När AI löser uppgiften åt studenten sjunker matematikkunskaperna i programmeringskurser

Lärare på flera datavetenskapliga utbildningar rapporterar samma mönster: fler studenter använder AI-verktyg för att lösa uppgifter, samtidigt som grundläggande matematik- och problemlösningsförmåga blir svagare och underkännandefrekvensen på tentor stiger. Vid UC Berkeley har professorer i datavetenskap beskrivit att studenter klarar inlämningsuppgifter men fastnar på skriftliga tentor där ingen chattbot finns till hands. Frågan är inte om AI hjälper studenter att bli klara snabbare, utan vad de faktiskt lär sig på vägen.

Det handlar om en skillnad mellan att producera rätt svar och att förstå hur svaret uppstod. En AI-modell kan skriva en korrekt sorteringsalgoritm på några sekunder. Studenten som klistrar in den lär sig inget om varför den fungerar.

Varför matematiken är kärnan i datavetenskap

Datavetenskap vilar på matematik. Diskret matematik, linjär algebra, sannolikhetslära och algoritmanalys är inte bihang till programmering utan själva grunden för att förstå vad koden gör.

När en student ska bedöma om en algoritm är effektiv krävs förståelse för tidskomplexitet, alltså hur körtiden växer med indatastorleken. Det är ren matematik. En AI kan berätta att en algoritm är O(n²) men studenten som aldrig räknat själv kan inte avgöra om svaret stämmer eller ens vad det betyder i praktiken.

Problemet uppstår när AI-verktyg tar över just de moment där inlärningen sker. Att kämpa med ett bevis, att räkna fel och rätta sig, att bygga intuition för hur tal och strukturer beter sig. Genvägen förbi det arbetet lämnar ett hål som märks först på tentan.

Så ser mönstret ut i praktiken

Lärare beskriver återkommande observationer som pekar åt samma håll:

• Höga poäng på inlämningar, låga på tentor. Studenter som lämnar in felfria uppgifter presterar sämre än väntat när de sitter utan verktyg. Gapet mellan de två har vidgats.
• Svårt att felsöka egen kod. När en AI-genererad lösning inte fungerar saknar studenten den mentala modell som krävs för att hitta felet.
• Grundläggande räkning haltar. Moment som tidigare sågs som självklara, som att härleda en formel eller förenkla ett uttryck, tar längre tid och blir oftare fel.

Det här är inte ett argument för att AI är värdelöst i utbildning. Det är en observation om vad som händer när verktyget används för att undvika tänkande snarare än för att stödja det.

Svenska studenter använder AI brett men är delade i synen

En enkätstudie vid Chalmers med omkring 6 000 svenska studenter visade att mer än hälften hade positiva attityder till AI-chattbotar i utbildningen. Nästan lika många uttryckte samtidigt oro för hur tekniken påverkar lärandet framåt. Chalmers forskning om AI i högre utbildning belyser just de här spänningarna mellan möjligheter och risker.

Bilden är inte enhetlig mellan grupper. Manliga studenter och de på teknik- och ingenjörsutbildningar rapporterade högst användning och mest optimism. Kvinnliga studenter var genomgående mer kritiska, liksom studenter inom humaniora och medicin. Skillnaderna var statistiskt signifikanta mellan kön, utbildningsnivå och inriktning.

Att just teknikstudenter använder AI mest är värt att stanna vid. Det är i de utbildningarna verktygen är mest tillämpbara på uppgifterna och därmed där risken att kringgå inlärningen är störst.

Forskningen om långtidseffekter är fortfarande tunn

Här behövs ärlighet: det finns ännu ingen svensk forskning som mäter exakt hur AI-användning påverkar matematikkunskaper hos datavetenskapsstudenter. En litteraturöversikt vid Stockholms universitet granskade 23 forskningsartiklar publicerade mellan december 2022 och december 2023 och drog slutsatsen att fältet saknar ett gemensamt ramverk för att ens förstå vad AI-chattbotar gör med lärandet.

Översikten pekade också på att debatten är full av överdrifter. Både domedagsprofetior och löften om en utbildningsrevolution saknar empiriskt stöd. Många studier använder inte etablerade lärandeteorier och det behövs replikationsstudier för att fastställa hur studenter faktiskt interagerar med verktygen.

Med andra ord: rapporterna från lärarhåll är trovärdiga signaler men de är ännu inte hårda data. Det som fattas är systematiska mätningar över tid.

Vad utbildningarna kan göra åt saken

Ett par konkreta grepp diskuteras och testas redan på svenska lärosäten:

• Salstentor utan verktyg får större vikt. När examinationen sker på papper utan uppkoppling mäts faktisk kunskap, inte förmågan att formulera en prompt.
• Uppgifter som kräver förklaring. Att be studenten motivera varför en lösning fungerar, inte bara leverera den, gör AI-genvägen mindre användbar.
• Lokala AI-riktlinjer. Chalmers-forskning rekommenderar att lärosäten utvecklar egna regler snarare än att vänta på ett nationellt ramverk som ännu inte finns.

Universitetskanslersämbetet, UKÄ, ansvarar för kvalitetsgranskning av svensk högre utbildning och hur examination hanteras i AI-eran hör till det som granskningen behöver fånga framöver.

AI är ett verktyg, inte en ersättning för att tänka

Poängen är inte att förbjuda AI i tekniska utbildningar. Verktygen är redan en del av yrkeslivet och den som ska bli utvecklare behöver kunna använda dem. Vi har tidigare skrivit om hur AI förändrar utvecklarnas arbetsuppgifter och att koden i sig blir billigare att producera.

Men värdet av en utvecklare ligger allt mindre i att skriva rader kod och allt mer i att förstå vad koden ska göra och varför. Den förståelsen bygger på matematik och problemlösning som inte kan delegeras till en modell. En student som låter AI räkna åt sig lär sig aldrig bedöma om AI:n har rätt.

Det är samma logik som gäller alla verktyg. En procenträknare är användbar men den som inte förstår vad procent är kan inte tolka resultatet den ger.

FAQ

Gör AI-verktyg studenter sämre på matematik?

Det finns inga svenska studier som bevisar ett direkt orsakssamband ännu. Lärare på flera datavetenskapliga utbildningar rapporterar däremot att grundläggande matematik- och problemlösningsförmåga försämras när studenter använder AI för att lösa uppgifter i stället för att räkna själva. Signalerna är trovärdiga men ännu inte systematiskt uppmätta.

Varför behövs matematik alls när AI kan skriva kod?

Matematik krävs för att förstå och bedöma vad kod gör, inte bara för att skriva den. Tidskomplexitet, algoritmanalys och sannolikhet avgör om en lösning är korrekt och effektiv. En AI kan generera kod men en utvecklare som inte förstår matematiken bakom kan inte avgöra om resultatet stämmer.

Hur många svenska studenter använder AI i studierna?

I en enkätstudie vid Chalmers med omkring 6 000 studenter uttryckte mer än hälften positiva attityder till AI-chattbotar i utbildningen. Användningen var högst bland manliga studenter och de på teknik- och ingenjörsutbildningar.

Vad gör svenska universitet åt problemet?

Åtgärder som diskuteras inkluderar salstentor utan digitala verktyg, uppgifter som kräver att studenten förklarar sin lösning och lokala AI-riktlinjer per lärosäte. Chalmers-forskning rekommenderar egna lokala regler eftersom ett nationellt ramverk ännu saknas.

Ska AI förbjudas i tekniska utbildningar?

Nej, ett totalförbud är varken realistiskt eller önskvärt eftersom verktygen är en del av yrkeslivet. Frågan handlar om hur examinationen utformas så att den mäter faktisk kunskap i stället för förmågan att skriva en bra prompt.