Vad den måste göra
2025–26 behöver en policy för acceptabel AI-användning (AUP) göra färre saker, bättre. Den måste sätta tydliga gränser för lärande och bedömning, etablera säkra standarder för dataskydd och ge personalen formuleringar de kan använda i riktiga klassrum. Den bör också definiera hur ”integritet” ser ut när AI finns tillgängligt överallt, även hemma. Om din nuvarande AUP läser som en lista över förbjudna verktyg och vaga varningar gör den sannolikt för mycket av fel sorts arbete.
Det den måste sluta försöka göra är att ”framtidssäkra” varje AI-utveckling. Du kan inte hålla en policy korrekt genom att namnge varje modell, funktion eller app. Definiera i stället användningskategorier (planering, återkoppling, utkast, revidering, översättning, tillgänglighet), specificera vilka underlag elever måste spara och sätt en enkel godkännanderutin för verktyg. Om du vill ha ett snabbt sätt att förankra detta i praktiska gränser är upplägget i AI-trafikljus för provperioden en användbar referenspunkt för policyspråk som lärare faktiskt kan tillämpa.
En hjälpsam omformulering är att byta namn på dokumentet till en ”AI-användnings- och integritetsöverenskommelse”. ”Överenskommelse” signalerar delat ansvar, årlig förnyelse och fokus på beteenden snarare än varumärken.
Checklista för årlig uppdatering
Se juli/augusti som ert årliga uppdateringsfönster. Målet är inte en omskrivning; det är en strukturerad genomgång som uppdaterar det som spelar roll och låter resten vara stabilt. Här är 12 saker som är värda att kontrollera varje år.
För det första: bekräfta er syftesformulering – vad AI är till för i er skola och vad den inte är till för. För det andra: uppdatera era definitioner så att personal och elever delar samma betydelse av ”generera”, ”redigera”, ”sammanfatta”, ”översätta” och ”coacha”. För det tredje: uppdatera era trafikljusgränser för klassrumsuppgifter och bedömningar, inklusive läxor och distansstudier. För det fjärde: se över era förväntningar på ”processbevis” – vad elever måste behålla för att visa självständigt tänkande över tid.
För det femte: gå igenom avsnittet om otillåtet agerande så att det stämmer med era ordnings- och bedömningspolicyer, och så att personalen vet skillnaden mellan felanvändning, missförstånd och avsiktligt vilseledande. För det sjätte: uppdatera er lista över godkända verktyg och era kriterier för nya verktyg, inklusive vad som händer när ett verktyg ändrar sina villkor. För det sjunde: kontrollera era regler för minsta möjliga data och era standardinställningar för konton, prompts och delning. För det åttonde: se över lagring/retention – vad som sparas, var, hur länge och vem som kan komma åt det.
För det nionde: uppdatera förväntningar på personalutbildning, inklusive introduktionsmaterial för nya kollegor. För det tionde: uppdatera elevutbildning, inklusive en kort rutin ”så här använder vi AI här” som mentorer kan genomföra. För det elfte: uppdatera kommunikationen till vårdnadshavare, med fokus på vad som har ändrats i år och vad ni vill att familjer ska göra hemma. För det tolfte: gör en snabb styrningskontroll – vem som godkänner, när och vilka underlag ni sparar.
Om du vill ha ett prydligt sätt att samla resultat från den här uppdateringen kan du modellera det på ett bevispaket vid läsårets slut, som den här AI-revisionshandlingsplanen, även om du kör den i en mer lättviktig version.
Anpassning till bedömningsintegritet
En policy blir verklig när den matchar bedömningspraktiken. Börja med trafikljus, men gör dem specifika. ”Grönt” kan omfatta stavningsstöd, översättning för tillgänglighet eller att generera quizfrågor från lektionsanteckningar. ”Gult” kan omfatta att planera en uppsatstruktur med prompts eller att använda AI-återkoppling på ett första utkast om eleverna sparar originalet och kommenterar ändringar. ”Rött” bör omfatta att generera slutliga svar för bedömt arbete, att imitera en elevs röst eller att använda AI under stängda förhållanden.
Trafikljus fungerar bäst när de paras ihop med ”processbevis”. I en skrivuppgift kan det betyda att elever lämnar in en planeringssida, en disposition på styckenivå och en kort reflektion: vad de accepterade, avvisade och varför. I matematik eller naturvetenskap kan det betyda en fotograferad uträkningstråd plus en kort muntlig avstämning. I språk kan det betyda en inspelad övning inför muntlig framställning och en vokabulärlogg. Det här handlar inte om att sätta dit elever; det handlar om att designa uppgifter där lärande lämnar spår.
För hantering av otillåtet agerande: skriv ett enkelt flöde som lärare kan följa utan att behöva en specialist. Förtydliga vad som räknas som en oro, vilka underlag som är lämpliga (och vilka som inte är det) och hur ni skyddar elever från falska positiva. AI-detekteringsverktyg ska inte vara er primära bevisning. Policyn bör säga det rakt ut. För djupare praktiska exempel på gränssättning och repliker personal kan använda kan de här metoderna för integritetskontroller anpassas även utanför provperioden.
Standarder för dataskydd
Den största AI-risken i skolor är inte ”robotar som ersätter lärare”. Det är oavsiktlig överdelning, inkonsekvent verktygsanvändning och otydlig lagring. Er överenskommelse bör innehålla regler för minsta möjliga data som som standard ger säkerhet: inga personuppgifter om elever, ingen information om skydd/trygghet, inga medicinska uppgifter och inga identifierbara fallanteckningar i offentliga verktyg. Där konton krävs, föredra institutionshanterade konton med tydliga admin-kontroller och åldersanpassade inställningar.
Godkännande av verktyg ska vara en process, inte ett kalkylark som ingen uppdaterar. Definiera vem som kan godkänna ett verktyg, vilka kontroller som krävs (datahantering, ålderslämplighet, innehållskontroller, export och radering) och vad personal ska göra när ett populärt verktyg dyker upp mitt i terminen. Om ni överväger egenhosting eller öppna modeller för stramare kontroll hjälper det att förstå avvägningarna som beskrivs i det här beslutsunderlaget om egenhosting och dataskydd.
Lagring/retention är där många policyer förblir vaga. Var tydlig: om personal klistrar in text i ett AI-verktyg, utgå från att den kan lagras om inte er överenskommelse säger något annat. Sätt en standard för retention (till exempel ”spara inte prompts eller output som innehåller elevarbete”) och ge personalen säkra promptmallar som undviker personuppgifter. En praktisk formulering att ta med är: ”Om du inte skulle skriva det i ett mejl till en främling, skriv det inte i en AI-prompt.”
Godkännande från intressenter
En ”AI-användnings- och integritetsöverenskommelse” bör ha synligt ägarskap. Dela upp godkännandet i rimliga nivåer så att ni inte skapar en flaskhals där allt hänger på en person. Skolledningen bör godkänna den övergripande inriktningen, resursfördelning och förväntningar på utbildning. Styrelsen (eller motsvarande tillsynsorgan) bör godkänna risknivå, uppföljningssätt och den årliga granskningscykeln. DSL bör godkänna delar som rör skydd/trygghet, inklusive hur personalen agerar vid skadligt innehåll och vid uppgifter som framkommer. Er DPO/IT-ansvariga bör godkänna standarder för dataskydd, kriterier för verktygsgodkännande och regler för retention.
Ämnesansvariga (eller stadieledare) bör godkänna anpassningen till bedömning inom sina ämnen, eftersom gränser ser olika ut i bild, programmering, språk och naturvetenskap. En kort ämnesbilaga kan fungera väl: en sida med ”gröna/gula/röda exempel” plus vilket processbevis elever måste spara. Det gör det också lättare att informera ny personal och att förklara beslut när elever rör sig mellan ämnen.
Kommunikation till elever och vårdnadshavare
Överenskommelsen kommer att misslyckas om familjer bara hör om den efter ett problem. Ta fram en sammanfattning på en sida skriven för elever och vårdnadshavare: vad AI är, vad den får användas till, vad den inte får användas till och vad elever måste visa som underlag. Håll tonen lugn och praktisk. Ta med två eller tre exempel, som ”att använda AI för att skapa övningsfrågor är tillåtet; att använda AI för att skriva ditt slutliga läxsvar är inte tillåtet”.
Publicera också FAQs som tar upp de förutsägbara frågorna: ”Hur kommer ni att veta?”, ”Hur blir det med tillgänglighet?”, ”Vad händer om engelska är ett andraspråk?”, och ”Vad händer om mitt barn använder AI hemma?”. Lägg varje år till en kort ruta ”vad som har ändrats i år”. Även små ändringar spelar roll, eftersom de signalerar att överenskommelsen lever och att skolan är uppmärksam.
Om du vill bygga in elevperspektiv i detta hjälper en enkel lyssningscykel dig att hitta var regler är otydliga eller orealistiska. Strukturen i den här lyssningscykeln om AI med elever kan genomföras snabbt tidigt på terminen och användas som underlag för nästa årliga uppdatering.
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!
Uppföljning som är realistisk
Uppföljning bör vara lättviktig, rutinmässig och inriktad på förbättring. Börja med loggning på systemnivå: vilka verktyg som är godkända, vem som äger dem och vilken utbildning som har genomförts. Lägg sedan till stickprovskontroller som känns som vanliga lärandekontroller snarare än utredningar. Till exempel kan en lärare i ett uppsatsmoment be om en femminuters ”berätta hur du tänkte med din plan”-avstämning med några elever varje lektion. I ett projekt kan elever föra en kort processjournal med daterade kontrollpunkter.
Klassrumsrutiner gör mer än någon teknisk kontroll. En enkel norm som ”AI används efter att du har försökt med första steget” minskar överberoende. En annan är ”visa din lösning, inte bara ditt svar”, vilket ligger i linje med processbevis. Om du stöttar lärare tidigt i karriären att bygga in dessa vanor kan du låna från mikrorutintänkandet i den här AI-handboken för första terminen.
Avslutningsvis: kör en kort loop för incidentgenomgång. När något går fel, fånga vad som hände, vilken gräns som var otydlig och vad ni kommer att ändra: utbildning, uppgiftsdesign eller formulering. Håll det så icke-bestraffande som möjligt. Målet är att minska återkommande incidenter, inte att skapa rädsla.
Implementering i september
Implementering behöver en rytm vid läsårsstart. Börja med en personalgenomgång som gör tre saker: återintroducerar överenskommelsen, modellerar två eller tre säkra prompts för planering och återkoppling och repeterar bedömningsgränserna med ämnesspecifika exempel. Gå sedan snabbt vidare till utrullning på mentorstid, med er elevsammanfattning på en sida och en kort scenariodiskussion: ”Är detta grönt, gult eller rött, och vilket underlag skulle du spara?”
En 30-dagars avstämning är skillnaden mellan en policy och en praktik. I vecka fyra: fråga ämneslagen vad som fungerar, vad elever är förvirrade kring och vilka uppgifter som skapar integritetsoro. Uppdatera era FAQs och era exempel, inte hela överenskommelsen. Om nya AI-förmågor har landat under sommaren kan ett protokoll för snabb utvärdering som det som beskrivs i den här skolbriefingen för releasedagen hjälpa er att agera utan att hasta fram policyändringar.
En årlig uppdatering är inte byråkrati; det är så ni håller gränser trovärdiga, data säkra och förväntningar rättvisa. När er ”AI-användnings- och integritetsöverenskommelse” granskas, signeras, lärs ut och följs upp blir den en del av kulturen snarare än ett dokument i en mapp.
Må er septemberutrullning vara lugn, tydlig och konsekvent tillämpad.
The Automated Education Team