Vem det här är för
Om du är nyutexaminerad, ny i Sverige eller rör dig mellan olika skolsystem kan LGR22 kännas bedrägligt bekant. Rubrikerna ser enkla ut, men den dagliga översättningen till lektioner, uppgifter och rättvis betygssättning kräver övning. Den här guiden är tänkt som en följeslagare för första veckan: du bygger ett litet, komplett arbetsflöde som kopplar ihop syfte, innehåll (centralt innehåll per stadium) och belägg (betygskriterier E/C/A) utan att drunkna i dokument. Om du vill ha en bredare ”första terminen”-rytm kan du också ha nytta av rutinerna i den här AI-manualen för första terminen som komplement till kursplansfokuset här.
Under vecka 1 betyder ”bra” sällan perfekt. Det betyder att du kan förklara vad du undervisar om och varför, att du kan peka på rätt stadiespecifika innehåll, och att du kan beskriva vilket belägg du kommer att acceptera för E, C och A. Det betyder också att du har satt gränser för AI-användning: du använder AI för att förtydliga, kartlägga och kontrollera — inte för att outsourca professionella omdömen eller skapa bedömning som komprometterar integriteten.
LGR22 på 10 minuter
Planering med LGR22 blir hanterbar när du ser den som tre sammanlänkade lager.
Syfte är ”varför”: ämnets långsiktiga mål. Det hjälper dig att välja vad du ska betona och vad du kan lämna utanför. När du är osäker på om en aktivitet är värd lektionstid är syftet ankaret.
Centralt innehåll är ”vad”: det centrala innehåll eleverna ska möta, men avgörande nog är det organiserat per stadium. Ett vanligt misstag tidigt i karriären är att behandla det som en kumulativ checklista (”vi måste gå igenom allt från tidigare stadier igen”). I praktiken planerar du för det stadium du undervisar i, och använder tidigare innehåll diagnostiskt när luckor visar sig. AI kan hjälpa dig att upptäcka när du av misstag har byggt ett arbetsområde som återundervisar ett tidigare stadium som om det vore obligatoriskt innehåll.
Betygskriterier E/C/A är ”beläggstandarden”: hur kvalitet ser ut på olika betygsnivåer. Kriterierna är inte ett poängsystem. De beskriver skillnader i kvalitet, självständighet, noggrannhet och resonemang. Din uppgift är att utforma uppgifter som gör dessa kvaliteter synliga och sedan bedöma konsekvent.
Om du vill ha en bredare karta över var lärare ofta tappar tid när de går från LGR22-text till klassrumspraktik ger den här översikten ”från glapp till verktyg” en hjälpsam inramning.
Översikt över arbetsflödet
Terminsstartsflödet nedan är medvetet litet. Du kan genomföra det på en eftermiddag och sedan iterera medan du undervisar.
Du rör dig genom fyra steg: Begreppsförklarare → Arbetsområdesplanerare (6 lektioner) → Lektionsplanerare → Facit (kalibrering). Varje steg använder AI som ett översättnings- och kontrollverktyg, men du tillför alltid minsta möjliga kursplansunderlag: stadium, relevanta punkter ur centralt innehåll, ett kort utdrag ur syfte och de betygskriterier du ska bedöma mot.
Målet är sammanhang. I slutet ska du kunna svara på tre frågor utan att tveka: ”Varför detta?”, ”Varför nu (det här stadiet)?”, och ”Vilket belägg kommer att räknas?”
Arbetsflödessteg 1: Begreppsförklarare
Börja med ett begrepp du vet kommer tidigt på terminen. Målet är en elevnära förklaring plus lärarnära kontroller: nyckelord, språkstöd och vanliga missuppfattningar.
Exempel: Ekvationer (Åk 8). Be AI ta fram en svensk förklaring på en tillgänglig läsnivå och be sedan om en andra version med språklig stöttning för nyanlända elever. Det användbara är inte den putsade paragrafen; det är den strukturerade tydligheten: definitioner, exempel, icke-exempel och kopplingen ”varför vi gör detta” tillbaka till syfte.
Du kan också be om kontroller för missuppfattningar som du kan göra om till så kallade hinge questions. För ekvationer är typiska missuppfattningar att göra ”samma sak på båda sidor” inkonsekvent, eller att se likhetstecknet som en instruktion snarare än en relation. Ett praktiskt klassrumsdrag är att visa två genomräkningar — en korrekt, en med ett subtilt fel — och be eleverna identifiera var balansen bryts.
När du använder AI här, håll det ärligt genom att kräva att den uttrycker osäkerhet. Du kan till exempel be den märka vilka missuppfattningar som är ”mycket vanliga” respektive ”möjliga”, och föreslå vilket belägg som skulle bekräfta varje missuppfattning i elevlösningar.
Arbetsflödessteg 2: Arbetsområdesplanerare
Bygg nu ett mini-arbetsområde på sex lektioner som mappar tydligt mot centralt innehåll för det stadium du undervisar i och motiveras genom syfte. Det är här kontrollen ”inte kumulativt” betyder mest.
Exempel: Bråk och decimaltal (Åk 4), 6 lektioner. Ge AI de relevanta punkterna ur centralt innehåll för aktuellt stadium och be den föreslå en sekvens där varje lektion har en tydlig lärandeintention, en kort repetitionsstart, lärarledd genomgång/övning, självständig övning och en exit check. Be den sedan ta fram en mappningstabell: varje lektion → vilka punkter i centralt innehåll den behandlar → vilken del av syfte den stödjer.
Din inbyggda säkerhet är en andra prompt: ”Identifiera eventuella lektionsmål som hör till ett tidigare stadies centrala innehåll och markera dem som diagnostik eller stöd, inte som obligatorisk täckning.” Det förhindrar det klassiska överfyllda arbetsområdet där du återundervisar allt ”för säkerhets skull”, vilket lämnar för lite tid för fördjupning.
Om du också försöker göra din planering granskningsredo över ämnen kan det ämnesövergripande tänkandet i den här guiden till LGR22 avsnitt 2 hjälpa dig att koppla rutiner som språkutveckling och digital kompetens utan att tvinga fram konstlade länkar.
Arbetsflödessteg 3: Lektionsplanerare
Välj lektion 1 och planera den tajt. En bra AI-stödd lektionsplan är inte längre; den är tydligare i struktur, frågor och anpassningar.
Exempel: Introduktion till bråk (Åk 4, 50 minuter). Be AI om en plan med tidsangivelser, lärarprat-cues och tre nivåer av frågor: återkallning, resonemang och fördjupning/utmaning. Be sedan om anpassningar för elever som har svårt med språk, arbetsminne eller taluppfattning — utan att ändra lärandemålet. I praktiken kan det betyda att använda visuella bråkmodeller, meningsstarter (”Jag ser att… därför att…”) och genomarbetade exempel med gradvis minskat stöd.
Det mest värdefulla tillägget är en kort sektion ”det här kommer jag att lyssna efter”. För bråk kan du lyssna efter om elever kan beskriva ett bråk som ”lika stora delar av en helhet” och om de blandar ihop täljare och nämnare. Du kan sedan anpassa din exit ticket till just de idéerna, vilket gör din senare bedömning mycket snabbare.
Arbetsflödessteg 4: Facit och kalibrering
Innan eleverna ens gör uppgiften bygger du facit och bedömningsstöd. Det är här AI kan minska arbetsbördan utan att sänka kraven.
Börja med att be AI generera ett modellsvar och en lista över vanliga felaktiga svar för varje fråga. Be den sedan utarbeta ett E/C/A-anpassat bedömningsstöd som beskriver kvalitet i observerbara termer: korrekthet, metodens tydlighet, användning av matematiskt språk och resonemang. Lägg till sist till modereringsanteckningar: ”Om en elev gör X, kontrollera Y innan du bestämmer betyget”, vilket hjälper dig att vara konsekvent när du rättar sent på kvällen.
Om du är osäker på var integritetsgränsen går är det värt att stämma av med skolans förväntningar och fräscha upp dina egna gränser. Den här checklistan för uppdatering av policy för acceptabel användning är en praktisk referens för att hålla AI-stöd transparent och försvarbart.
Exempel på matris för årskurs 6
En matris för årskurs 6 blir hanterbar när du omvandlar betygskriterier till ”sådant du faktiskt kan se” i elevens arbete. Välj en bedömningsuppgift, till exempel en kort problemlösningsserie med en förklaringsfråga. Be sedan AI skriva om E/C/A-beskrivningarna till beläggpåståenden som passar uppgiften.
Till exempel, för en förklaringsdel kan du definiera:
På E visar eleven en fungerande metod och en kort förklaring som är mestadels korrekt, även om ordförrådet är begränsat. Du kan se huvudidén och följa stegen.
På C är elevens metod korrekt och förklaringen tydligare, med lämpliga begrepp och logiska kopplingar mellan stegen. Fel är sällsynta och eleven kan motivera val.
På A är elevens lösning inte bara korrekt utan också välgrundad och effektiv, med en precis förklaring som förebygger missförstånd (till exempel genom att ange varför ett annat angreppssätt skulle misslyckas). Eleven generaliserar eller kopplar ihop idéer på ett relevant sätt.
Kalibreringsverktyget är en enkel prompt du kör efter att du har skissat matrisen: ”Vad skulle ändra betyget från E till C, och från C till A, för just den här uppgiften?” Det tvingar matrisen att vara särskiljande snarare än aspirerande. Det ger dig också språk för återkopplingssamtal: ”Just nu ligger du på E eftersom din metod fungerar, men ditt resonemang är för kort. För att nå C behöver jag att du förklarar varför du valde det steget.”
Upptäck kraften i Automatiserad Utbildning genom att gå med i vårt community av lärare som tar tillbaka sin tid samtidigt som de berikar sina klassrum. Med vår intuitiva plattform kan du automatisera administrativa uppgifter, personifiera elevinlärning, och engagera dig med din klass som aldrig förr.
Låt inte administrativa uppgifter överskugga din passion för att undervisa. Registrera dig idag och förvandla din utbildningsmiljö med Automatiserad Utbildning.
🎓 Registrera dig GRATIS!
Checklista för kvalitetssäkring
Innan du undervisar, gör en kort kvalitetskontroll som håller dig trogen LGR22 och rättvis mot eleverna. Kontrollera kursplanstrohet genom att bekräfta att varje lektionsmål länkar till syfte och stadiespecifikt centralt innehåll. Kontrollera stadieanpassning genom att märka eventuellt innehåll från tidigare stadier som diagnostiskt stöd snarare än obligatorisk täckning. Kontrollera språklig tydlighet genom att säkerställa att nyckelbegrepp definieras och att meningsstarter finns tillgängliga. Kontrollera tillgänglighet genom att bekräfta att anpassningar ändrar vägen, inte målet. Slutligen, kontrollera integritetsgränser genom att säkerställa att elever inte bedöms på AI-genererat arbete och att ditt material är transparent och förklarbart.
Om din skola utvecklar sitt arbetssätt för regelefterlevnad, särskilt kring data och upphandling, ger den här genomgången av EU AI Act för svenska skolor en rimlig startpunkt för både ledare och klassrumslärare.
Prompter att kopiera och anpassa
För att hålla indata minimal, använd ett ”minimidata”-upplägg: klistra in bara relevanta utdrag ur kursplanen och din lokala kontext (stadium, tid, klassens behov). Du kan använda prompter som: ”Gör om det här syfte-utdraget till tre mål för arbetsområdet som elever kan förstå”, eller ”Mappa de här punkterna i centralt innehåll till sex lektioner och flagga allt som ser ut som innehåll från ett tidigare stadium.” För bedömning: ”Utarbeta ett E/C/A-bedömningsstöd för den här uppgiften och lista sedan gränsfall och vilket belägg som skulle avgöra.”
För dina första två veckor hjälper en onboarding-checklista på en sida dig att hålla dig lugn: bekräfta ditt stadies centrala innehåll, välj ett bedömningsbart fokusområde, bygg ett arbetsområde på sex lektioner, förbered ett kalibrerat bedömningsstöd och boka in ett kort modereringssamtal med en kollega med två anonymiserade elevexempel. Om du vill ha ett färdigt upplägg för kollegiet för att införa de här rutinerna på ett säkert sätt kan den här planen för INSET-mikrorutiner hjälpa dig att få med andra utan att göra det till ett teknikprojekt.
Må din första LGR22-termin kännas tydligare för varje lektion.
The Automated Education Team