Digital kompetens i LGR22
LGR22 ramar in digital kompetens som mer än att ”använda enheter”. Elever förväntas använda digitala verktyg för att undersöka, skapa, kommunicera och lösa problem, samtidigt som de förstår hur digitala system påverkar det de ser och tror. Det inkluderar källkritik, säkert och ansvarsfullt beteende samt en medvetenhet om hur information kan formas av teknik. AI passar naturligt in i detta eftersom det nu är ett av de vanligaste ”digitala systemen” elever möter: sökresultat rangordnas, flöden personaliseras och text, bilder och ljud kan genereras snabbt.
Nyckeln är att behandla AI som ett verktyg och ett fenomen, inte som ett separat ämne. Du kan undervisa det ämnesinnehåll du redan undervisar samtidigt som du samlar små evidensbitar som visar att elever kan använda verktyg effektivt, förklara begränsningar och verifiera resultat. Om du vill ha en bredare ämnesövergripande tråd för inspektionsredo dokumentation ligger upplägget här nära en röd tråd-modell för LGR22: korta rutiner, upprepade ofta, med tydlig evidens.
En enkel progressionsmodell
En fungerande progression från mellanstadiet till Åk 8 är att gå från ”använda verktyg med stöd” till ”använda verktyg med omdöme”. I mellanstadiet kan elever öva strukturerade prompts, grundläggande kalkylark och enkla programmeringsbegrepp, samtidigt som de lär sig att AI kan ha fel och måste kontrolleras. I Åk 7–8 bör de kunna förklara avvägningar (bias, saknad kontext, dataskydd), jämföra källor och dokumentera ett transparent arbetsflöde som visar vad de gjorde och varför.
Ämnesövergripande kan ni sikta på tre återkommande kompetenser. För det första verktygsflyt: att använda kalkylark, redigerare och enkla kodmiljöer för att skapa något specifikt. För det andra kritisk förståelse: att förklara hur algoritmer och AI kan påverka information. För det tredje ansvarsfull praktik: vanor för minsta möjliga data, källangivelse och verifiering. Mikroartefakterna nedan är utformade för att kunna läggas in i vanliga lektioner så att progressionen blir synlig utan att skapa en ”AI-vecka”.
Mikroartefakt 1: Kalkylarksrutin
I Matematik eller Teknik ger en kalkylarksuppgift tydlig evidens på användning av digitala verktyg och matematiskt resonemang. Twisten är en ”Excel Guru”-rutin: elever använder AI som coach, men de måste fortfarande bygga och kontrollera kalkylarket själva.
Skapa en liten datamängd som passar ert aktuella område: puls efter träning, dagstemperaturer eller mätningar från ett enkelt bygge i Teknik. Elever matar in data, beräknar medelvärde och beräknar sedan standardavvikelse (eller ett enklare spridningsmått i mellanstadiet, med uppbyggnad mot standardavvikelse till Åk 8). AI-rollen är strikt avgränsad: den får föreslå formler och förklara vad de betyder, men eleverna måste klistra in den slutliga formeln i arket, kommentera den med vardagligt språk och verifiera den med en manuell kontroll på en liten delmängd.
Evidensen du samlar är enkel: en skärmbild av arket som visar formlerna, plus en kort reflektion som svarar på: ”Vad hjälpte AI till med, och hur kontrollerade du det?” Detta kopplar snyggt till centralt innehåll om att använda digitala verktyg för beräkningar och presentera resultat, samtidigt som det bygger vanan att AI-utdata är en startpunkt, inte ett slutgiltigt svar.
Mikroartefakt 2: Kunskapskoll i programmering
I Teknik/Matematik kan du bedöma algoritmiskt tänkande utan att lägga till ett helt programmeringsprojekt genom att använda en kort ”kunskapskoll”-quiz som eleverna delvis genererar. I Åk 6 kan elever använda AI för att skapa ett flervalsquiz med tio frågor om nyckelbegrepp ni har arbetat med: sekvenser, loopar, villkor, variabler, felsökning och vad en algoritm är. Begränsningen är att eleven måste ange begreppslistan och svårighetsgrad, och sedan måste rätta eventuella fel i AI:ns frågor.
Genomför det som en paruppgift. En elev genererar och redigerar quizet; den andra eleven gör det och markerar otydliga frågor. Sedan byter de roller. Bedömningsunderlaget är det färdiga quizet plus en kort ”debugglogg” där eleverna noterar minst två förbättringar de gjorde (till exempel att rätta ett missvisande svarsalternativ eller lägga till en kodsnutt). Detta visar progression i centralt innehåll från att känna igen och beskriva algoritmer i mellanstadiet till att förklara och förfina dem till Åk 8. Om ni bygger personalrutiner speglar mikro-rutinupplägget den typ av implementering som beskrivs i en plan för en AI-workshop på en studiedag, men här ligger det inom era vanliga Tekniklektioner.
Mikroartefakt 3: Begreppskarta för källkritik
I Samhällskunskap kan en begreppskarta göra ”hur desinformation fungerar” synligt och bedömningsbart. Elever skapar en begreppskarta som kopplar ihop: misinformation, disinformation, algoritmer, engagemang, filterbubblor, deepfakes och verifieringsstrategier. AI kan hjälpa till att föreslå möjliga kopplingar, men eleverna måste motivera varje koppling med ett exempel och en källa.
För att koppla direkt till centralt innehåll, håll språket förankrat i det elever redan möter: hur information sprids, hur åsikter kan påverkas och hur digitala plattformar formar det offentliga samtalet. För mellanstadiet kan begreppskartan fokusera på ”vad som gör något trovärdigt” och ”varför människor delar”. Till Åk 8 lägger ni till djupare kopplingar: rekommendationssystem, syntetiska medier och hur incitament kan snedvrida innehåll. Evidensen är begreppskartan plus en kort muntlig eller skriftlig förklaring där eleverna använder minst fem nyckelbegrepp korrekt. Om du vill ha färdiga diskussionsstrukturer för den etiska sidan kan ett AI-etik-kit för klassrummet ge casefrågor som passar fint in i den här kartan.
Mikroartefakt 4: Fejknyheter på 60 minuter
En enda 60-minuterslektion kan ge rik evidens om du planerar ”insamlingspunkterna” i förväg. Använd ett fejknyhetsfall (text plus bild) som är trovärdigt men inte politiskt känsligt. Elever arbetar i grupper med roller: verifierare, sammanfattare, källjägare och skeptiker. AI-verktyget är bara tillåtet för två syften: att generera verifieringsfrågor och att sammanfatta det gruppen redan har hittat. Det är inte tillåtet att ”avgöra om det är sant”.
Sätt E/C/A-mål som går att observera. På E-nivå identifierar elever minst tre varningssignaler och använder en verifieringsmetod (omvänd bildsökning, kontroll av ursprunglig publicist, jämförelse med två trovärdiga källor). På C-nivå förklarar elever hur plattformsalgoritmer och känslospråk kan öka spridningen, och de dokumenterar en upprepningsbar kontrollprocess. På A-nivå värderar elever osäkerhet, förklarar vilken evidens som skulle ändra deras bedömning och reflekterar över hur AI både kan hjälpa och skada verifiering.
Bygg in evidensinsamling i arbetsflödet: ett delat dokument med en checklista, två skärmbilder av använda källor och ett slutligt påstående med en konfidensnivå och motivering. Det här är tillfället att tydliggöra era plattformsförväntningar, och det passar bra ihop med en skolövergripande uppdatering som en årlig checklista för policy om acceptabel användning, eftersom eleverna övar policyn snarare än att bara höra den.
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!
Mikroartefakt 5: Skrivande med verktyg
I Svenska är den mest bedömningsbara förskjutningen från ”en färdig text” till ”en transparent process”. Elever kan absolut använda digitala verktyg, inklusive AI, för att planera och revidera, men de måste lämna spår som visar författarbeslut. Be om tre artefakter: en disposition, ett utkast med spårade ändringar (eller versionshistorik) och en kort transparensnot.
Transparensnoten är enkel: vilka verktyg som användes, vilka prompts (eller instruktioner) som gavs, vad som accepterades eller avvisades och vad som verifierades. Verifieringskontroller kan vara åldersanpassade: i mellanstadiet kan elever kontrollera namn, datum och om ett citat verkligen finns. Till Åk 8 lägger ni till register- och stilkontroller, faktakoll mot två källor och ett kort stycke som förklarar hur de undvek att kopiera. Detta stödjer centralt innehåll om att skapa texter med digitala verktyg och anpassa språket efter syfte och mottagare. Om du vill ha ett bredare angreppssätt för att synliggöra bevis på lärande när AI är inblandat erbjuder en playbook för proof-of-learning format som fungerar bra för skrivportföljer.
Bedömning och dokumentation
Ett ”evidenspaket för digital kompetens” fungerar bäst när det är lättviktigt. Du samlar inte allt elever gör; du samlar några få artefakter med hög signal som visar progression. För varje mikroartefakt sparar du slutprodukten och en kort reflektion. Lägg till en enkel lärarnotering (två eller tre meningar) om vad som observerades: självständighet, kontrollbeteende och användning av ämnesspråk. Över tid bygger du en ämnesövergripande dokumentation som är lätt att förklara för elever, kollegor och ledning.
Vad man inte ska spara spelar också roll. Undvik att lagra råa chattloggar som innehåller personuppgifter, och kräv inte att elever klistrar in hela konversationer. Spara utdata, prompts bara när det behövs för förståelsen, och reflektioner skrivna av eleven. Om du behöver ett praktiskt integritetsförst tänk för utrullning är en minimum viable AI toolkit en bra följeslagare.
Ansvarsfulla AI-rutiner
Ansvarsfull användning blir undervisningsbar när den blir rutin. Minsta möjliga data är baslinjen: inga personidentifierare, inga känsliga detaljer och ingen uppladdning av elevarbete om inte ert verktyg och er policy uttryckligen tillåter det. Källangivelse kommer sedan: elever markerar AI-stöd tydligt, på samma sätt som de hänvisar till en webbplats eller en bok. Slutligen håller ”teacher-in-the-loop”-kontroller pedagogiken sund: elever måste verifiera fakta, testa formler och motivera beslut, och du gör stickprovskontroller av ett litet antal steg i stället för att försöka övervaka allt.
När efterlevnadsfrågor uppstår hjälper det att skilja på klassrumspraktik (vad elever gör) och styrning (vilka verktyg som är godkända). Om er skola anpassar AI-användning till bredare regelverk kan en genomgång av EU AI Act för svenska skolor stödja samtal i ledningen utan att spåra ur undervisningen.
Vanliga fallgropar
Den första fallgropen är verktygsstyrd planering: lektioner där AI-funktionen är poängen, inte lärandet. Lösningen är att börja med centralt innehåll och bedömningsunderlag och sedan välja minsta möjliga AI-användning som stödjer det. Den andra fallgropen är att överdriva: elever presenterar AI-genererat arbete som sitt eget tänkande. Lösningen är processevidens, transparensnoter och snabba muntliga kontroller som fokuserar på resonemang. Den tredje fallgropen är svag källintegritet: elever litar på självsäkra utdata eller anger AI som källa. Lösningen är att lära ut ”AI är ingen källa”, kräva två oberoende källor för faktapåståenden och göra osäkerhet till ett acceptabelt utfall när evidensen är ofullständig.
Använt på rätt sätt håller dessa mikroartefakter AI inom digital kompetens, där det hör hemma, samtidigt som de stärker ämneslärandet över hela schemat.
För lugnare verifieringsstunder och mer tillförlitligt elevarbete,
The Automated Education Team