Säsong för provprov: AI-stöd för repetition
november 6, 2025
Provprovssäsongen misslyckas ofta av förutsägbara skäl: repetitionsplaner är orealistiska, övning blir för passiv, återkoppling kommer för sent och stressen ökar hemma. Den här artikeln beskriver ett ”Revision Ops”-system för Year 11/13 som använder AI på ett strikt avgränsat sätt: att skapa retrieval practice enbart utifrån lärargodkänt material, bygga ett genomförbart schema med skyddad vila och köra en enkel avstämningsloop med föräldrar/vårdnadshavare. Målet är inte att skapa en AI-handledare, utan att skala upp de rutiner som gör repetition effektiv, rättvis och integritetssäker.
Gy25 och LGR22: Sveriges dubbla läroplansreform
augusti 15, 2025
Sveriges lärare i årskurs 7–9 förväntas hålla två sanningar i huvudet samtidigt: hålla undervisningen enligt LGR22 stabil, samtidigt som de förbereder eleverna för Gy25:s ämnesbetyg i gymnasiet. Den här klassrumsnära guiden förklarar vad som gäller var under 2025–26, vad som förändras i betygsfilosofi och vad du kan justera redan nu utan att skriva om planeringar. Med en argumenterande skrivuppgift i 8 lektioner visar den hur ”sen förbättring räknas” kan bli en normal lärloop genom återkoppling, insamling av underlag och elevvanor som följer med smidigt in i Gy25.
UK:s AI-playbook för resultatperioden
augusti 4, 2025
Resultatperioden kan kännas som en rusning av siffror, berättelser och brådskande beslut. Det här playbooket visar ämneslag och SLT hur man använder AI för att omvandla GCSE- och A-level-resultat till konkreta undervisningsprioriteringar—utan att mata in elevidentifierande data i verktyg. Du får se vad du ska exportera (och vad du ska rensa bort), hur du säkert kan upptäcka mönster i kohorter och undergrupper, och hur du översätter svagheter på frågenivå till omundervisningssekvenser, retrieval och riktad träning. Det innehåller också en enkel styrningschecklista och en sign-off-kedja.
Årsavslutande omdömen i LGR22 med AI
juni 16, 2025
Årsavslutande omdömen enligt LGR22 kan kännas som en spurt: du ska omvandla månader av vardagliga underlag till hållbara skriftliga omdömen och, från Åk 6, betyg som är transparenta och rättvisa. Den här artikeln beskriver en Sverige-anpassad pipeline med ett arbetsflöde i fyra verktyg—Development Talk (Student) → Summariser → Student Communication → Parent Communication—så att du skriver mindre, men kan motivera mer. Du får se arbetsbelastningsmatematik, modereringskontroller och fullt genomarbetade exempel för Åk 2, Åk 4 matematik, Åk 6 första betyg och Åk 8 kemi.
AI och LGR22-bedömning: rättvisa, kursplansanpassade prov
mars 14, 2025
LGR22-bedömning ber lärare att göra helhetsbedömningar utifrån underlag som samlas in över tid, men inför provperioder kan vi lätt dras mot beslut som bygger på ”ett stort prov”. Den här artikeln erbjuder ett praktiskt arbetsflöde med läraren i loopen för att omvandla inklistrade betygskriterier till rättvisa, kursplansanpassade bedömningar med hjälp av AI. Du får se hur du bygger frågor riktade mot E/C/A, genererar modellsvar i tre nivåer och lägger till motiveringschecklistor som håller bedömningen förankrad i kriterierna. Vi delar också en enkel portföljplan så att inget enskilt prov bär hela betyget.
Att omdefiniera originalitet: bedömning 2024
september 25, 2024
I takt med att generativ AI blir en naturlig del av elevers liv sätts traditionella idéer om ”eget arbete” under press. I stället för att försöka avslöja AI-stödd fusk kan lärare utforma om bedömningar så att autentisk process, personlig röst och kontextualiserade bevis väger tyngre än slutprodukten. Den här artikeln erbjuder en praktisk handbok för att arbeta om befintliga uppgifter till bedömningar med ”originalitet genom design”, med konkreta exempel, matriser och klassrumsrutiner. Du hittar strategier som gör AI till en transparent, avgränsad del av lärandet, snarare än något att frukta eller upptäcka.
AI-betygssättning i stor skala: Lärdomar från universitet
augusti 22, 2024
Universitet har varit tidiga användare av AI-stödd betygssättning och har gått bortom hypen för att bygga praktiska system som fungerar i stor skala. Den här artikeln destillerar vad de faktiskt har gjort – från modereringsmodeller, kalibreringsrutiner och styrningsstrukturer till kommunikation med studenter och facklig samverkan – och översätter dessa lärdomar till realistiska arbetsflöden för skolor. Du hittar konkreta exempel på AI-anpassade bedömningsmatriser, återkopplingsmallar och stegvisa införandeplaner som ryms inom befintliga bedömningssystem, samtidigt som de respekterar provbanksregler, elevskydd och dataskyddskrav.
Nationella prov och LGR22: färdighetssprintar
maj 14, 2024
Nationella prov kan vara en hjälpsam avstämning, men de ska inte styra den dagliga undervisningen. Den här artikeln beskriver en LGR22-först-modell för förberedelser i årskurs 3, 6 och 9 som bygger överförbar läsuthållighet, matematiskt resonemang och skriftliga svar av högre kvalitet utan att nöta gamla prov. Du använder korta, låginsats “färdighetssprintar” två eller tre gånger i veckan, med stöd av fyra små AI-mikroverktyg som skapar blandad återkallningsövning, 1 000-ords faktatexter för läsning, textuppgifter om procent och proportionalitet samt E/C/A-exempel för sambedömning och återkoppling.
LGR22:s betygskriterier: AI-modellsvar
februari 14, 2024
LGR22:s E/C/A-beskrivningar är avsiktligt holistiska, vilket kan göra att sambedömning känns halt och subjektivt. Den här artikeln erbjuder ett sambedömningsförst-arbetsflöde som använder AI för att översätta LGR22:s kvalitativa språk till ”observerbara belägg” utan att glida tillbaka till LGR11-liknande kryssrute-bedömning. Du får tre fullt genomarbetade exempel som du kan kopiera och anpassa: modellsvar i historia med motiveringsnoter, ett frågeset i kemi som klättrar från återgivning till analys, och en ansvarsfull metod för ”svårighetsjustering” som stegvis sänker ett A-svar till C och sedan E med en tydlig ändringslogg.