Till innehåll på sidan
Till KTH:s startsida Till KTH:s startsida

​Pedagogisk användning av AI i undervisning

Detta KTH-gemensamma projekt syftar till KTH ska ta ledningen i integrering av AI-färdigheter i utbildning genom en plattform för en strategiskt bredare grunddiskussion samt en pedagogisk vägledning för hur AI ska/kan/bör integreras i undervisning på KTH.

Mappade principer

[projektlöksbild]

Klicka på bilden för att se textdetaljerna i ramverket för Framtidens utbildning.

Projektet mappas till de grönmarkerade ramverksprinciperna:

P4: Bedömning och examination för lärande​

P9: En utvecklande utbildningskultur​

P10: Kontinuerlig kompetensutveckling i lärarrollen

Definitioner av principerna

Projektdokumentation

Du som har KTH-ID kan läsa projektdokumentationen i inloggat läge.

[Projektdirektiv]

Kontakta projektledaren

Bakgrund

Det pågår eller påbörjas ett antal projekt, på KTH och i omvärlden, som på något sätt sysslar på AI och undervisning. På KTH leder bland annat prodekanus ett arbete i fakultetsrådets etikutskott med fokus på etiken kring AI i undervisning och flera projekt inom Framtidens utbildning är AI-relaterade. Det behövs en samlad omvärldsbevakning av området och inititiven på KTH behöver samordnas. Men hur kan vi skapa en större dialog och strategisk riktning kring hur vi på KTH kan och ska integrera AI-innehåll på ett planerat och strategiskt sätt i utbildning på KTH? Initialt kanske vi behöver börja i det snävare perspektivet med fokus på bedömning och examination i en värld av generativ AI.

Syfte och mål

Syfte

Syftet är att KTH ska ligga i framkant när det gäller integrering av AI-färdigheter i utbildningen bland annat utifrån den framtida arbetsmarknadens behov av AI-utbildade ingenjörer.

Effektmål

  • Utveckla ambassadörer och förändringsledare som kan leda fortsatt arbete med att utveckla AI i undervisning inom alla skolor på KTH.
  • Lägga grunden för att AI som ämnesinnehåll kan integreras i KTH:s kursplaner och lärandemål.

Projektmål

  • En pedagogisk vägledning för hur AI ska/kan/bör inkluderas i undervisning på KTH. I och med att projektet är vägledande ska även projektets processer redan vara testad inom 2-3 kurser per skola, på grund- avancerad och forskarnivå.
  • Projektet skapar en plattform för idéutbyte och utveckling av pedagogik inom lärarkåren som leder till att kurser och program förändras till att innehålla AI-färdigheter inom relevanta ämnesområden.

Avgränsningar och förutsättningar

Projektet kommer inte hantera frågor som rör:

  • etiska aspekter av AI-användning, t.ex. fusk och plagiat., inklusive examination.
  • t.ex. administrativa processer där AI skulle kunna användas som verktyg.

Projektet behöver ha en relation till fakultetsrådet och fakultetsnämnder. En särskild relation behövs till övriga utvecklingsprojekt inom Framtidens utbildning som berör AI samt till den arbetsgrupp inom/under Etikutskottet som nyss bildats.

Delmål med preliminär tidplan

Resultatmål är att jobba med 1-3 kurser per skola för att antingen a) lösa identifierade problem i kurs och/eller b) utveckla användning av AI i kurs.

Grov tidplan

  • VT24: identifiera lärare (och kurser) som ska ingå i projektet, planera aktiviteter och leverabler för projektet;
  • HT24: utifrån medverkande projektdeltagares kurser identifiera och genomlysa moment där AI kan/bör ingå. I nästa steg identifiera andra ämnen och kurser där AI kan/bör ingå;
  • VT25: omformulera kursplaner och lärandemål och skapa nya utbildningsinnehåll utifrån identifierade behov. Formulera projektplan för en eventuell uppskalning.

Projektorganisation

Utöver projektledaren Arnold Pears, planeras:

  • Projektdeltagare i form av (minst) en lärare från varje skola;
  • Administrativt stöd för att samordna case med mera av Institutionen för lärande (LES, ITM);
  • Styrgrupp.
F2401-KTH Utmaningsdriven progression för en hållbar samhällsutveckling
F2402-KTH E-mobility som kompetensprofil på tvären
F2403-KTH ​Pedagogisk användning av AI i undervisning
F2404-KTH Undervisningsfokuserat examinationsstöd
F2405-KTH Struktur för projektkurser
F2406-KTH DDMV2: Datadriven meritvärdering för masterkurser
F2408-KTH Ökad tillgänglighet till experimentella miljöer