Svag evidens: Meget af forskningen i AI i skolen holder ikke

Hvor godt virker AI i undervisningen? Det er sværere at svare på, end overskrifterne antyder. Flere gennemgange peger nu på, at grundlaget er tyndt, og at en del af forskningen har alvorlige fejl.

Fejl i sammenfatningerne

Patrick O'Neill, der underviser på community collegen Ivy Tech i Indiana, har lavet en detaljeret revision af 14 ud af 39 eksisterende meta-analyser om AI i uddannelse. En meta-analyse samler resultater fra mange studier for at give ét samlet svar. Justin Reich (MIT), Beth Tipton (Northwestern) og Susanna Loeb (Stanford) har bidraget til arbejdet.

Ifølge KQED MindShift fandt revisionen umulige statistikker, opdigtede eller ikke-eksisterende henvisninger og overdrevne konklusioner. Nogle meta-analyser sammenligner elever med AI-værktøjer med elever uden nogen undervisning. Andre henviser til forskning i generativ AI, der er ældre end teknologiens offentlige lancering.

De 14 meta-analyser har over 3.000 citationer og får cirka 200 nye om måneden, skriver The Hechinger Report. Fejlene spredes altså videre. En meta-analyse i Nature fra maj 2025 blev trukket tilbage knap et år senere.

Ifølge O'Neill inviterede to tredjedele af opfordringerne til at indsende artikler om AI i uddannelse specifikt forskning i fordele. Det kan give publikationsbias, altså at positive resultater fylder mere end andre. Justin Reich siger, at det ikke er pålidelig evidens, og at alle meta-analyserne er fejlbehæftede.

Få solide studier

Loebs Stanford-hold indsamlede cirka 900 studier om AI i uddannelse. Kun 20 var af høj nok kvalitet. Yderligere 32 blev identificeret, men det er for få til en pålidelig meta-analyse. O'Neills egen meta-analyse af 44 veltilrettelagte eksperimenter fandt effekter, der i gennemsnit lå omkring nul.

Stanford SCALE offentliggjorde i marts 2026 en gennemgang, der ifølge EdTech Innovation Hub fandt, at AI-værktøjer forbedrede præstationen i matematik, skrivning og programmering, mens værktøjerne var i brug. Resultaterne var uens, når eleverne blev testet uden AI. De fleste kausale studier handler om matematik, og der er for lidt om læsning, social-emotionel udvikling og lighed. Ifølge gennemgangen findes der ingen kausale studier af høj kvalitet af elevers AI-brug i amerikanske klasseværelser fra børnehaveklasse til 12. klasse. Tidlig, begrænset evidens tyder på, at AI-værktøjer til lærere kan skære i forberedelsestiden.

Hvem skal man stole på?

Ben Williamson fra University of Edinburgh advarer om, at svag akademisk forskning kan give teknologivirksomheder som Google og OpenAI autoriteten som primære kilder til evidens for uddannelsespolitik. Deres evidens kan være påvirket af kommercielle interesser.

Beth Tipton siger det sådan: »Hvem som helst kan stort set påstå, at de har evidens for hvad som helst, og dele det med hvem som helst.«

For læseren betyder det, at påstande om, at AI løfter elevernes læring, bør tages med forbehold, indtil der er flere gode studier.