Översikt
AI-utforskningsveckan är en fokuserad projektsprint med fem lektioner (eller fem dagar) där elever undersöker en verklig fråga, testar idéer och bygger något som går att dela. Nyckeln är kulturell: AI behandlas som ett verktyg för research, kontroll, brainstorming och prototypande — inte som en genväg för att skriva färdiga stycken. Elever förväntas visa sitt arbete: vad de frågade, vad de kontrollerade, vad de förkastade och vad de kan motivera med källor.
Det är heller inte en ‘fri lek’. Upplägget nedan är medvetet avgränsat: tajta projektbriefar, regler för minsta möjliga data, korta mini-lektioner som lär ut riskerna och ett bedömningsunderlag som sätter evidens först. Om du vill ha en bredare grund i ansvarsfull användning, kombinera denna vecka med ert bredare arbete med digitalt medborgarskap, till exempel digitalt medborgarskap och AI, så att förväntningarna är konsekventa mellan ämnen.
Förberedelser före veckan
Innan eleverna börjar, gör ramarna synliga och praktiska. Dela en enkel policy-slide: vilka AI-verktyg som är tillåtna, vad som inte är tillåtet (till exempel att generera en hel inlämning) och vad som måste dokumenteras i evidenspaketet. Om din skola redan har riktlinjer, översätt dem till elevnära språk och lägg till två konkreta exempel: en ‘bra’ användning (generera frågor att undersöka) och en ‘inte tillåten’ användning (klistra in en uppsats).
Ordna tillgången tidigt. Om ni har 1:1-enheter, planera ändå för pararbete, eftersom det minskar friktion och förbättrar samtalet. Om enheter är begränsade, sätt upp roterande ‘AI-stationer’ där en enhet stödjer en bordsgrupp medan andra använder tryckta källor och anteckningar. Tänk på konton: om elever behöver inloggningar, skapa dem centralt eller använd en helklassmetod som undviker personuppgifter. Håll er till regler för minsta möjliga data: inga fullständiga namn, inga personliga berättelser, inga foton på elever, ingen identifierbar information om andra och ingen uppladdning av elevarbete om det inte är godkänt.
Skicka en kort notis till vårdnadshavare som förklarar syftet, skyddsåtgärderna och hur du kommer att bedöma lärandet. Betona att eleverna kommer att lära sig att verifiera svar och ange källor, och att slutbetyget kommer från evidens på tänkande. Om du behöver formuleringar för delen om integritet, passar den evidensförsta ansatsen i från autocomplete till medförfattande väl ihop med denna vecka.
Veckoschema i korthet
Den här strukturen utgår från en lektion på 50–60 minuter varje dag. Rytmen är densamma: undersökningsfråga, mini-lektion (10–15 minuter), studiotid och sedan en avstämning som producerar evidens.
Dag 1: Definiera och planera. Undersökningsfråga: Vilket problem, påstående eller fenomen ska vi undersöka, och varför spelar det roll? Mini-lektion: hur AI fungerar (ungefär) och varför det kan vara användbart i tidig research. Studio: välj en projektbrief, skriv en avgränsningsformulering och bygg en ‘frågetrappa’ (brett till smalt). Avstämning: teamplan + initial källista (minst två icke-AI-källor).
Dag 2: Samla och verifiera. Undersökningsfråga: Vad säger tillförlitliga källor, och var är de oense? Mini-lektion: hallucinationer och verifieringsrutiner. Studio: samla evidens, plocka ut nyckelfakta och gör ‘påståendekontroller’ (AI-förslag måste verifieras). Avstämning: kommenterade anteckningar med ett tydligt källspår.
Dag 3: Bias och rättvisa. Undersökningsfråga: Vem gynnas, vem skadas och vad kan saknas? Mini-lektion: bias, rättvisa och representation, kopplat till verkliga exempel. Studio: testa svar med varierade prompts, jämför perspektiv och dokumentera begränsningar. Avstämning: en biaslogg (vad som ändrades, vad som var oförändrat, vad ni gjorde åt det). För snabba dilemman som kan starta diskussion, använd fasindelade AI-etiska dilemman.
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!
Dag 4: Bygg och kommunicera. Undersökningsfråga: Hur kan vi kommunicera våra resultat ärligt och tydligt? Mini-lektion: källhänvisningar och källspår (och vad man gör när AI inte kan ange källor). Studio: skapa produkten (förklaring, granskning, prototyp, undersökning) med bildtexter som skiljer mellan ‘källbaserade fakta’ och ‘vår tolkning’. Avstämning: utkast till produkt + sida med källhänvisningar.
Dag 5: Visa upp och reflektera. Undersökningsfråga: Vad har vi lärt oss om ämnet och om att använda AI ansvarsfullt? Mini-lektion: prompthygien och integritet (vad som ska dokumenteras; vad man inte ska göra). Studio: repetera, färdigställ evidenspaket och förbered frågor och svar. Avstämning: presentation + personlig reflektion.
Bank med undersökningsfrågor
För att hålla veckan ämnesoberoende, erbjud prompts som fungerar över hela läroplanen och låter elever välja en kontext de bryr sig om. Användbara startfrågor är: Vilket påstående upprepar folk som kan vara fel? Hur ser ‘bra evidens’ ut här? Vad skulle få någon att ändra sig? Vilka avvägningar finns? Vad behöver en rättvis lösning ta hänsyn till?
För KS3, håll frågorna konkreta och lokala: Hur påverkar ett val i skolmatsalen hälsa och svinn? Vad gör en nyhetsrubrik missvisande? Hur formar rekommendationer vad vi tittar på och köper? För KS4, bjud in komplexitet: Hur bör ett samhälle balansera säkerhet, integritet och bekvämlighet? Vad säger evidensen om en insats effekt, och hur stark är den? När blir ett ‘hjälpsamt’ system diskriminerande?
Mini-lektioner (10–15 min)
Håll dem snabba, praktiska och återanvändbara. I ‘hur AI fungerar’ förklarar du att modeller förutsäger sannolik text baserat på mönster, inte förståelse. En enkel klassrumsanalog hjälper: det är som en autocomplete-motor tränad på enorma textmängder, som kan låta självsäker utan att ha rätt. Visa sedan varför det spelar roll för research: den kan generera spår, frågor och sammanfattningar, men den kan inte ersätta kontroll.
För bias och rättvisa, använd ett kort scenario: två elever ber om ‘en typisk forskare’ och får olika beskrivningar beroende på formulering. Diskutera hur träningsdata, stereotyper och prompt-inramning formar svar, och sätt sedan en regel: elever måste testa minst två alternativa prompts och dokumentera skillnader.
För hallucinationer, demonstrera med ett säkert, läroplansneutralt exempel: be om en källhänvisning till en påhittad statistik. När verktyget hittar på en källa lär sig eleverna kärnvanan: ‘Om jag inte kan hitta det utanför AI kan jag inte använda det som ett faktum.’
För källhänvisningar och källspår, lär ut en enkel rutin i tre steg: hitta ett påstående, spåra det till en primärkälla eller en trovärdig sekundärkälla och hänvisa till den källan i stället för AI. Om elever använder AI för att hitta källor, hänvisar de ändå till webbplatsen, boken, rapporten eller datasetet de faktiskt läste. Evidenspaketet bör visa skärmbilder eller kopierade länkar som bevisar spåret.
För prompthygien, betona gränser: inga personuppgifter, ingen privat skolinformation, ingen inklistring i bedömningsuppgifter och inga prompts som ber om skadliga instruktioner. Modellera en ‘ren prompt’ som innehåller syfte, målgrupp, begränsningar och en begäran om osäkerhet (till exempel ‘Lista vad du är osäker på’).
Projektbriefar (välj-en-meny)
En meny håller valfriheten hög men resultaten jämförbara. En researchförklaring ber eleverna besvara en undersökningsfråga med en ensidig brief eller ett treminuters anförande, stödd av ett källspår och en sektion ‘vad vi kontrollerade’. En mytkrossande granskning börjar med ett populärt påstående från sociala medier eller skolgårdssnack; elever testar det, klassificerar det (sant/falskt/missvisande/osäkert) och förklarar varför.
En fallstudie om lokal påverkan undersöker hur en AI-relaterad fråga tar sig uttryck i närmiljön: transport, handel, hälsokommunikation, skolliv eller samhällsservice. Elever bör inkludera minst ett intressentperspektiv och en möjlig oavsiktlig konsekvens. En prototyp-/tjänstedesign ber eleverna designa en enkel tjänst som använder AI ansvarsfullt, till exempel en läxplanerare som skyddar integritet eller en biblioteksök-hjälpare med bias-kontroller. Nyckeln är inte att bygga mjukvara; det är att designa regler, användarresor och skyddsåtgärder.
En medie- och informationskunnighetsundersökning låter elever jämföra hur olika medier rapporterar samma fråga, och sedan använda AI för att generera frågor, identifiera saknad kontext och föreslå vilken evidens som skulle stärka berättelsen. Om du vill ha en parallell projektstruktur som fungerar bättre med få enheter, kan presentationsupplägget i Påskens AI-lärprojektmeny anpassas smidigt.
Differentiering
För KS3, ge snävare avgränsningar, meningsstarter och ett kortare evidenspaket. För KS4, kräv starkare källor, ett stycke om begränsningar och en explicit värdering av tillförlitlighet. SEND-stöd fungerar bäst när de minskar exekutiv belastning: ett förformaterat evidenspaket, en frågebank med ‘välj från’ och tidsatta avstämningar. EAL-stöd kan inkludera nyckelord på två språk, modellsvar som visar struktur och tillåtelse att spela in muntliga förklaringar med korta skrivna bildtexter.
Alternativ med få enheter är fullt genomförbara om du behandlar AI som en station snarare än en ständig följeslagare. En grupp kan använda AI för att generera frågor och motargument medan andra läser tryckta källor, plockar ut citat och bygger storyboarden. Fördjupningsuppgifter ska fördjupa tänkandet, inte bara öka mängden: kräv att elever jämför två AI-verktyg, testar prompt-varianter systematiskt eller skapar en liten ‘osäkerhetskarta’ som visar vad som är känt, omtvistat och okänt.
Bedömning
Bedöm evidenspaketet, inte finishen. Kräv: den ursprungliga undersökningsfrågan och avgränsningsformuleringen; en promptlogg (utvalda prompts och svar, med anteckningar om vad som användes eller förkastades); en kommenterad källista med minst tre icke-AI-källor; en verifieringssida som visar två kontrollerade påståenden; en biaslogg; och en kort reflektion om vad AI hjälpte med och vad det försvårade.
En enkel matris kan vikta: kvalitet i undersökningen (tydlig fråga och avgränsning), evidens och verifiering (tillförlitliga källor, kontroller, ärlig osäkerhet), resonemang (gör motiverade påståenden), kommunikation (tydlig och anpassad till målgruppen) och integritet (fullständiga loggar, lämplig användning). Integritetskontroller kan vara lättviktiga: be elever peka ut var ett nyckelfaktum kom ifrån, förklara varför de litar på det och visa anteckningen där de verifierade det.
För snabba avstämningssamtal, använd ett konsekvent manus: ‘Visa mig din fråga och vad du har valt bort. Välj ett påstående du använder och led mig till originalkällan. Vad fick AI fel eller förenklade för mycket? Vad har du gjort för att kontrollera bias eller saknade perspektiv? Vad ska du göra nästa lektion?’
Presentation
Håll presentationen enkel så att den fungerar med blandad tillgång. En ‘gallery walk’ med A3-affischer och QR-koder till evidenspaket är pålitligt. Alternativt kan du köra en treminuters presentationskarusell: en talare, en evidensnavigatör, en som leder frågor och svar. Publikfrågor bör belöna tänkande, inte teater: ‘Vilken källa fick dig att ändra dig?’, ‘Vad valde du att inte ta med, och varför?’, ‘Vad skulle du behöva veta för att vara mer säker?’, och ‘Vem skulle kunna vara oense med dig?’
Fira utan ‘AI-wow-faktorn’ genom att berömma verifiering, noggrann källhantering och ärliga begränsningar. Ett litet pris-set kan förstärka värderingar: ‘Bästa källspår’, ‘Bästa bias-kontroll’, ‘Mest förbättrade fråga’ och ‘Starkaste osäkerhetsformulering’.
Efteranalys
Avsluta med en kort elevreflektion: vad de lärde sig om ämnet, en vana de kommer att behålla när de använder AI och en risk de kommer att vara uppmärksamma på. Samla även personalens anteckningar: var elever fastnade (oftast avgränsning, källor eller att övertro självsäkra svar), vilken mini-lektion som gick hem och vilken brief som gav bäst evidens. Bestäm vad ni ska skala upp nästa halvtermin: kanske en gemensam evidenspaketmall mellan ämnen, en gemensam rutin för källhänvisningar eller en roterande ‘verifieringsstation’ som blir normal klassrumspraktik.
Må din nästa halvtermin börja med skarpare frågor och starkare evidens.
The Automated Education Team