Ökat lärande och nya färdigheter med hjälp av AI utforskas inom utbildningen för företagsekonomi

Introduktion 

Den snabba utvecklingen av artificiell intelligens och särskilt generativ AI (GenAI), innebär betydande möjligheter och utmaningar för all utbildning och inte minst för företagsekonomisk professionsutbildning där kunskapen snabbt behöver tillämpas ute i arbetslivet.  GenAI kan definieras som en typ av AI-teknologi som kan producera eller generera olika typer av innehåll, inklusive text, bilder, ljud och video (IBM, 2024). GenAI har framträtt som en transformativ teknologi med potential att omforma undervisning och lärande (Mollick, 2024). När högskolorna strävar efter att hålla jämna steg med teknologiska utvecklingar, är lärare i avgörande roll när det gäller att utforska hur GenAI meningsfullt och ansvarsfullt kan integreras i praxisen. Till exempel Crompton & Burke (2023) betonar vikten av att utbilda den undervisande personalen för att de effektivt ska kunna integrera AI-verktyg. De lyfter fram potentialen för AI att förbättra både undervisningseffektivitet och studenternas läranderesultat (Crompton & Burke, 2023).

Under de senaste två åren har vi sett en enorm utveckling av olika AI-drivna verktyg. Detta är något vi inom företagsekonomiutbildningarna på Arcada (MA och BA) tagit ett aktivt tag i. Vi har sett att det finns otroliga möjligheter, men även risker på vägen och just därför har vi också sett att vi i vårt lärarteam behöver greppa detta nu. Vi har inom ramen för vårt projekt Bridging AI and Soft Skills haft möjlighet att jobba för detta i form av att t.ex. stärka AI-litteraciteten parallellt bland lärare och studenter. Vi har även haft möjlighet att erbjuda lärarna en kurs i tillförlitlig AI. Vårt projekt betonar lärarnas avgörande roll i denna transformation. Genom att fokusera på lärarens perspektiv syftar detta projekt till att utrusta lärare med de färdigheter och strategier som behövs för att integrera GenAI i de studieenheter de ansvarar för. 

Syftet med detta blogginlägg är att beskriva några möjligheter och utmaningar med GenAI i företagsekonomiutbildningen och att även ge exempel på hur vi hanterar detta i vårt team på Arcada Vi kommer även att diskutera vad vi anser att behövs i framtiden vad beträffar ett fortsatt samarbete med AI i undervisningen. Insikter har samlats från workshoppar på våren och på hösten 2024, där lärare diskuterat sina nuvarande AI-praktiker, specifika verktyg som används, utmaningar och planer för att integrera AI i sitt eget arbete och i lärandet. 

Risker och möjligheter med AI i undervisningen

The GenAI kommer att ha och har betydande konsekvenser för utbildning och lärande på alla nivåer och sektorer och/eller yrken (Mollick, 2024; SiloAI, 2024). Därför kräver den snabba takten av teknologisk utveckling kontinuerligt utforskande och experimenterande bland lärarna för att säkerställa att AI används på sätt som förbättrar och stöder lärandet (Tigerstedt & Bistrom, 2021). Snarare än att vara reaktiva måste högskolorna anta en proaktiv och tvärvetenskaplig hållning till AI för att säkerställa att de aktivt formar riktningen för teknologisk utveckling och gör bästa möjliga användning av den (Southworth et al., 2023). I rapporten Nordic State of AI (SiloAI, 2024) kan vi läsa att vi också behöver domänspecifik AI-kunskap och hur detta är en utmaning eftersom högskolorna ännu inte alltid utvecklat ett tänk kring AI-litteracitet eller AI-integrering inom de olika ämnesområdena eller domänerna (SiloAI, 2024). Samtidigt varnar lärare och forskare på olika håll om konsekvenser och man talar bla om en kognitiv nedgång, kognitiv lättnad eller rentav om en negativ påverkan på kunskapsutvecklingen eller arbetet. Forskare säger att med en ökad AI, GenAI, användning finns det en risk för övertro på verktygen, vilket i sin tur kan resultera i en minskad kapacitet för kritiskt tänkande eller en nedgång i vårt eget tänkande och reflektion rent generellt (Bai, Liu & Su, 2023; Zao-Sanders, 2024). Det sägs också att innan vi vet hur vi ska integrera och använda GenAI-verktygen på ett relevant sätt i utbildningen kan vi se en generell minskning av det faktiska lärandet (Mollick, 2024; Bastani et al., 2024). 

I bild 1 kan vi se ett såkallat ramverk (på engelska) för AI-litteracitet som kan hjälpa lärare och studenter att utveckla AI-kunnandet stegvis och på olika nivå: att ta till sig AI, att fördjupa sig i AI och att skapa med AI. Både studenter och lärare behöver utbilda sig och reflektera över var de befinner sig när det gäller den egna AI-kompetensen (Unesco, 2024).

För att kunna hantera en meningsfull integration har många högskolor skapat eller antagit riktlinjer för användning och integrering av GenAI i utbildningen. Det är tydligt att, precis som med vilken annan teknologi som helst, användningen av AI bör baseras på sunda pedagogiska och etiska principer samt att vi behöver riktlinjer för praktiken, för lärarna såväl som för studenterna. Integrering av AI-verktyg bör styras av lärandemål, studenternas bakgrund och den specifika kontexten. Oavsett vilka verktyg som används bör de ge mervärde för läraren, studenterna eller båda. AI kommer inte att ersätta läraren och lärarens roll. Tvärtom, kan t.ex. klassrummets betydelse komma att öka. (Mollick, 2024)

Lärarens roll och stödet AI kan ge

Lärare behöver inte bara anta ny teknologi utan också ompröva sina pedagogiska tillvägagångssätt för att anpassa sig till studenternas förändrade behov och verkligheten i AI-förstärkta lärmiljöer (Luckin et al, 2016). GenAI erbjuder lärare möjligheter att stödja lärandet och utveckla undervisningen. AI kan även hjälpa med planering, skapande, anpassning och översättning av material och uppgifter. AI-lösningar kan användas för att skapa lärandesituationer som möter studenternas individuella behov, det vill säga AI kan främja lärandet för varje student. AI kan frigöra tid för lärare att fokusera mer på lärandet eller på en enskild student. Även kreativitet och innovativ förmåga kan förbättras med GenAI, om den används på rätt sätt (Rose, 2023; Mollick, 2024; Zao-Sanders, 2024). 

Som lärare är man ansvarig för att säkerställa att lärande sker och att alla har goda förutsättningar för lärande. Ett sätt att undvika missbruk av AI är genom tydlighet och transparens om när, hur och varför AI används. Detta gäller både för lärare och för studenter. Det är sällan en svartvit skala där studenter antingen inte kan använda något AI-stöd alls eller fritt kan använda teknologin som hjälpmedel. Däremellan finns en gråskala där studenter kan använda AI-verktyg i vissa delar av en process, medan de i andra behöver prestera utan stöd av AI-verktyg (Bartucz, 2023; Perkins et al., 2024; Southworth, 2023). AI-integreringen bör baseras på lärarens planering och förväntningar och kan variera mellan olika uppgifter eller moment. Till exempel kan man tänka sig att muntliga presentationer, videoinspelningar eller podcasts där studenter använder AI som stöd någonstans under processen men slutligen behöver prestera utan AI-stöd. Om studenterna tillåts använda AI och denna typ av tydlighet saknas, är det omöjligt för hen att veta vad som gäller (Southworth et al., 2023).

Nedan (bild 2) kan vi se ett exempel (på engelska) på hur användning och bedömning kan bli mer transparenta och etiska. Användningen av skalor för AI-användning i olika uppgifter och därmed ökad tydlighet kan hjälpa både läraren och studenten att både förbättra lärandet och också tydligare se vad en meningsfull användning och integrering av AI kan bestå i (Perkins et al, 2024; Bartucz, 2023). Ett liknande verktyg har även utvecklats av Arene (2024) i form av den såkallade trafikljusmodellen för AI-användning i olika uppgifter. 

I det följande diskuterar vi de förslag som kommit upp under vårt arbete i lärarteamet (15 deltagare) inom BA- och MA-utbildningarna i företagsekonomi. Vi har samlat in data under två workshoppar och då i form av strukturerade enkäter och i form av skriftligt material i Powerpoint-format. Därutöver har vi tagit anteckningar under workshopparnas gång. All data har analyserats tematiskt och delvis ämnesvis. 

Förslag på AI-integration i studierna och tankar från lärarteamet

Bland annat dessa förslag diskuterades fram under våra workshoppar: 

• Ekonomistyrning: Använda AI-verktyg för finansiell analys för att jämföra manuella och AI-genererade resultat.
• Marknadsföring och turism: Integrera AI i innehållsproduktion och reflekterande uppgifter för kritisk utvärdering av AI-resultat.
• Logistik: AI-verktyg kommer att användas för uppgifter som innefattar en analys av värdekedjan och för att skapa olika fall och scenarier.
• Kritiskt tänkande: Inom alla ämnen finns det ett starkt fokus på att lära studenter att kritiskt utvärdera AI-genererat innehåll som en dela av lärandet.

En lärare nämnde: “ChatGPT har använts för att skapa och redigera texter, skapa PowerPoint-presentationer och bilder för presentationer.”. Medan vissa lärare har fullt ut anammat AI som en assistent, förblir andra försiktiga och uttrycker oro över AI-utgångarnas tillförlitlighet och noggrannhet. Som en lärare sade: “Vissa termer kan översättas felaktigt… Så det är värt att dubbelkolla sådana saker.”, vilket betonar vikten av noggrann verifiering när man förlitar sig på AI-genererat innehåll.

Det är också viktigt att notera att vissa lärare ännu inte har börjat integrera AI i sin undervisning eller i sitt administrativa arbete. En anledning är bristen på tid att utforska och experimentera med AI-verktyg, främst på grund av tunga arbetsbelastning och stora grupper. Som en lärare påpekade: “Jag har inte haft möjlighet att använda dessa verktyg på grund av tidsbrist; det finns ingen tid kvar att lära sig något extra.”. Detta lyfter fram ett hinder som måste åtgärdas genom mer tillgänglig och riktad utbildning samt mera tid. Lärare föreslog lösningar som att t.ex. avsätta dedikerade arbetstimmar i sina årliga arbetsplaner för team-baserade utbildningssessioner. Logistikteamet föreslog till exempel att man kunde utse "superanvändare" för specifika verktyg för att säkerställa effektivt stöd inom akademierna.

Konklusioner

Att integrera AI i utbildning är till stor del en pedagogisk och didaktisk möjlighet och utmaning, där lärarens ansvar är betydande. Det är därför avgörande att lärare håller sig uppdaterade med de senaste utvecklingarna och anpassar sin undervisning för att inkludera t.ex. kritiskt tänkande relaterat till teknikens begränsningar och etiska implikationer. Integrationen av generativa AI-verktyg, såsom ChatGPT, Copilot och andra, visar betydande variation inom teamet. De insamlade uppgifterna avslöjar ett spektrum av AI-användningsnivåer, från omfattande användning i dagliga uppgifter till initiala utforskningar av AI:s potentiella tillämpningar. Lärare använder ofta generativ AI för saker som att skapa quiz, sammanfatta stora mängder studentinlämningar och översätta material. Dessa verktyg har också använts för att skapa presentationer, generera fallstudier och för att avsevärt förbättra effektiviteten i rutinuppgifter som korrekturläsning, för att skapa kursplaner samt för att brainstorma nytt innehåll.

Hur gå vidare

Vi kommer att jobba vidare i lärarteamet inom MA- och BA-utbildningarna. Tanken är att de planer och förslag vi tagit fram inom de olika ämnen eller studieenheterna ska omsättas i praktiken med start från vårens kurser. 

På våren kommer det även att göras datainsamling som rör LLM-användning, etik och fusk bland både medarbetare och studenter. Vi ser fram emot dessa kartläggningar och tänker att de kan hjälpa oss vidare med arbetet vad gäller att samarbeta med AI i våra utbildningar och även för att hjälpa oss att garantera att våra studenter är väl förberedda och kan hantera AI i sina professionella karriärer. 

Christa Tigerstedt, Överlärare i företagsekonomi, utbildningsansvarig Business Management and Transformation, Akademin för masterutbildning och forskning

Susanna Fabricius, Vice akademichef, Akademin för företagsekonomi och vård

Mikael Forsström, Utbildningsansvarig, International Business och Företagsekonomi. Akademin för företagsekonomi och vård

Referenser

Arene (2024). Ammattikorkeakoulut päivittivät tekoälysuosituksensa – yhdessä kohti pedagogisesti kestävää tekoälyn hyödyntämistä. https://arene.fi/ajankohtaista/ammattikorkeakoulut-paivittivat-tekoalysuosituksensa-yhdessa-kohti-pedagogisesti-kestavaa-tekoalyn-hyodyntamista/ Extern länk .

Bai, L., Liu, X., & Su, J. (2023). ChatGPT: The cognitive effects on learning and memory. Brain-X, 1(3), https://doi.org/10.1002/BRX2.30 Extern länk. 

Bartucz, J. (2023). ChatGPT: Your new partner in the classroom (whether you like it or not).  Retrieved 21.8. 2024, https://www.bartucz.com/mrbartucz/2023/09/10/chatgpt-your-new-partner-in-the-classroom-whether-you-like-it-or-not/ Extern länk. 

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2024). Generative AI Can Harm Learning. https://doi.org/10.2139/SSRN.4895486 Extern länk 

OpenAI (2024). ChatGPT 4o. Accessed 21.11.2024, https://chatgpt.com/ Extern länk

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00392-8 Extern länk 

European Union (2024). EU AI Act. Regulation - EU - 2024/1689 - EN - EUR-Lex. Retrieved September 3, 2024,  https://eur-lex.europa.eu/eli/reg/2024/1689/oj Extern länk 

IBM, 2024. What is generative AI. Retrieved 29.11.2024, https://www.ibm.com/topics/generative-ai# Extern länk 

Luckin, R. & Holmes, W. (2016). Intelligence Unleashed: An argument for AI in Education. London: Pearson OpenIdeas. 

Mollick, E. (2024). Co-Intelligence: Living and Working with AI. Amazon Books.

Perkins, M., Furze, L., Roe, J. & MacVaugh, J. (2024) The Artificial Intelligence Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment. (2024). Journal of University Teaching and Learning Practice, 21(06). https://doi.org/10.53761/q3azde36 Extern länk 

Rose, J. (2023). ChatGPT as a teaching tool, not a cheating tool | THE Campus Learn, Share, Connect. Times Higher Education. Retrieved 10.9.2024, https://www.timeshighereducation.com/campus/chatgpt-teaching-tool-not-cheating-tool Extern länk 

SiloAI. (2024). Nordic State of AI - Third Edition. Retrieved September 3, 2024, https://www.silo.ai/ebooks-reports/nordic-state-of-ai-third-edition Extern länk 

Southworth, J., Migliaccio, K., Glover, J., Glover, J., Reed, D., McCarty, C., Brendemuhl, J., & Thomas, A. (2023). Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy. Computers and Education: Artificial Intelligence,  https://doi.org/10.1016/j.caeai.2023.100127 Extern länk 

Tigerstedt, C., & Biström, D. (2021). Teaching and learning with humanoid social and service robots in higher education - learnings from service design and IT framework use case development modules. INTED2021 Proceedings, pp 5850–5859. https://doi.org/10.21125/INTED.2021.1178 Extern länk 

Unesco (2024). AI competency framework for teachers - UNESCO Biblioteca Digital. https://unesdoc.unesco.org/ark:/48223/pf0000391104.locale=es Extern länk. 

Zao-Sanders, M. (2024). How People are really using Gen AI. Harvard Business review, Fall 2024, 46-40