Studentdriven AI-promptning som läraktivitet

Abstract

Under höstterminen 2025 har jag i två parallella kurser vid LTH—KETF20 (mer deskriptiv) och KETN45 (mer analyserande/förståelsebaserad)—infört en återkommande läraktivitet där studenterna, utifrån veckans tema, formulerar egna promtar till valfri AI tjänst för att fördjupa sin förståelse. Varje student lämnar in 2–3 promtar per vecka tillsammans med vilket system som användes, det genererade svaret samt en självvärdering av svarskvalitet. Aktiviteten syftar till att låta studenternas nyfikenhet driva lärandet och samtidigt utveckla deras AI kompetens och promptförmåga.

Insamlingarna används som motor för veckans seminarium. Jag analyserar inlämningarna med stöd av AI: uppgiften och mina mål kontextualiseras, varefter AI identifierar återkommande osäkerheter, föreslår diskussionsfrågor och genererar quiz till Canvas. Dessutom låter jag AI jämföra studenternas svar med kursmaterialet på en övergripande nivå för att pröva innehållslig samstämmighet. När avvikelser framträder fördjupar jag analysen för att förstå varför och för att ge riktad återkoppling på hur studenterna kan förbättra sina promtar för mer träffsäkra och genomlysta svar.

Bidraget beskriver designen, genomförandet och de första erfarenheterna från den samtidiga implementeringen i två kurser med olika karaktär. Jag diskuterar hur upplägget stödjer undersökande lärande, samt hur AI kan avlasta och skärpa lärarens planering av seminarier. Jag berör även praktiska och etiska aspekter.

Sessionen bjuder in till dialog om skalbarhet, bedömningskriterier för promtar och svar, samt hur lärarlag kan dela arbetssätt och resurser. Målet är att erbjuda ett konkret, överförbart arbetssätt som samtidigt stärker studenternas förmåga att använda AI kritiskt—i studierna och i arbetslivet.