Google har udviklet et værktøj, der på mange måder er både fascinerende og udfordrende i en uddannelsesmæssig sammenhæng. NotebookLM gør det muligt at føre samtaler direkte med en AI om udvalgte tekster, som man selv uploader. Herefter kan man få referater, opsummeringer, lydfortolkninger (som fungerer som en slags podcast), og endda genererede mindmaps, der skal give overblik og støtte forståelsen af et område eller en artikel.
For den studerende kan det være et stærkt redskab. Det kan skabe struktur i komplekst stof, hjælpe med at forbinde kilder og give en hurtig fornemmelse af, hvad tekster handler om. Det kan være et oplagt supplement til læsning, litteraturgennemgang og idéudvikling.
Men samtidig opstår en række didaktiske og etiske dilemmaer, som kalder på refleksion.
- Hvordan sikrer man, at den studerende rent faktisk bearbejder og nuancerer sin egen forståelse, når arbejdet med stoffet bliver filtreret gennem en AI?
- Hvordan understøtter man, at den studerende selv udvælger og fortolker ud fra sine interesser og faglige perspektiver – i stedet for blot at følge AI’ens udvalgte pointer?
- Hvordan undgår man, at AI’en glatter de faglige uenigheder ud og fører diskussionen i en mere generel og konsensussøgende retning, hvor det netop er de skarpe dilemmaer, der kunne åbne for refleksion og faglig fordybelse?
- Og hvordan kan man forvente kritisk stillingtagen, hvis de studerende måske slet ikke har læst teksterne selv, men alene forholdt sig til AI’ens sammenfatninger?
NotebookLM åbner med andre ord for både nye muligheder og nye udfordringer. På den ene side kan det være en støtte til overblik, perspektiv og effektivisering af arbejdet med kilder. På den anden side kan det risikere at afkoble den lærende fra de processer, hvor forståelse og erkendelse opstår – nemlig der, hvor man selv kæmper med kompleksitet, tvivl og fortolkning.
Et konkret eksempel fra undervisningen
Forestil dig et forløb på læreruddannelsen, hvor de studerende arbejder med artikler om motivation i matematik. Hver studerende uploader to artikler i NotebookLM og får AI’ens opsummeringer og mindmaps. I stedet for at bruge AI’ens tekster som svar, bliver de derimod udgangspunktet for en fælles refleksion i holdet:
- Hvad valgte AI at fremhæve som de centrale pointer?
- Hvilke nuancer eller modpositioner manglede?
- Hvordan ville du selv have prioriteret stoffet, hvis du skulle forklare artiklen for en medstuderende?
- Hvad fortæller forskellen mellem AI’ens og din egen opsummering om, hvad du finder vigtigt i teksten?
På den måde bliver NotebookLM ikke et redskab i stedet for læring, men et redskab til at undersøge læring – og til at reflektere over, hvordan forståelse formes i mødet mellem menneske og maskine.
NotebookLM kan hjælpe os til at tænke mere præcist over, hvad det egentlig vil sige at forstå noget.
For i sidste ende er spørgsmålet måske dette:
Hvem lærer egentlig noget, hvis AI’en læser, udvælger og konkluderer for os?
Dislaimer: Dette indlæg skal ikke læses som en anbefaling af det omtalte værktøj. Formålet er ikke at godkende eller promovere specifikke apps eller teknologier, men at sætte fokus på de idéer, muligheder og pædagogiske perspektiver, som kunstig intelligens rejser i en uddannelsesmæssig sammenhæng.