AI i skolen: sådan spotter du AI-skrevne opgaver og stiller opgaver, AI ikke kan løse for eleven

Kort fortalt: i dag kan man ikke pålideligt bevise, at en tekst er skrevet af en AI — detektorer måler, hvor forudsigelig en tekst er, ikke hvor den kommer fra, og de rammer hårdest de elever, der skriver på et andetsprog. Den strategi, der virker, handler ikke om at fange, men om at bygge opgaverne om: knyt dem til personlig erfaring, til din egen klasses data og til et kort mundtligt forsvar. For at vise, hvad der sker, når man satser på automatisk rettelse, gennemgik vi verdens største AI-kurser. Den fejl er allerede begået der, og kursisterne har beskrevet den ord for ord.

Hvorfor detektorer er et dårligt holdepunkt

Fristelsen er indlysende: du indsætter teksten, får en procent, og samtalen er slut. Problemet er, at der ikke er noget bevis bag det tal. Detektorer »ser« ikke en teksts oprindelse — de anslår, hvor glat og forudsigelig den er. Og glat og forudsigeligt skriver ikke kun modeller.

• Falske alarmer hos dem, der ikke har sproget som modersmål. En elev, der skriver på et andetsprog, bruger enklere konstruktioner og standardvendinger — præcis de signaler, en detektor læser som »maskinelle«. Det er en ræsonnement om, hvordan værktøjet fungerer, ikke vores måling: vi har ikke testet detektorer på klasser og kan ikke sætte tal på fejlraten. Men fejlens retning følger direkte af mekanismen.
• Falske alarmer hos omhyggelige elever. Stram struktur, neutral tone, ingen fejl — og et ærligt stykke arbejde får en høj »AI-procent«.
• Det er trivielt at omgå. Bed modellen skrive enklere og mere levende, skriv et par sætninger om i hånden, og tallet falder. Et filter, der virker omvendt: det fanger de ærlige og lukker alle igennem, som gjorde sig umage med at gemme sig.
• En procent er ikke et bevis. Et tal på en uigennemsigtig skala er ikke en sandsynlighed. Du kan ikke lægge det frem for en elev som bevis, hverken metodisk eller etisk.

Konklusionen er hård, men vigtig: man bygger ikke en anklage på en detektor. I bedste fald er den en anledning til at se nærmere på opgaven og tage en snak — og den snak begynder med et spørgsmål, ikke med en dom. Mere om, hvordan den slags værktøjer er skruet sammen: AI-tekstdetektorer: virker de?.

Vores undersøgelse: hvad der sker, når rettelsen overlades til en maskine

Den 17. juli 2026 hentede vi data om de største AI-kurser på Udemy og Coursera: antal kursister, bedømmelser, andelen af negative anmeldelser og selve anmeldelserne. Vi ledte efter konkurrenter og fandt en færdig undervisningscase. For onlineplatformene har allerede kørt det eksperiment, skolen først står over for: de erstattede menneskelig rettelse med automatisk. Resultatet skrev deres egne kursister, ordret.

Størrelsesordenen, så du ved, hvem vi taler om: Google AI Essentials har 1.876.929 tilmeldte. Generative AI for Everyone fra DeepLearning.AI (Andrew Ng): 814.083. Prompt Engineering for ChatGPT fra Vanderbilt: 698.444. Generative AI: Prompt Engineering Basics fra IBM: 654.256. Google Prompting Essentials: 365.425. Prompt Engineering Specialization fra Vanderbilt: 138.967. Det er millioner af mennesker, og blandt dem er dine gymnasieelever og deres forældre.

»100% correct« — dommen over automatisk rettelse

Denne anmeldelse fortjener at blive printet ud og hængt op på lærerværelset:

»you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.« — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

Et menneske afleverer en opgave, får øjeblikkeligt »100% correct« og går derfra uden anelse om, hvorvidt det var godt eller skidt. Det er ikke en fejl i platformen. Det er en strukturel grænse: der findes ingen model inde i Coursera-lektionen, så der er fysisk ingenting til at vurdere en kursists prompt. Det eneste, systemet kan, er at tage imod filen og stemple den.

Hvad det betyder for din klasse: en karakter, der gives, uden at et menneske har læst opgaven, siger eleven ingenting. Nul information. Og det samme gælder den anden vej — en detektors procent bliver også givet, uden at et menneske har læst opgaven. Kun fortegnet er forskelligt: dér et automatisk 12-tal, her en automatisk anklage. Begge dele er intet værd, og af samme grund.

Sådan går det de lærende, når rettelsen er automatisk og feedbacken udebliver:

»Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.« — Laurie J Phillips, 12.04.2024, 3★ (IBM)

»quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'« — Cory Covino, 04.05.2024, 2★ (IBM)

»All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.« — Cornelius Griggs, 1★ (Generative AI with LLMs)

Tre anmeldelser, tre symptomer, enhver lærer kender: udenadslære for at bestå en test, feedback der lander på »se videoen igen«, og en øvelse, hvor alt allerede er gjort, og ét tastetryk afslutter den. Ingen af de tre handler om AI. Alle tre handler om, at evaluering er holdt op med at være en samtale. AI er ikke årsagen her, den er acceleranten: dér hvor en opgave kan lukkes med en knap, finder eleven knappen.

»Han læser bare op fra sliden« — og hvad det betyder for din time

Det hyppigste motiv i de negative anmeldelser, vi samlede (§4.1 i vores undersøgelse), er hverken sværhedsgrad eller pris. Det er fornemmelsen af, at underviseren er overflødig:

»why read straight from the slide? I can do that. This was not a helpful course at all« — Janie I., 02.07.2026, 1★ (Justin Barnett, 152.821 kursister)

»50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website« — Shashank T., 13.04.2026, 1★ (The Complete AI Guide)

»Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word« — Bradley M., 16.04.2026, 1★ (RPATech, 118.803 kursister)

Lektien for skolen er ubehagelig, men nyttig: hvis indholdet i din time kan læses op fra en slide, læser AI'en det bedre op — hurtigere, på alle tider, så mange gange der skal til. Den del af undervisningen, der består i at overføre information, har man allerede taget fra dig, og den kommer ikke tilbage. Tilbage er den del, ingen model kan: at opdage, at netop det barn er gået i stå på netop det trin, at stille det et spørgsmål, at fange fejlen i ræsonnementet og ikke i sætningen. Præcis dér betaler det sig at bygge opgaverne om.

»Kun teori, som vi allerede kender«

En anden gruppe anmeldelser forklarer, hvorfor eleven overhovedet griber ud efter maskinen:

»The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.« — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

»Didnt meet expectations, only theory is discussed which we already know.« — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

En opgave, der ikke kræver andet end at genfortælle det kendte, bliver lukket på den billigste måde. Det handler ikke om moral, men om anstrengelsens økonomi. »Skriv en stil om venskab« melder helt ærligt: her ønskes intet personligt, intet efterprøveligt, intet af dit. Modellen hører meldingen først.

Indholdet bliver gammelt — og testene bliver gamle med det

Endnu en gruppe, vigtig for enhver, der planlægger en time om AI:

»Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.« — Jose C., 12.05.2026, 1★ (Barnett)

»The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.« — Harsh A., 09.04.2026, 1,5★ (The Complete AI Guide)

»Most content is from 2024. This course is not bad for its time, but just too dated now.« — Martin F., 27.05.2026, 2★ (Generative AI for Beginners — med et påstået »opdateret 18.04.2026«)

Den første er den skarpeste. Fejlen sidder i videoerne og i testene — altså skal kursisten vælge det forkerte svar for at få point. Praktisk konsekvens for en time: byg den ikke op om skærmbilleder og en liste over modemodeller. Det er forældet til næste semester. Byg den op om det, der ikke forældes: hvordan man tjekker en påstand, hvor et tal kommer fra, hvorfor et bestemt spørgsmål ikke kan besvares med én prompt.

Om andelen af negative anmeldelser — og et ærligt forbehold mod os selv

Vi beregnede andelen af bedømmelser på 3,5★ og derunder for de største Udemy-kurser: 9,61 % for Generative AI for Beginners (409.492 kursister, score 4,53), 10,36 % for The Complete AI Guide (376.845 kursister, 42 timer, 545 lektioner) og mindst 4,00 % for Prompt and Context Engineering 101 af Mike Wheeler (84.942 kursister, 4,31 — den dårligste score i stikprøven). På Coursera er den negative andel markant lavere: 1,5–3,5 %.

Forbeholdet, uden hvilket tallene ikke kan læses: Courseras stjernefilter kører i browseren, og serveren returnerer altid den første side med anmeldelser. Citaterne ovenfor stammer altså fra den standardvisning, enhver besøgende ser, ikke fra en fuld stikprøve af de negative. Forskellen mellem »1,5–3,5 %« og »9,61 %« kan ikke læses som »på Coursera underviser de bedre«: platformene har forskelligt publikum, forskellig adgangstærskel og forskellige måder at samle anmeldelser på. Vi bringer det som en måling, ikke som en dom over kvalitet.

Hvad der virker i stedet

Flyt fokus: ikke »hvordan fanger jeg dem«, men »hvordan gør jeg det meningsløst at skrive af«. AI er fremragende til afpersonaliserede opgaver — »skriv en stil om venskab«, »lav en opgave om vulkaner«. Den er dårlig til opgaver, der er bundet til et bestemt menneske, et bestemt øjeblik og bestemte data, der ikke findes på nettet.

Seks måder at bygge en opgave om på

1. Knyt den til personlig erfaring. Ikke »en stil om venskab«, men »et øjeblik i dit liv, hvor du forstod, at venskab ikke altid er sjovt — beskriv stedet, tidspunktet og hvad du præcist følte«. Modellen finder på det, og påfundet falder fra hinanden ved det første opfølgende spørgsmål. Typisk fejl: at sætte ordet »personlig« ind i den gamle formulering og kalde opgaven ombygget. »Skriv om din personlige erfaring med venskab« lukkes lige så let som den gamle.
2. Knyt den til timen. »Brug de tre eksempler, vi gennemgik i torsdags, og forklar, hvorfor det fjerde eksempel i bogen ikke passer her.« AI'en har ikke din torsdag. Styrken ligger i anden halvdel: at forklare, hvorfor noget ikke passer, er langt sværere end at remse op, hvad der passer.
3. Giv dem dine data. En undersøgelse i klassen, målinger fra laboratoriet, en tabel, du selv har lavet. Eleven arbejder med AI oven på de data — og det er allerede en legitim færdighed, ikke afskrift. Bonus: hele klassen har samme data og forskellige konklusioner, og uenighederne bliver selv til timen.
4. Bed om processen, ikke produktet. Et udkast, en disposition, en liste over kasserede idéer og hvorfor de røg ud. Den færdige tekst skriver AI'en på et sekund; historien om dine tvivl kan den ikke lave. Forbehold mod os selv: processen kan også forfalskes med et »find på tre kasserede idéer«. Derfor virker processen ikke alene — den virker sammen med et mundtligt forsvar.
5. Mundtligt forsvar. Tre minutter, to spørgsmål til teksten: »forklar det her afsnit med dine egne ord« og »hvad ville du ændre, hvis…«. Det er den ærligste og hurtigste måde at finde ud af, hvis opgave det er, og den kræver ingen teknologi overhovedet. Og det er præcis det, hvis fravær fik Shinysheep til at skrive »I am still speechless«.
6. Legalisér AI og kræv refleksion. »Du må gerne bruge AI. Vedlæg dine prompts, vedlæg det, modellen gav, og skriv, hvad du rettede i det og hvorfor.« Afskrift bliver til analyse — og ærligt talt til en bedre time. Samtidig ser du, hvem i klassen kan opdage modellens fejl, og hvem der kopierer i blinde.

Prompt 1: gennemgå en opgave for, om den kan skrives af

Start med diagnosen, ikke med ombygningen. Denne prompt kører, som den er — opgaven er allerede sat ind; skift den ud med din egen, når du har set, hvordan den opfører sig.

Du er didaktiker. Nedenfor er en skoleopgave.
Løs den først, som en elev ville gøre, hvis han overlod den
til en AI: skriv et svar på 150 ord. Vurdér derefter
dig selv ærligt.

Opgave (historie, 15 år): »Skriv en stil på 500 ord om
årsagerne til Første Verdenskrig.«

Giv efter dit svar en analyse:
1. En afskrivelighedskarakter fra 1 til 10, hvor 10 betyder
   »kan afleveres uden en eneste rettelse«.
2. Hvad præcist i formuleringen gjorde det muligt for dig.
3. Tre ombyggede versioner af opgaven, hvor dit svar
   ovenfor ville være ubrugeligt. Angiv for hver: hvad der
   binder arbejdet til elevens personlige erfaring, til
   klassens egne data eller til en bestemt time; hvilket
   procesartefakt eleven afleverer; to spørgsmål til et
   mundtligt forsvar på tre minutter.
4. Prøv at bryde hver version og sig, hvor den
   alligevel lækker.

Foreslå ikke forbud og ikke detektorer. Bevar det
faglige mål.

Punkt 4 er det afgørende. Du beder modellen angribe sit eget forslag. Uden det trin leverer den tre elegante versioner, hvoraf de to kan skrives af lige så let som originalen.

Prompt 2: en hallucinationsdemo til klassen

Fem minutter, der slår ti moralprædikener om ærlighed. Kør den live, og vis skærmen.

Fortæl mig udførligt om romanen »Havnens saltbreve« af
Miriam Aldecoa fra 1934. Referér handlingen, nævn
hovedpersonerne og forklar, hvorfor datidens kritikere
skændtes om slutningen.

Derefter, i en separat blok med overskriften »Kontrol«:
- sig lige ud, om denne bog rent faktisk findes;
- hvis du ikke er sikker, forklar hvor de detaljer,
  du skrev ovenfor, kommer fra;
- opremse de tegn, som en læser kunne have mistænkt
  svaret for at være opdigtet ud fra.

Den bog findes ikke. To udfald er mulige, og begge giver en god time. Enten finder modellen selvsikkert på en handling og et persongalleri (og afslører så sig selv i blokken »Kontrol«), eller også siger den ærligt, at den ikke kender bogen. Det andet udfald ødelægger ikke demoen: spørg klassen, hvorfor modellen tvivlede her og ikke tvivler, når den spytter en dato eller en kilde ud i deres lektier. Mekanikken: AI-hallucinationer.

Prompt 3: femten varianter af en opgave på et minut

Bagsiden: rutinen, der æder dine aftener. Denne prompt er selvbærende og kører, som den er.

Lav 15 varianter af en tekstopgave til 11-12-årige efter
samme metode, men med andre tal og andre situationer.

Modelopgave: »Skolens bibliotek har 240 bøger. 35 % af dem
er skønlitteratur, resten er lærebøger. I løbet af året
køber biblioteket 60 lærebøger mere. Hvor stor en procentdel
af samlingen er skønlitteratur nu?«

Krav:
- vælg tallene, så svarene højst har to decimaler;
- situationerne skal være varierede og hverdagsagtige, uden
  gentagelser;
- lav fem varianter et trin lettere og fem sværere (tilføj
  en oplysning, der ikke er nødvendig for at løse dem);
- afslut med en separat svartabel, der viser den fulde
  udregning for hver enkelt.

Tjek din regning, før du skriver ud, og markér med en
stjerne de varianter, du ikke er sikker på.

Den sidste linje vejer tungere, end den ser ud: de her modeller regner dårligere, end de skriver. Tjek svarene alligevel — men at indsnævre tjekket til de markerede varianter sparer dig allerede en aften.

Prompt 4: spørgsmål til det mundtlige forsvar

Du er lærer. Nedenfor er et afsnit fra en elevopgave.
Find på fem spørgsmål til et mundtligt forsvar på tre
minutter, som ikke kan besvares ved bare at læse afsnittet
højt.

Afsnit: »Den industrielle revolution ændrede samfundets
struktur. En ny klasse opstod — industriarbejderne — hvis
vilkår var hårde: lange arbejdsdage, børnearbejde, ingen
forsikring. Samtidig voksede byerne, hvilket skabte
problemer med hygiejne og boliger.«

Angiv for hvert spørgsmål:
- hvad det reelt tjekker (forståelse af årsagen, evnen til
  at give et eksempel, evnen til at opdage en
  forenkling);
- hvordan svaret lyder fra en, der har forstået det;
- hvordan svaret lyder fra en, der har afleveret en
  andens tekst.

Nævn desuden tre steder i afsnittet, hvor forfatteren har
glattet noget ud, og hvordan man spørger ind til hvert af
dem.

Den sidste instruktion er den mest nyttige. Udglattede steder findes i enhver tekst, og et spørgsmål rettet mod et af dem sætter både den elev, der skrev af, og den, der skrev selv uden at tænke, til vægs. Netop den forskel mellem »teksten er afleveret« og »mennesket har forstået« er det, du prøver at måle.

Undervisningssprog: tallet, der ændrer synet på ikke-modersmålstalende

Har du børn i klassen, for hvem undervisningssproget ikke er modersmålet, er dette peer-reviewede resultat værd at kende. Bälter, Kann, Mutimukwe og Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) gennemførte et randomiseret kontrolleret forsøg med 2.263 svenske studerende: samme onlinekursus i programmering, udbudt på svensk og på engelsk.

• Frafald på modersmålet: 57 %. Frafald på engelsk: 71 % (φ=0,2; p<0,00001).
• Gennemsnitsscore blandt dem, der blev ved: 16,9 mod 14,3 (δ=0,085 — en forsvindende lille effektstørrelse).

Læs det grundigt: sproget skadede ikke forståelsen — de, der blev, fik næsten samme point. Det fik folk til at gå. Endnu en detalje: selvvurderet sprogfærdighed beskyttede ikke mod det højere frafald.

To konsekvenser for skolen. For det første: skriver en elev enklere og tørrere på et andetsprog, er det hverken et tegn på dovenskab eller et tegn på en model. Det er den pris, han betaler for overhovedet at arbejde på en andens sprog. For det andet: en detektor, der reagerer på enkelhed, rammer systematisk netop ham. Kombinationen — højere frafaldsrisiko plus højere risiko for en falsk anklage — gør ham til det mest udsatte punkt i klassen. Det er den ene kategori, hvor lærerens fejl koster mest.

Sådan ved du, at ombygningen lykkedes

En enkel ærlighedstest: tag din nye opgave, indsæt den i sin helhed i en chat, og se, hvad der kommer ud. Giver modellen en tekst, en elev kunne aflevere, som den er, har du ikke bygget opgaven om — du har bare gjort den længere. Giver modellen en troværdig, tom skal, der falder sammen ved »og hvor har du de tal fra?«, er du på rette vej.

Andet tegn: en elev, der har lavet arbejdet ærligt, skal kunne forsvare det i tre minutter uden forberedelse. Kan han ikke det, har han enten ikke forstået det, eller også tjekker opgaven noget andet end det, du ville tjekke. Begge konklusioner er nyttige, og ingen af dem kræver detektorer.

Tredje tegn, det strengeste: to elever, der laver din opgave ærligt, skal aflevere forskellige opgaver. Kan ærlige besvarelser ikke skelnes fra hinanden, måler opgaven lydighed og ikke tænkning — og en maskine lukker den.

Fem typiske fejl ved ombygningen

• At forlænge i stedet for at bygge om. Kravet »mindst 1000 ord« gør kun livet svært for den, der skriver selv.
• »Med dine egne ord« som besværgelse. Modeller er glimrende til »med egne ord«. Den sætning er et ønske, ikke en begrænsning.
• At forbyde AI uden at kunne tjekke det. En regel, hvis overholdelse du ikke kan se, lærer præcis én ting: at regler kan ignoreres.
• At satse på et sjældent emne. »Om det her findes der helt sikkert intet på nettet« er næsten altid usandt og modbevises på et minut. Det er data, der skal være sjældne, ikke emnet.
• At anklage på baggrund af en procent. Den dyreste. En falsk anklage koster en hel klasses tillid i årevis; en overset afskrift koster én karakter.

Sådan taler du med klassen om det

Et bart »AI er forbudt« fejler af samme grund, som lommeregnerforbuddet fejlede: værktøjet har alle i lommen, og eleverne bruger det uanset din holdning. Det, der virker, er en aftale, der er sagt højt.

• Sig reglerne med ord. Hvor AI må bruges (finde idéer, få noget uklart forklaret, tjekke stavning), hvor den ikke må (aflevere genereret tekst som sin egen), og hvad der skal oplyses, hvis man har brugt den.
• Forklar hvorfor. Ikke »fordi det er uærligt«, men »fordi det, du afleverer, ikke er en tekst, men din forståelse; en tekst uden forståelse er intet værd, hverken for mig eller for dig«.
• Fortæl om hallucinationer. Eleverne ved oprigtigt ikke, at modeller opfinder fakta, datoer og kilder med fuld overbevisning. Én demonstration i timen slår ti prædikener — prompt 2 ovenfor kører direkte fra denne side.
• Vis dem Shinysheeps anmeldelse. Helt seriøst. »I put all that effort in and have no idea whether I my answer was correct or not« er præcis det, en elev føler, når karakteren kommer uden kommentar. Samtalen om, hvorfor et menneske retter, starter lettere med en andens eksempel end med din karakterbog.
• Anklag aldrig på baggrund af en procent. Rejser en opgave spørgsmål, så stil dem: »fortæl mig, hvordan du skrev det her«.

Hvor AI hjælper læreren selv

Rutinen, der æder dine aftener, lader sig automatisere overraskende godt.

• Generere 15 varianter af samme opgavetype med andre tal (prompt 3 ovenfor)
• Skrive en tekst om til klassens niveau eller tilpasse den til en elev, der har det svært
• Lave en tjekliste med bedømmelseskriterier og spørgsmål til det mundtlige forsvar (prompt 4 ovenfor)
• Finde på en opvarmning, en diskussion eller et rollespil på 5 minutter
• Lave et udkast til en kommentar på en opgave — som du bagefter skriver om til netop det barn

En hård grænse: læg ikke elevopgaver med navne, karakterer eller nogen personlige detaljer ind i en chat. Det er børns personoplysninger, og regler som GDPR gælder her fuldt ud. Anonymisér, før du sender, eller brug værktøjer, skolen har godkendt. Mere: privatliv, når du arbejder med AI.

Og endnu en grænse, der følger direkte af vores egne data: et kommentarudkast er et udkast. Maskinen, der giver en karakter, uden at et menneske læser opgaven, hedder »100% correct« og lærer ingen noget. Gentag ikke en andens fejl på dit eget materiale.

Det vigtigste

Det nytter ikke at fange, detektorer er upålidelige, forbud virker ikke. Noget andet virker: opgaver, hvor værdien skabes af et menneske, og AI kun er et værktøj. Verdens største AI-kurser, der tæller kursister i hundredtusinder og millioner, har allerede vist, hvor automatisk rettelse ender: ved »100% correct« og nul feedback. Du har præcis én fordel frem for dem, og den er enorm: du kan stille et spørgsmål og høre svaret. Vil du først selv forstå, hvordan modellerne fungerer, så start med ChatGPT-guiden for begyndere, vores artikel om prompts og gennemgangen af hallucinationer.