Generativ AI som lärresurs i historieundervisningen? : En tematisk analys av AI-genererade arbetsblad om hemorten Linköpings historia och övergången från jägarstenålder till bondestenålder
Year: 2025
Type: dissertation
Abstract: Generativ AI, exempelvis i form av chattbotar, har utvecklats snabbt under senare år, vilket väckt frågor om hur skolan påverkas. Denna studie undersöker hur promptande kan påverka tillförlitligheten i AI-genererade arbetsblad för historieundervisningen i årskurs 1-3. Avsikten är därmed att uppmärksamma vilka möjliga konsekvenser lärares användning av generativ AI som lärresurs kan få. Studien tillämpar en nyetablerad datainsamlingsmetod av Ramadhani (2023), där promptar på tre nivåer av stigande komplexitetsgrad formuleras och matas in i chattbotarna ChatGPT, Copilot och Gemini. Totalt 54 arbetsblad framställs som studiens data, vilka analyseras tematiskt. Tematiseringen visar att arbetsbladen främst inkluderar uppgifter som uppmanar till utantillkunskap och reflektion, såväl som ett faktainnehåll med fokus på historiska byggnader och platser samt tidsperspektivet. Resultatet diskuteras utifrån teori som dels behandlar yngre elevers förståelse och motivation i historieämnet, dels källkritiska perspektiv. Diskussionen beskriver de AI-genererade arbetsbladen som mest tillförlitliga i relation till läroplanen när de baseras på välformulerade och läroplansförankrade promptar, men även då skildras stundvis ett tendentiöst innehåll. Promptarnas formulering har alltså stor betydelse, vilket ställer krav på lärarens ämnes- och AI-kompetens. Vidare diskuteras eventuella konsekvenser för historieundervisningen när AI får egen agens. Historieämnet skulle å ena sidan kunna moderniseras av ny teknik, men risken finns å andra sidan att meningsskapandet och fostransuppdraget urvattnas. Eventuell implementering av generativ AI i historieundervisningen bör förankras i ytterligare empirisk forskning och policy.
Author: Eriksson, Madeleine
Language: Swedish
Subfield: Education
Field: Social Sciences
Domain: Social Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7155308342