Differentiering med AI: en arbejdsgang, der holder lærerens dømmekraft

ForfatterFrederik Bjørnbak, Founder & CEO, GradeAid: former teacher in Denmark's public schools
10-sekunders opsummering
En praktisk arbejdsgang til differentiering med AI: indsæt målet for lektionen, bed om lettere, kerne og sværere med hvert ord defineret, og tjek så læsemængde, mål, misforståelser og tal, før du printer. Den gennemgår, hvor AI typisk fejler (generiske opgaver, forkert progression, opfundne mål), og hvorfor tre versioner ikke må blive til tre faste grupper. Evidens fra NEU-undersøgelsen (april 2026), EEF's Teacher Choices-forsøg (december 2024), EEF Toolkit og to studier fra 2026.
76 procent af lærerne på engelske offentlige skoler brugte AI i det daglige arbejde i februar 2026, op fra 53 procent året før (NEU-undersøgelsen blandt 9.408 lærere, offentliggjort april 2026). 61 procent brugte det til at lave materialer, 41 procent til at planlægge lektioner. Differentiering med AI er der, hvor det meste af den brug ender. Det er søndag klokken 20:15. En lærer har 26 elever i Year 5 og én lektion om brøker på tirsdag. Et barn, der er færdig på otte minutter og begynder at tegne. Et barn, der skriver det første svar af fra sidemanden. Et barn, der læser tekstopgaven tre gange og aldrig når frem til brøken. Modellen kan skrive tre versioner af opgaven på under et minut. Den kan ikke afgøre, hvilket barn der skal have hvilken. Versionerne er den lette del. Dømmekraften er hele jobbet.
Start fra ét mål, ikke fra "gør det lettere"
Vi taler om differentiering som et tidsproblem, et klassestørrelsesproblem, et materialeproblem. Det er et dømmekraftsproblem: hvem skal have hvad, denne tirsdag. Arbejdsgangen herunder holder den dømmekraft hos læreren. Den begynder med målet for lektionen, indsat ord for ord. For brøklektionen ovenfor lyder målet for Year 5 i Englands læreplan for matematik (DfE, opdateret 28. september 2021): sammenlign og ordn brøker, hvis nævnere alle er multipla af samme tal. En 5. klasse i Danmark møder samme idé samme år.
Prompten beder derefter om tre versioner af ét opgavesæt: lettere, kerne og sværere, med hvert ord defineret. Lettere er færre nævnere, mindre tal, ét billede pr. spørgsmål, samme mål. Kerne er målet, som det står, otte spørgsmål. Sværere er ikke flere spørgsmål. Det er en grund til at sammenligne: et forkert svar, der skal forklares, eller to brøker, hvor den oplagte regel ikke holder.
Indsæt målet. Bed aldrig modellen om at huske det. Fra hukommelsen laver den troværdige formuleringer, som ikke findes i dokumentet.
Differentiering med AI: de fire tjek, før du printer
De tre versioner kommer. Før noget når printeren, fire tjek. Med lidt øvelse cirka seks minutter pr. lektion.
1. Læsemængde. Tæl ordene i den lettere version. Den er ofte den længste af de tre, fordi modellen forklarer mere, når den bliver bedt om at forenkle. Da jeg underviste i folkeskolen, var de børn, der havde brug for det lettere matematikark, som regel de samme børn, der havde brug for de korteste sætninger. Hvis den lettere version har mere tekst end kernen, så send den tilbage med en ordgrænse.
2. Opfylder den lettere version stadig målet? Den typiske fejl er et stille fald til et tidligere mål. Det lettere ark bliver til "skraver tre fjerdedele af denne figur", som er en opgave fra Year 3. Barnet er beskæftiget og roligt, og arbejder ikke med ugens mål. Én test: kunne et barn gøre arket færdigt uden nogensinde at sammenligne to brøker? Hvis ja, er det en anden lektion.
3. Hvilke misforståelser får den sværere version frem? For dette mål er to velkendte: en større nævner betyder en større brøk (så 3/8 vurderes større end 3/4), og samme tæller betyder lige store brøker. En brugbar sværere version sætter begge foran barnet og beder det argumentere. Hvis sværere bare er kernen med tolv spørgsmål i stedet for otte, så spørg igen.
4. Er tallene og progressionen rigtige? Et systematisk review af 66 studier om generativ AI i matematikundervisning (Frontiers in Education, 26. august 2026) fandt, at AI's matematikfejl "ofte er plausible", og at det er en tilbagevendende vanskelighed at få output til at passe til læreplanens mål. Tjek selv hvert svar i facitlisten. Tjek derefter springet: sværere må ikke glide over i nævnere, der ikke er multipla af hinanden, for det er næste års mål.
AI laver de samme tre fejl
Generiske opgaver. Pizzastykker, chokoladeplader og en fødselsdagskage, magen til hvert eneste arbejdsark på nettet. Løsningen er en kontekst, barnet interesserer sig for, og det er en lærerbeslutning, ikke en standardindstilling i modellen.
Forkert progression. Modellen behandler "sværere" som "mere" og "lettere" som "et tidligere klassetrin". Ingen af delene er differentiering. Alle tre versioner ligger på samme mål med en forskellig vej igennem det.
Opfundne mål. Bedt om en målkode opfinder modellen en, der ser rigtig ud. Kun den indsatte tekst er sikker.
Vi ser samme mønster på vores egen platform. På GradeAid bliver 47,6 procent af arbejdsarkene redigeret af læreren efter generering (vores logs, tjekket 14. september 2026). Vi siger det tal højt, fordi det er den ærlige baseline for enhver generator, også vores.
Tre versioner er ikke tre grupper
Tre ark må ikke blive til tre faste grupper. Opslaget i EEF Teaching and Learning Toolkit om niveaudeling inden for klassen (senest opdateret august 2021) rapporterer i gennemsnit to måneders ekstra fremgang, baseret på 22 studier, og vurderer evidensen som meget begrænset. Betingelserne betyder mere end overskriften: grupperne skal være fleksible, "så eleverne ved, at evner ikke er faste", og udsatte elever bliver oftere placeret sammen med fagligt svagere elever på grund af lavere forventninger hos læreren.
Så læreren afgør, hvem der får hvilken version til denne lektion, og afgør det igen næste lektion. Versionsnavne står på arkene, børnenes navne gør ikke. Jeg mener, at det værste, en skole kan gøre med denne arbejdsgang, er at lade modellen fordele versionerne, fordi det gør en tirsdagsbeslutning til et mærkat. Læreren ved roret er hele pointen.
Den bedste evidens for, at lærerne holder niveauet, kommer fra EEF's Teacher Choices-forsøg, evalueret af NFER (offentliggjort 12. december 2024). 259 naturfagslærere i Year 7 og 8 på 68 engelske skoler blev randomiseret. ChatGPT-gruppen brugte 56,2 minutter om ugen på planlægning mod 81,5 i sammenligningsgruppen. Et ekspertpanel fandt ingen forskel i kvaliteten af de materialer, de to grupper brugte. Lærerne brugte det til spørgsmål, quizzer og til at tilpasse materialer til bestemte grupper. Kvaliteten blev holdt. Ikke hævet. Den blev holdt, fordi læreren blev ved med at have ansvaret for materialet.
Evidensen om efteruddannelse er tyndere. Et tysk studie af 100 lærere, som tog et tre timers kursus i AI til differentiering (Frontiers in Education, 16. september 2026), fandt, at 78 procent vurderede indholdet som nyttigt for fremtidig lektionsplanlægning, mens deres erklærede hensigt om at bruge AI ikke ændrede sig. Tre timer flytter holdninger, ikke vaner. De fire tjek ovenfor er vanen.
AI kan skrive tre versioner af en brøkopgave på et minut; kun læreren ved, hvem af de 26 børn der skal have hvilken, og hvorfor.
- Indsæt målet ord for ord og bed om lettere, kerne og sværere på det mål, med hvert ord defineret.
- Tjek læsemængde, mål, misforståelser og tal, før du printer, cirka seks minutter pr. lektion.
- Fordel selv versionerne, lektion for lektion, og lav fordelingen om, efterhånden som børnene flytter sig.
Hvad en skole kan gøre
1. Aftal én promptskabelon pr. fag med et tomt felt til det indsatte mål og definitionerne af lettere, kerne og sværere skrevet ind. Cirka 30 minutter én gang, på et fagteammøde.
2. Sæt de fire tjek på et A5-kort ved siden af printeren på lærerværelset. Cirka 10 minutter én gang.
3. Gør fordelingen af versioner til en lærerbeslutning pr. lektion, og skriv det ned. Ingen faste lister, der holder et helt semester. Ingen ekstra tid, men skolelederen skal sige det én gang.
4. Hav en fælles mappe med versioner, der virkede, med målet i filnavnet. Cirka 2 minutter pr. lektion.
5. Skriv en AI-politik på én side til personalet. I NEU-undersøgelsen (april 2026) havde 49 procent af lærerne slet ingen AI-politik. Cirka 2 timer én gang, derefter 20 minutter pr. semester.
Hvor GradeAid passer ind
GradeAid er en dansk platform til lærere. Læreren skriver emnet og niveauet ind og får på få sekunder en lektionsplan, et arbejdsark, en quiz, en præsentation og skærmfrie aktiviteter, som man også kan differentiere. Materialet kan printes. Arbejdsarket er vores svageste format (47,6 procent bliver redigeret efter generering, vores logs, 14. september 2026), og GradeAid afgør ikke, hvilket barn der får hvilken version, det bliver hos læreren.
Hvis du arbejder med differentiering på en skole eller i en kommune, vil vi gerne høre fra dig. Skriv til os på founders@gradeaid.ai.
Ofte stillede spørgsmål
Kan AI differentiere en lektion for mig?
Den kan lave lettere, kerne- og sværere versioner af en opgave på under et minut, og i EEF's Teacher Choices-forsøg (NFER, 12. december 2024) fandt et ekspertpanel intet fald i materialernes kvalitet, da 259 naturfagslærere brugte ChatGPT på den måde. Den kan ikke afgøre, hvilket barn der får hvilken version, og den tjekker ikke, om den lettere version stadig opfylder målet. Begge dele bliver hos læreren.
Hvad skal jeg tjekke i et AI-genereret differentieret arbejdsark?
Fire ting. Læsemængde, fordi den lettere version ofte er den længste. Om den lettere version stadig opfylder lektionens mål og ikke et mål fra et tidligere klassetrin. Om den sværere version får en kendt misforståelse frem i stedet for bare at tilføje spørgsmål. Og om hvert svar og springet mellem versionerne er korrekt, da et systematisk review fra 2026 fandt, at AI's matematikfejl ofte er plausible.
Er differentiering med AI det samme som niveaudeling?
Nej, og det må ikke blive det. EEF Toolkit (opdateret august 2021) rapporterer omkring to måneders ekstra fremgang for niveaudeling inden for klassen ud fra 22 studier, med meget begrænset evidens, og understreger, at grupperne skal være fleksible, så eleverne ved, at evner ikke er faste. Tre versioner af en opgave er et materiale. Hvilket barn der får hvilken, er en ny lærerbeslutning i hver lektion.
Hvordan forhindrer jeg AI i at opfinde læringsmål?
Indsæt målet ord for ord i prompten, og bed aldrig modellen om at huske det. Bedt fra hukommelsen om et mål eller en målkode laver en model formuleringer, der ser rigtige ud og ikke findes i dokumentet. Indsætning fjerner den risiko. Definér derefter selv lettere, kerne og sværere i prompten, så modellen ikke kan omdefinere dem som et tidligere klassetrin eller flere spørgsmål.
Hvor mange lærere bruger AI til lektionsplanlægning?
I National Education Unions undersøgelse blandt 9.408 lærere på engelske offentlige skoler, gennemført 5. til 16. februar 2026 og offentliggjort april 2026, brugte 76 procent AI-værktøjer i det daglige arbejde, op fra 53 procent året før. 61 procent brugte det til at lave materialer og 41 procent til lektionsplanlægning. 49 procent sagde, at deres skole slet ingen AI-politik havde.