives..”, “Der opstilles et forsøg..”, “Det forventes at..”.

Men traditioner skifter. Det er blevet klart, at det er nemmere for modtageren at visualisere og forstå indholdet, hvis sproget gøres aktivt og konkret. Dvs. skriv hvem der opstiller forsøget, og hvem der skal udføre opgaven. De store naturvidenskabelige tidsskrifter (Nature og Science) er begyndt at anbefale at skrive “Vi” (eller “Jeg”) i metode og diskussion-afsnit.

Jeg har opstillet seks regler for at skrive i naturvidenskab.

Der er lidt forskel på det naturvidenskabeligt sprog i forskning og i skolen. Fx vil forskere ofte udtrykke usikkerhed i deres konklusioner, hvilket ikke forventes i lige så høj grad af elever. Elever/studerende forventes i høj grad at forklare kendte begreber og teorier, hvilket forskere ikke behøver.