KI i skolen: slik oppdager du KI-skrevne besvarelser og lager oppgaver KI ikke kan gjøre for eleven

Kort sagt: i dag går det ikke an å bevise pålitelig at en tekst er skrevet av en KI — detektorer måler hvor forutsigbar en tekst er, ikke hvor den kommer fra, og de rammer hardest de elevene som skriver på et andrespråk. Strategien som virker, handler ikke om å ta noen, men om å bygge om oppgavene: knytt dem til personlig erfaring, til dataene fra din egen klasse og til en kort muntlig forsvaring. For å vise hva som skjer når man satser på automatisk retting, gikk vi gjennom verdens største KI-kurs. Den feilen er allerede gjort der, og kursdeltakerne har beskrevet den ord for ord.

Hvorfor detektorer er et dårlig holdepunkt

Fristelsen er åpenbar: du limer inn teksten, får en prosent, og samtalen er over. Problemet er at det ikke finnes noe bevis bak det tallet. Detektorer «ser» ikke hvor en tekst kommer fra — de anslår hvor glatt og forutsigbar den er. Og glatt og forutsigbart skriver ikke bare modeller.

• Falske utslag hos dem som ikke har språket som morsmål. En elev som skriver på et andrespråk, bruker enklere konstruksjoner og standardvendinger — nettopp de signalene en detektor leser som «maskinelle». Dette er et resonnement om hvordan verktøyet fungerer, ikke vår måling: vi har ikke testet detektorer på klasser og kan ikke tallfeste feilraten. Men retningen på feilen følger direkte av mekanismen.
• Falske utslag hos nøye elever. Stram struktur, nøytral tone, ingen feil — og et ærlig arbeid får høy «KI-prosent».
• Å omgå det er trivielt. Be modellen skrive enklere og livligere, skriv om et par setninger for hånd, og tallet faller. Et filter som virker motsatt: det tar de ærlige og slipper gjennom alle som anstrengte seg for å skjule seg.
• En prosent er ikke bevis. Et tall på en ugjennomsiktig skala er ingen sannsynlighet. Du kan ikke legge det fram for en elev som bevis, verken metodisk eller etisk.

Konklusjonen er hard, men viktig: man bygger ikke en anklage på en detektor. På sitt beste er den en grunn til å se nærmere på besvarelsen og ta en prat — og den praten starter med et spørsmål, ikke med en dom. Mer om hvordan slike verktøy er bygget: KI-tekstdetektorer: virker de?.

Undersøkelsen vår: hva som skjer når rettingen overlates til en maskin

17. juli 2026 hentet vi data om de største KI-kursene på Udemy og Coursera: antall deltakere, vurderinger, andelen negative anmeldelser og anmeldelsene selv. Vi lette etter konkurrenter og fant en ferdig undervisningscase. For nettplattformene har allerede kjørt eksperimentet skolen bare står foran: de erstattet menneskelig retting med automatisk. Resultatet skrev deres egne deltakere, ordrett.

Skalaen, så du vet hvem vi snakker om: Google AI Essentials har 1 876 929 påmeldte. 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 av mennesker, og blant dem er elevene dine på videregående og foreldrene deres.

«100% correct» — dommen over automatisk retting

Denne anmeldelsen fortjener å bli skrevet ut og hengt opp på personalrommet:

«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 leverte en besvarelse, fikk øyeblikkelig «100% correct» og gikk derfra uten noen anelse om det var bra eller dårlig. Dette er ingen feil ved plattformen. Det er en strukturell grense: inne i Coursera-leksjonen finnes ingen modell, så det er fysisk ingenting der som kan vurdere en deltakers prompt. Det eneste systemet kan, er å ta imot filen og stemple den.

Hva det betyr for klassen din: en karakter som settes uten at et menneske har lest besvarelsen, sier eleven ingenting. Null informasjon. Og det samme gjelder motsatt vei — prosenten fra en detektor settes også uten at et menneske har lest besvarelsen. Bare fortegnet er ulikt: der en automatisk sekser, her en automatisk anklage. Begge er verdiløse, og av samme grunn.

Slik går det med dem som lærer, når rettingen er automatisk og tilbakemeldingen uteblir:

«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 kjenner igjen: pugging for å stå på en prøve, tilbakemelding som ender på «se videoen en gang til», og en øvelse der alt allerede er gjort og ett tastetrykk avslutter den. Ingen av de tre handler om KI. Alle tre handler om at vurdering har sluttet å være en samtale. KI er ikke årsaken her, den er akseleranten: der en oppgave kan lukkes med en knapp, finner eleven knappen.

«Han bare leser fra lysbildet» — og hva det betyr for timen din

Det vanligste motivet i de negative anmeldelsene vi samlet (§4.1 i undersøkelsen vår), er verken vanskelighetsgrad eller pris. Det er følelsen av at læreren 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 deltakere)

«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 deltakere)

Lærdommen for skolen er ubehagelig, men nyttig: hvis innholdet i timen din kan leses fra et lysbilde, leser KI-en det bedre — raskere, når som helst, så mange ganger det trengs. Den delen av undervisningen som består i å overføre informasjon, er allerede tatt fra deg, og den kommer ikke tilbake. Igjen står delen ingen modell klarer: å legge merke til at nettopp det barnet har stoppet på nettopp det steget, å stille det et spørsmål, å fange feilen i resonnementet og ikke i setningen. Nettopp der lønner det seg å bygge om oppgavene.

«Bare teori vi kan fra før»

En annen gruppe anmeldelser forklarer hvorfor eleven i det hele tatt griper etter 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 oppgave som ikke krever annet enn å gjenfortelle det kjente, blir lukket på den billigste måten. Dette handler ikke om moral, men om anstrengelsens økonomi. «Skriv en stil om vennskap» kunngjør helt ærlig: her ønskes ingenting personlig, ingenting etterprøvbart, ingenting av ditt. Modellen hører kunngjøringen først.

Innholdet blir gammelt — og prøvene blir gamle med det

Enda en gruppe, viktig for alle som planlegger en time om KI:

«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 påstått «oppdatert 18.04.2026»)

Den første er den skarpeste. Feilen sitter i videoene og i prøvene — altså må deltakeren krysse av for feil svar for å få poenget. Praktisk konsekvens for en time: ikke bygg den rundt skjermbilder og en liste over moteriktige modeller. Det er utdatert til neste semester. Bygg den rundt det som ikke blir utdatert: hvordan man sjekker en påstand, hvor et tall kommer fra, hvorfor et bestemt spørsmål ikke lar seg besvare med én prompt.

Om andelen negative anmeldelser — og et ærlig forbehold mot oss selv

Vi regnet ut andelen vurderinger på 3,5★ og lavere for de største Udemy-kursene: 9,61 % for Generative AI for Beginners (409 492 deltakere, score 4,53), 10,36 % for The Complete AI Guide (376 845 deltakere, 42 timer, 545 forelesninger) og minst 4,00 % for Prompt and Context Engineering 101 av Mike Wheeler (84 942 deltakere, 4,31 — den dårligste scoren i utvalget). På Coursera er den negative andelen tydelig lavere: 1,5–3,5 %.

Forbeholdet du trenger for i det hele tatt å lese tallene: stjernefilteret på Coursera kjører i nettleseren, og serveren returnerer alltid første side med anmeldelser. Sitatene over kommer altså fra standardvisningen enhver besøkende ser, ikke fra et fullstendig utvalg av de negative. Avstanden mellom «1,5–3,5 %» og «9,61 %» kan ikke leses som «på Coursera underviser de bedre»: plattformene har ulikt publikum, ulik inngangsterskel og ulike måter å samle inn anmeldelser på. Vi legger det fram som en måling, ikke som en dom om kvalitet.

Hva som virker i stedet

Flytt fokus: ikke «hvordan tar jeg dem», men «hvordan gjør jeg det meningsløst å skrive av». KI er utmerket på avpersonaliserte oppgaver — «skriv en stil om vennskap», «lag en oppgave om vulkaner». Den er dårlig på oppgaver som er knyttet til et bestemt menneske, et bestemt øyeblikk og bestemte data som ikke finnes på nettet.

Seks måter å bygge om en oppgave på

1. Knytt den til personlig erfaring. Ikke «en stil om vennskap», men «et øyeblikk i livet ditt da du skjønte at vennskap ikke alltid er gøy — beskriv stedet, tidspunktet og hva du følte, helt konkret». Modellen finner på det, og påfunnet faller sammen ved første oppfølgingsspørsmål. Typisk feil: å føye ordet «personlig» til den gamle formuleringen og kalle oppgaven ombygd. «Skriv om din personlige erfaring med vennskap» lukkes like lett som den gamle.
2. Knytt den til timen. «Bruk de tre eksemplene vi gikk gjennom på torsdag, og forklar hvorfor det fjerde eksempelet i boka ikke passer her.» KI-en har ikke torsdagen din. Styrken ligger i andre halvdel: å forklare hvorfor noe ikke passer, er mye vanskeligere enn å ramse opp hva som passer.
3. Gi dem dataene dine. En spørreundersøkelse i klassen, målinger fra laben, en tabell du har laget selv. Eleven jobber med KI oppå de dataene — og det er allerede en legitim ferdighet, ikke avskrift. Bonus: hele klassen har samme data og ulike konklusjoner, og uenighetene blir selv til timen.
4. Be om prosessen, ikke produktet. Et utkast, en disposisjon, en liste over forkastede ideer og hvorfor de røk ut. Sluttteksten skriver KI-en på et sekund; historien om tvilen din klarer den ikke. Forbehold mot oss selv: prosessen kan også forfalskes, med en «finn på tre forkastede ideer». Derfor virker prosessen ikke alene — den virker sammen med en muntlig forsvaring.
5. Muntlig forsvaring. Tre minutter, to spørsmål til teksten: «forklar dette avsnittet med dine egne ord» og «hva ville du endret hvis…». Det er den ærligste og raskeste måten å finne ut hvem sin besvarelse det er, og den krever ingen teknologi. Og det er nettopp det hvis fravær fikk Shinysheep til å skrive «I am still speechless».
6. Legaliser KI og krev refleksjon. «Du kan bruke KI. Legg ved promptene dine, legg ved det modellen ga, og skriv hva du rettet på og hvorfor.» Avskrift blir til analyse — og, ærlig talt, til en bedre time. På kjøpet ser du hvem i klassen som klarer å oppdage modellens feil, og hvem som kopierer i blinde.

Prompt 1: sjekk om en oppgave lar seg skrive av

Start med diagnosen, ikke med ombyggingen. Denne prompten kjører som den er — oppgaven er allerede satt inn; bytt den ut med din egen når du har sett hvordan den oppfører seg.

Du er fagdidaktiker. Nedenfor står en skoleoppgave.
Løs den først slik en elev ville gjort hvis han overlot den
til en KI: skriv et svar på 150 ord. Vurder deretter
deg selv ærlig.

Oppgave (historie, 15 år): «Skriv en stil på 500 ord om
årsakene til første verdenskrig.»

Etter svaret ditt, gi en analyse:
1. En avskrivbarhetskarakter fra 1 til 10, der 10 betyr
   «kan leveres uten en eneste endring».
2. Hva nøyaktig i formuleringen gjorde dette mulig for deg.
3. Tre ombygde versjoner av oppgaven der svaret ditt over
   ville vært ubrukelig. Oppgi for hver: hva som binder
   arbeidet til elevens personlige erfaring, til klassens
   egne data eller til en bestemt time; hvilket
   prosessartefakt eleven leverer; to spørsmål til en
   muntlig forsvaring på tre minutter.
4. Prøv å knekke hver versjon og si hvor den
   likevel lekker.

Ikke foreslå forbud og ikke detektorer. Bevar
læringsmålet.

Punkt 4 er det avgjørende. Du ber modellen angripe sitt eget forslag. Uten det steget leverer den tre elegante versjoner, hvorav to lar seg skrive av like lett som originalen.

Prompt 2: en hallusinasjonsdemo til timen

Fem minutter som slår ti formaninger om ærlighet. Kjør den direkte, og vis skjermen.

Fortell meg utførlig om romanen «Havnens saltbrev» av
Miriam Aldecoa fra 1934. Gjenfortell handlingen kort, nevn
hovedpersonene og forklar hvorfor datidens kritikere kranglet
om slutten.

Deretter, i en egen blokk med overskriften «Kontroll»:
- si rett ut om denne boka faktisk finnes;
- hvis du er usikker, forklar hvor detaljene du skrev
  ovenfor, kommer fra;
- list opp tegnene som kunne fått en leser til å mistenke
  at svaret var oppdiktet.

Den boka finnes ikke. To utfall er mulige, og begge gir en god time. Enten dikter modellen selvsikkert opp handling og persongalleri (og avslører seg selv i blokken «Kontroll»), eller så sier den ærlig at den ikke kjenner boka. Det andre utfallet ødelegger ikke demoen: spør klassen hvorfor modellen tvilte her og ikke tviler når den spytter ut en dato eller en kilde i leksene deres. Mekanikken: KI-hallusinasjoner.

Prompt 3: femten varianter av en oppgave på ett minutt

Baksiden: rutinen som spiser opp kveldene dine. Denne prompten er selvstendig og kjører som den er.

Lag 15 varianter av en tekstoppgave for 11-12-åringer etter
samme metode, men med andre tall og andre situasjoner.

Modelloppgave: «Skolebiblioteket har 240 bøker. 35 % av dem
er skjønnlitteratur, resten er lærebøker. I løpet av året
kjøper biblioteket inn 60 lærebøker til. Hvor mange prosent
av samlingen er skjønnlitteratur nå?»

Krav:
- velg tallene slik at svarene har høyst to desimaler;
- situasjonene skal være varierte og hverdagslige, uten
  gjentakelser;
- lag fem varianter ett hakk enklere og fem vanskeligere
  (legg til en opplysning som ikke trengs for å løse dem);
- avslutt med en egen svartabell som viser full utregning
  for hver enkelt.

Sjekk regnestykkene før du skriver ut, og merk med en
stjerne de variantene du er usikker på.

Den siste linja veier tyngre enn den ser ut: disse modellene regner dårligere enn de skriver. Sjekk svarene uansett — men å snevre kontrollen inn til de merkede variantene sparer deg allerede en kveld.

Prompt 4: spørsmål til den muntlige forsvaringen

Du er lærer. Nedenfor står et avsnitt fra en elevbesvarelse.
Finn på fem spørsmål til en muntlig forsvaring på tre
minutter som ikke kan besvares ved bare å lese avsnittet
høyt.

Avsnitt: «Den industrielle revolusjonen endret samfunnets
struktur. En ny klasse oppsto — industriarbeiderne — som
hadde det tungt: lange arbeidsdager, barnearbeid, ingen
forsikring. Samtidig vokste byene, noe som skapte problemer
med hygiene og bolig.»

Oppgi for hvert spørsmål:
- hva det faktisk sjekker (forståelse av årsaken, evnen til
  å gi et eksempel, evnen til å oppdage en
  forenkling);
- hvordan svaret høres ut fra en som har forstått;
- hvordan svaret høres ut fra en som har levert en
  annens tekst.

Nevn i tillegg tre steder i avsnittet der forfatteren har
glattet over noe, og hvordan man spør om hvert av dem.

Den siste instruksjonen er den mest nyttige. Utglattede steder finnes i enhver tekst, og et spørsmål rettet mot ett av dem stopper både eleven som skrev av, og den som skrev selv uten å tenke. Nettopp den avstanden mellom «teksten er levert» og «mennesket har forstått» er det du prøver å måle.

Undervisningsspråk: tallet som endrer synet på dem som ikke har språket som morsmål

Har du barn i klassen som ikke har undervisningsspråket som morsmål, er dette fagfellevurderte resultatet verdt å kjenne. Bälter, Kann, Mutimukwe og Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) gjennomførte en randomisert kontrollert studie med 2 263 svenske studenter: samme nettkurs i programmering, gitt på svensk og på engelsk.

• Frafall på morsmålet: 57 %. Frafall på engelsk: 71 % (φ=0,2; p<0,00001).
• Gjennomsnittsscore blant dem som ble værende: 16,9 mot 14,3 (δ=0,085 — en forsvinnende liten effektstørrelse).

Les det nøye: språket skadet ikke forståelsen — de som ble, fikk nesten samme poeng. Det fikk folk til å gå. Enda en detalj: selvvurdert språkferdighet beskyttet ikke mot det høyere frafallet.

To følger for skolen. For det første: skriver en elev enklere og tørrere på et andrespråk, er det verken et tegn på latskap eller et tegn på en modell. Det er prisen han betaler for i det hele tatt å jobbe på et fremmed språk. For det andre: en detektor som reagerer på enkelhet, treffer systematisk nettopp ham. Kombinasjonen — høyere frafallsrisiko pluss høyere risiko for en falsk anklage — gjør ham til det mest utsatte punktet i klassen. Det er den ene kategorien der lærerens feil koster mest.

Slik vet du at ombyggingen lyktes

En enkel ærlighetstest: ta den nye oppgaven din, lim den inn i sin helhet i en chat, og se hva som kommer ut. Gir modellen en tekst en elev kunne levert som den er, har du ikke bygd om oppgaven — du har bare gjort den lengre. Gir modellen et troverdig, tomt skall som faller sammen ved «og hvor har du de tallene fra?», er du på rett vei.

Andre tegn: en elev som har gjort arbeidet ærlig, skal klare å forsvare det i tre minutter uten forberedelse. Klarer han ikke det, har han enten ikke forstått, eller så sjekker oppgaven noe annet enn det du ville sjekke. Begge konklusjonene er nyttige, og ingen av dem trenger detektorer.

Tredje tegn, det strengeste: to elever som gjør oppgaven din ærlig, skal levere ulike besvarelser. Kan ærlige besvarelser ikke skilles fra hverandre, måler oppgaven lydighet og ikke tenkning — og en maskin lukker den.

Fem typiske feil ved ombygging

• Å forlenge i stedet for å bygge om. Kravet «minst 1000 ord» gjør livet vanskelig bare for den som skriver selv.
• «Med egne ord» som besvergelse. Modeller er utmerkede «med egne ord». Den setningen er et ønske, ikke en begrensning.
• Å forby KI uten å kunne sjekke det. En regel du ikke kan se om følges, lærer nøyaktig én ting: at regler kan brytes.
• Å satse på et sjeldent tema. «Om dette finnes det garantert ingenting på nettet» er nesten alltid usant og motbevises på et minutt. Det er dataene som må være sjeldne, ikke temaet.
• Å anklage ut fra en prosent. Den dyreste. En falsk anklage koster en hel klasses tillit i årevis; en oversett avskrift koster én karakter.

Hvordan snakke om dette med klassen

Et bart «KI er forbudt» svikter av samme grunn som kalkulatorforbudet sviktet: verktøyet har alle i lomma, og elevene bruker det uansett hva du mener. Det som virker, er en avtale som er sagt høyt.

• Si reglene med ord. Hvor KI er greit (finne ideer, få forklart noe uklart, sjekke rettskriving), hvor det ikke er greit (levere generert tekst som sin egen), og hva som må oppgis hvis man har brukt den.
• Forklar hvorfor. Ikke «fordi det er uærlig», men «fordi det du leverer ikke er en tekst, det er forståelsen din; en tekst uten forståelse er ingenting verdt, verken for meg eller for deg».
• Fortell om hallusinasjoner. Elevene vet oppriktig ikke at modeller dikter opp fakta, datoer og kilder med full overbevisning. Én demonstrasjon i timen slår ti formaninger — prompt 2 over kjører rett fra denne siden.
• Vis dem anmeldelsen til Shinysheep. Helt seriøst. «I put all that effort in and have no idea whether I my answer was correct or not» er nøyaktig det en elev føler når karakteren kommer uten kommentar. Samtalen om hvorfor et menneske retter, starter lettere med en annens eksempel enn med karakterboka di.
• Anklag aldri ut fra en prosent. Reiser en besvarelse spørsmål, så still dem: «fortell meg hvordan du skrev dette».

Der KI hjelper læreren selv

Rutinen som spiser opp kveldene dine, lar seg automatisere overraskende godt.

• Generere 15 varianter av samme oppgavetype med andre tall (prompt 3 over)
• Skrive om en tekst til klassens nivå, eller tilpasse den for en elev som sliter
• Sette opp en vurderingssjekkliste og spørsmål til den muntlige forsvaringen (prompt 4 over)
• Finne på en oppvarming, en diskusjon eller et rollespill på 5 minutter
• Lage et utkast til kommentar på en besvarelse — som du så skriver om for nettopp det barnet

En hard grense: ikke lim inn elevbesvarelser med navn, karakterer eller noen personlige detaljer i en chat. Det er personopplysninger om barn, og regler som GDPR gjelder her fullt ut. Anonymiser før du sender, eller bruk verktøy skolen har godkjent. Mer: personvern når du jobber med KI.

Og enda en grense, som følger direkte av våre egne data: et kommentarutkast er et utkast. Maskinen som setter karakter uten at et menneske leser besvarelsen, heter «100% correct» og lærer ingen noe. Ikke gjenta andres feil på ditt eget materiale.

Det viktigste

Det nytter ikke å ta noen, detektorer er upålitelige, forbud virker ikke. Noe annet virker: oppgaver der verdien skapes av et menneske, og KI bare er et verktøy. Verdens største KI-kurs, som teller deltakere i hundretusener og millioner, har allerede vist hvor automatisk retting ender: med «100% correct» og null tilbakemelding. Du har nøyaktig én fordel framfor dem, og den er enorm: du kan stille et spørsmål og høre svaret. Vil du først forstå disse modellene selv, start med ChatGPT-guiden for nybegynnere, artikkelen vår om prompter og gjennomgangen av hallusinasjoner.