Oktoberlovet är ett av få tillfällen då du kan tänka klart utan vardagens ständiga tempo. Risken är att ”göra CPD” blir att läsa trådar, titta på webbinarier och spara prompts som du aldrig använder. Den här guiden är ett praktiskt alternativ med låg friktion: en kort sprint som slutar med ett micro-credential-evidenspaket som du kan visa din närmaste chef, spara till medarbetarsamtal eller använda för att stödja ett ämneslagsupplägg. Om du vill ha en bredare båge över en hel termin efter lovet kan du kombinera detta med vår påverkansplan från sommaren till september, men den här artikeln står för sig själv.
Vem det är för
Den här planen är för tre vanliga roller, med samma slutpunkt. Klassrumslärare kommer att lämna med två färdiga klassrumsrutiner och ett säkert arbetsflöde för planering och återkoppling. Arbetslagsledare/mellanledare kommer att lämna med en liten pilot som de kan skala upp, plus ett lättviktigt sätt att kontrollera kvalitet och konsekvens. Skolledare kommer att lämna med ett styrningsvänligt evidensspår: vad som testades, vilken data som användes (helst ingen), vad som förändrades och vad som behöver policystöd.
I slutet av någon av vägarna har du en prydlig portfolio med två till fyra artefakter (riktiga dokument du kan återanvända), två korta reflektioner och två effektanteckningar baserade på något du faktiskt gjorde. Målet är implementering utan extra arbetsbelastning: du producerar sådant du ändå hade behövt, bara mer medvetet och säkrare.
Sprintens regler
Sprinten fungerar eftersom den har tre regler: minimalt data, mänskligt godkännande och en verktygsstack.
Minimalt data betyder att du utgår från att du inte ska klistra in personuppgifter, elevarbeten, betyg/bedömningsresultat, uppgifter kopplade till trygghet och skydd, eller något identifierbart i ett AI-verktyg. Du designar arbetsflöden som fungerar med anonymiserade, syntetiska eller lärarskrivna underlag. Om du vill ha en djupare genomgång av integritet-som-standard-tänkandet är vår minsta möjliga AI-verktygslåda för skolstarten ett bra komplement.
Mänskligt godkännande betyder att du i förväg bestämmer var professionellt omdöme måste ligga. Till exempel: AI kan utforma en checklista för framgångskriterier, men du godkänner den. AI kan generera frågevarianter, men du kontrollerar missuppfattningar, bias och tillgänglighet. AI kan föreslå återkopplingsfraser, men du avgör vad som passar dina elever och din kontext. Det håller dig i kontroll och gör arbetet granskningsbart.
Disciplin med en verktygsstack betyder att du väljer ett primärt AI-verktyg (plus dina vanliga dokumentverktyg) och håller dig till det under sprinten. Verktygssprawl är det snabbaste sättet att slösa bort lovet. Om du utvärderar en ny modellrelease, behandla det som ett kontrollerat byte snarare än en extra plattform; vårt protokoll för snabb utvärdering visar hur du gör det utan att förlora veckan.
Ditt evidenspaket
Tänk på micro-credentialn som en liten mapp med en innehållsförteckning. Det ska vara lätt för någon annan att granska på tio minuter: vad du gjorde, vad du producerade, vad du lärde dig och vad som förändrades.
Dina obligatoriska artefakter kan vara modest, men de måste vara verkliga. Ett starkt paket innehåller ett ”promptblad för minimalt data” som du kan återanvända; en omarbetad lektionsresurs (till exempel ett modellsvar plus en kontroll av vanliga missuppfattningar); en resurs som stödjer bedömning (till exempel återkopplingsfraser eller ett förtydligande av en matris); och en kommunikationsartefakt (till exempel en förklaring till vårdnadshavare om hur AI används säkert, eller en slide för personalinformation).
Dina reflektionsfrågor ska vara korta och specifika, inte dagboksaktiga. Skriv 150–250 ord vardera om: vad du bad verktyget göra och varför; vad du ändrade efter att ha granskat resultatet; vilka risker du såg (integritet, bias, överberoende); och vad du gör annorlunda nästa gång. Om du stöttar kollegor tidigt i karriären kan du också hänvisa dem till ECT/NQT AI operating manual för extra stödstruktur.
Dina effektanteckningar är inte ”AI sparade mig tre timmar” (lockande, men svårt att belägga). Fånga i stället något du rimligen kan observera: färre missuppfattningar i exit tickets, tydligare framgångskriterier, mindre dubbelarbete i planering eller mer konsekvent återkopplingsspråk i ett team. Håll det ärligt: effekt kan vara ”ingen mätbar förändring ännu, men rutinen är nu stabil”.
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!
Väg A: 5-dagarsplan
Väg A är en fokuserad vecka: 60–90 minuter per dag, där varje dag slutar med ett konkret resultat. Rytmen är lära, bygga, testa, dokumentera.
Dag 1 är din baslinje och dina gränser. Du väljer din enda verktygsstack, skriver din minimalt-data-regel högst upp i ett dokument och skapar ett tvåstyckes ”AI-användningsuttalande” för dig själv: vad du ska använda AI till och vad du inte ska använda det till. Resultat: en ensidig anteckning om säkert arbetsflöde plus en mappstruktur för ditt evidenspaket.
Dag 2 är lektionsdesign med begränsningar. Ta en lektion du redan undervisar nästa halvtermin och be verktyget föreslå tre alternativa förklaringar och sedan tre hinge questions, med enbart generisk kontext. Du väljer sedan, redigerar och lägger till dina egna kontroller för vanliga missuppfattningar. Resultat: ett reviderat lektionsavsnitt (förklaring + frågor) med en kort not om vad du ändrade och varför.
Dag 3 handlar om återkoppling och stöd för bedömning. Skapa en bank med återkopplingsfraser kopplade till dina framgångskriterier och skriv sedan om dem för tydlighet och ton. Om du undervisar i ämnen med mycket skrivande kan du förankra detta i ett evidens-först-anslag till att skriva och skriva om, som utforskas i från autocomplete till medförfattande. Resultat: en bank med återkopplingsfraser plus en ruta ”lärarkontroller” (korrekthet, ton, tillgänglighet).
Dag 4 är en minipilot. Använd ett element från Dag 2 eller 3 med en klass (eller, om du inte kan träffa elever, kör en bordsövning med förra årets anonymiserade lista över missuppfattningar). Fånga vad som hände i tre punkter: vad som fungerade, vad som inte fungerade och vad du justerade. Resultat: en effektanteckning och en reviderad version av resursen.
Dag 5 är paketering och redo för uppföljning/medarbetarsamtal. Du sammanställer dina artefakter, skriver två korta reflektioner och skapar en ensidig sammanfattning som en närmaste chef snabbt kan läsa. Resultat: en komplett micro-credential-mapp, redo att dela.
Väg B: 10-dagarsplan
Väg B sprider belastningen: 30–45 minuter per dag, med utspridd övning och en liten pilot. Den passar lärare som behöver kortare pass, eller ledare som vill ha tid att stämma av med kollegor.
Dag 1–2 sätter du gränser, väljer din verktygsstack och skissar din anteckning om säkert arbetsflöde. Dag 3–4 skapar och förfinar du en lektionsartefakt och återvänder medvetet till den en annan dag för att fånga fel och överdrivet självsäkra formuleringar. Dag 5–6 bygger du en artefakt som stödjer bedömning och gör en snabb granskning av bias och tillgänglighet (till exempel kontroll av läsbelastning, idiom, kulturella antaganden och om exempel stereotypar).
Dag 7–8 är ditt pilotfönster: du testar en liten rutin i en lektion eller i ett ämneslags planeringsmöte. Håll piloten smal: en klass, ett område, en resurs. Dag 9–10 är för konsolidering: du skriver reflektioner, färdigställer dina effektanteckningar och tar fram en ensidig sammanfattning ”behåll/stoppa/ändra” för att styra nästa steg. Om du vill ha ett strukturerat sätt att göra detta till en terminsplan är after-action review-ramverket gjort för exakt den här tidpunkten.
Checklista för säker praktik
Skriv ut den här delen och ha den bredvid din laptop. Den är avsiktligt rak.
Integritet: mata inte in personuppgifter, elevarbeten, information kopplad till trygghet och skydd eller unika identifierare. Använd syntetiska exempel eller anonymiserade mallar.
Trygghet och skydd: använd aldrig AI för att fatta beslut om risk; håll det till att utforma resurser och professionellt tänkande, med mänskligt omdöme.
Integritet i bedömning: var tydlig mot elever när AI har stöttat en resurs; säkerställ att bedömningar följer skolans regler och är rättvisa.
Upphovsrätt: behandla AI-output som potentiellt derivativt; undvik att kopiera skyddade texter och ange dina källor för faktainnehåll.
Tillgänglighet: kontrollera läsålder, layout och tydlighet; säkerställ att alternativ för elever med SEND och EAL inte blir symboliska.
Bias-kontroller: leta efter stereotyper, bristspråk och snäva kulturella referenser; justera exempel så att de blir inkluderande.
Om du uppdaterar policy parallellt med praktik kan vår checklista för uppdatering av policy för acceptabel användning hjälpa till att linjera klassrumsrutiner med skolövergripande förväntningar.
Välj-en-inriktning-läsning
För att stoppa att läsning blir prokrastinering: välj bara en inriktning — planering, återkoppling eller styrning. Mappa den till dina dagar och håll det tajt. Om du till exempel leder personalens CPD kan du låna strukturen från tre mikrorutiner och ett säkerhetsprotokoll och göra dina lovresultat till ett kort INSET-inslag. Om ditt fokus är bedömningsintegritet kan du också vilja linjera gränserna med trafikljusregler för provperioden, även om du inte befinner dig i en provperiod just nu.
Lämna in din micro-credential
Håll inlämningen enkel: en mapp, konsekventa namn och en sammanfattningssida. Använd en namngivningskonvention som YYYY-MM_half-term_AI-CPD_[YourName] med undermappar för Artefacts, Reflections och Impact. Ge varje artefakt en titel med datum och syfte, till exempel 2025-10-20_HingeQuestions_Y8Fractions.docx.
Din sammanfattning som är redo för uppföljning/medarbetarsamtal ska vara en sida med fyra rubriker i löptext: vad du byggde, hur du höll det säkert (minimalt data och kontroller), vad du pilottestade och vad du gör härnäst. Om du behöver belägga detta i större skala senare under året kan du bygga ut samma struktur till ett AI-audit-evidenspaket vid läsårets slut.
Felsökning
Verktygssprawl börjar oftast som nyfikenhet och slutar som förvirring. Åtgärda det genom att skriva ner din enda verktygsstack och parkera allt annat tills sprinten är slut. Att dela för mycket data händer när du är trött och stressar; åtgärda det med en regel om ”paus innan copy-paste” och den utskrivbara checklistan ovan. ”Polering före lärande” syns när du lägger 40 minuter på att få ett arbetsblad att se perfekt ut, men aldrig testar det. Åtgärda det genom att pilottesta tidigare med något avsiktligt litet och sedan iterera utifrån vad elever faktiskt gör.
Från lov till måndag
Första veckan tillbaka ska vara lugn och repeterbar. Välj två mikrorutiner: en planeringsrutin (till exempel att generera tre förklaringar och sedan välja den bästa) och en återkopplingsrutin (till exempel att använda din frasbank för att öka konsekvensen snabbare). Lägg till en avstämning med en kollega eller närmaste chef: tio minuter för att titta på ditt evidenspaket och komma överens om ett nästa steg. Välj till sist ett mått du kan hålla i två veckor, som en missuppfattningsräkning från exit tickets eller en snabb elevskattning av trygghet/självförtroende. Poängen är inte perfektion; det är stabilitet.
Mot smidigare, säkrare AI-rutiner som faktiskt fastnar,
The Automated Education Team