Kapitel 1: Cognitive Triage

Håndtering af underviserens arbejdsbyrde i AI-alderen

Kildeangivelse
Machajewski, Szymon. (2026). The Learn-It-All Educator — A Guidebook for Training Brains, Not Replacing Them with AI. Zenodo. https://doi.org/10.5281/ZENODO.18425283
Dette er en dansk oversættelse udgivet under Creative Commons Attribution-licens (CC BY 4.0).

Kapitlets formål: At genvinde tid fra administrative opgaver og fokusere på undervisning med høj effekt.

Der udspiller sig en stille krise i videregående uddannelse, og den har intet at gøre med optageantal eller budgetnedskæringer. Den handler om, hvordan undervisere bruger deres tid. Ifølge forskning fra MIT svækker en omfattende afhængighed af AI til kognitive opgaver faktisk neural forbindelsesevne over tid. I hjernescannere af personer, der skrev essays, viste de, der udelukkende brugte deres eget hoved, de stærkeste neurale forbindelser, mens de, der brugte AI meget, viste de svageste. Efter fire måneder præsterede den AI-afhængige gruppe målbart dårligere i kognitive tests (Kosmyna et al., 2025, arXiv:2506.08872).

Det rejser et paradoks. Hvis skødesløs brug af AI atrofierer hjernen, bør vi så helt undgå det? Svaret er nej. Løsningen ligger i det, vi kan kalde Cognitive Triage — den strategiske brug af AI på opgaver, hvor perfektion ikke tilfører værdi, netop så vi kan kanalisere vores fulde kognitive energi ind i det arbejde, der faktisk betyder noget.

Dette kapitel introducerer to rammer for præcis dette. FLUFF identificerer de opgaver, der er værd at uddelegere til AI — arbejde der får et kursus til at se poleret ud, men som ikke opbygger kognitive muskler. SPARK identificerer de idéer, der er værd at tænke — arbejde, hvor menneskelig dømmekraft, kreativitet og grundighed giver udbytte, som AI ikke kan replikere. Tilsammen hjælper de dig med at skelne mellem høstning (hvor hastighed er en fordel, og automatisering giver mening) og såtid (hvor investering, kamp og vækst skaber varig værdi).

1.1 Høst vs. såtid: to typer fagligt arbejde

Ikke alle opgaver er skabt lige. Nogle har et loft over deres værdi; andre har intet. Det første skridt mod Cognitive Triage og uddelegering af tænkning er at lære at skelne mellem dem.

Tænk på det som forskellen mellem høst og såtid. Når du høster, er hastighed vigtig. Afgrøden er klar; du skal indsamle den effektivt, inden vejret vender. Automatisering hjælper dig med at udnytte muligheden. Men i såtiden er hastighed ikke pointen. Du foretager en investering med usikkert afkast. Du plejer noget, der vil vokse over tid. Skynder du dig for meget med såningen, er der intet af værdi at høste senere.

Fagligt arbejde følger samme mønster. Nogle opgaver er lavpraktiske — få dem gjort, gå videre, ingen yderligere værdi kommer af at dvæle ved dem. De har begrænset udbytte. Andre opgaver er vækstorienterede — jo mere du investerer, jo mere får du tilbage. De har ubegrænset udbytte. Bruger du din kognitive energi i den forkerte kategori, slider du dig selv op med at polere ting, der ikke betyder noget, mens du forsømmer det arbejde, der kunne forvandle dine studerende og din karriere.

1.2 FLUFF: arbejdet der er værd at uddelegere

FLUFF står for Formatting, Layouts, Under-the-hood, Filing og Filtering. Det er opgaver med begrænset udbytte — arbejde der får et kursus til at se “pænt” ud, men som ikke opbygger kognitive muskler.

At bruge tre timer på at perfektionere disse giver ingen ekstra værdi sammenlignet med at bruge tredive minutter. Det er høstningsopgaver: få dem gjort effektivt og gå videre.

FLUFF: Formatting, Layouts, Under-the-hood, Filing, Filtering
Vibe: Arbejde der får kurset til at se poleret ud, men som ikke opbygger studerendes muskler.

F - Formatting

At pudse pensum til, rette referencestile, sikre ensartede skrifttyper på tværs af dokumenter — dette arbejde betyder noget for professionalismen, men har aftagende afkast. Et kursusplan formateret til 80 % kvalitet tjener de studerende lige så godt som ét formateret til 100 %. De ekstra 20 % er ren FLUFF.

Eksempler:

  • Konvertering af referencer fra APA til Chicago eller MLA
  • Standardisering af overskriftsstile på tværs af kursusdokumenter
  • Oprydning af inkonsekvent punktformatering

L - Layouts

At designe visuelle bannere, perfektionere PowerPoint-slides, lave æstetisk tiltalende overskrifter — dette arbejde kan sluge timer med minimalt pædagogisk udbytte. Et funktionelt layout kommunikerer; et perfekt layout underviser ikke bedre.

Eksempler:

  • Oprettelse af kursusbannere eller visuelle overskrifter til LMS-sider
  • Perfektionering af slideæstetik og overgange
  • Design af infografik til indhold, der kunne forklares i tekst

U - Under-the-hood

Teknisk logistik, der holder kurser kørende, men ikke tilfører intellektuel værdi: reparation af ødelagte links, fejlfinding af filformater, opdatering af integrerede medier. Disse er nødvendige, men bør ikke forbruge din begrænsede kognitive energi.

Eksempler:

  • Reparation af ødelagte hyperlinks i kursusmaterialer
  • Konvertering af filer mellem formater (PDF til Word osv.)
  • Fejlfinding af LMS-indstillinger og adgangsrettigheder

F - Filing

Organisering af ustrukturerede data, kategorisering af kvalitativ feedback, oprydning af rodet karakterbøger. Dette arbejde er nødvendigt for velfungerende kurser, men er ren administration — ingen neurale forbindelser styrkes ved at alfabetisere en mappe.

Eksempler:

  • Kategorisering af åbne spørgeskemabesvarelser i temaer
  • Organisering af studerendes afleveringer i bedømmelsesmapper
  • Oprydning af regneark med karakterer eller fremmødedata

F - Filtering

Sortering af søgeresultater, scanning af lange artikler for specifikke citater, finding af mønstre i store datasæt. AI er fremragende til dette — den kan afsende hundredvis af sekundære forespørgsler og bringe relevante afsnit frem på sekunder. Brug det.

Eksempler:

  • Scanning af litteratur for at identificere relevante studier
  • Udtrækning af nøglecitater fra lange PDF’er
  • Finding af mønstre i studerendes feedback eller kursusevalueringer

Advarsel

Kritisk advarsel: AI-filtrering er kraftfuld, men farlig. AI-systemer er sandsynlighedsmotorer, ikke sandhedsmotorer. De kan hallucinere citater, opfinde kilder og præsentere fabrikeret information med fuldstændig selvtillid. Brug AI til at indsnævre feltet, men verificer altid det, den bringer frem. Filtrering er FLUFF; verifikation er SPARK.

FLUFF-tankegangen

Målet med FLUFF er ikke perfektion — det er tilstrækkelighed. Det er lavpraktiske opgaver med begrænset udbytte. Deleger dem til AI, acceptér “godt nok”, og genindvind timerne til det arbejde, der betyder noget.

Spørg dig selv før enhver opgave: er dette høstning eller såtid? Hvis høstning — hvis hastighed er en fordel, og yderligere indsats ikke giver yderligere værdi — lad AI håndtere det. Din kognitive energi er begrænset. Hold op med at bruge den på FLUFF.

1.3 SPARK: idéer der er værd at tænke

Hvis FLUFF repræsenterer arbejde, der er værd at uddelegere, repræsenterer SPARK idéer, der er værd at tænke — den menneskelige fordel, hvor investering giver ubegrænset udbytte. SPARK står for Specific, Persuasive, Authentic, Rigorous og Keen-Insight. Det er såningsaktiviteter: investeringer med risiko, men potentiale for transformativ vækst.

Tænk på det som forskellen mellem kapitel 1 og kapitel 2 i en lærebog. AI excellerer i kapitel 1 — det generelle, definitionerne, konsensussynet. Men kapitel 2 er der, det bliver interessant: de komplekse anvendelser, de kontroversielle fortolkninger, de nuancerede debatter. SPARK hører hjemme i kapitel 2. Det er der, menneskelig dømmekraft bliver uerstattelig.

SPARK: Specific, Persuasive, Authentic, Rigorous, Keen-Insight
Idéer der er værd at tænke — den menneskelige fordel, hvor investering giver ubegrænset udbytte.

S - Specific

Investering med potentielt højt afkast

AI høster generiske resuméer i høj hastighed. Men generiske resuméer er råvarer — alle har adgang til den samme AI-genererede oversigt. Den menneskelige fordel ligger i specifik, lokaliseret viden, som AI ikke let kan replikere: din institutions særlige studerendepopulation, din regions erhvervsbehov, din disciplins fremvoksende debatter.

Specificitet er en såningsaktivitet. Den kræver intellektuel risiko — at forpligte sig til særlige påstande om særlige kontekster frem for at gemme sig bag generaliteter. Men denne risiko bærer et højt potentielt afkast. En specifik indsigt forankret i lokal virkelighed er mere værd end tusinde generiske AI-resuméer.

SPARK i praksis: I stedet for at bede AI om en generel oversigt over arbejdsmarkedstendenser, invester tid i at forstå din regions specifikke arbejdsgiverbehov, dine studerendes særlige barrierer, dit programs unikke position. Det er såning, som AI ikke kan gøre for dig.

P - Persuasive

Kapitel 1 vs. kapitel 2 i lærebogen

AI holder sig i kapitel 1-modus — den dækker det grundlæggende, præsenterer afbalancerede oversigter, forbeholder sig med “på den ene side, på den anden side”. Det er nyttigt til at høste baggrundsinformation. Men for at nå ubegrænset udbytte må du trænge ind i kapitel 2-territoriet: de komplekse, kontroversielle og nuancerede anvendelser, hvor et overbevisende standpunkt er påkrævet.

Overbevisning kræver forpligtelse. Det betyder at tage et standpunkt og forsvare det, vel vidende at man kan tage fejl. AI undgår dette, fordi den er trænet til at være afbalanceret. Den menneskelige fordel ligger i modet til at sætte noget på spil.

SPARK i praksis: Når AI giver dig en afbalanceret oversigt over en pædagogisk debat, træd ind i kapitel 2. Hvad mener du faktisk? Hvilken evidens ville ændre din mening? Hvad er din overbevisende sag? Det er det arbejde, der former studerende og fremmer fagområder.

A - Authentic

At dyrke den unikke stemme

AI høster gennemsnittet. Den genererer statistisk sandsynligt indhold, som per definition er det mest almindelige, mest forventede, mest generiske svar. Autenticitet er en såningsaktivitet — at dyrke det unikke frem for at høste det typiske.

For undervisere betyder det at dyrke studerendes professionelle stemmer frem for at acceptere AI-genereret prosa. For dit eget arbejde betyder det at kultivere det perspektiv, den stil og de indsigter, der gør din undervisning særpræget værdifuld. Der er ingen grænse for værdien af en autentisk stemme.

SPARK i praksis: Når studerende afleverer skriftligt arbejde, er spørgsmålet ikke “genererede AI dette?” men “er der en særpræget menneskelig stemme her?” Vejled studerende i at udvikle deres autentiske perspektiv — en opgave, som AI ikke kan udføre, og som giver ubegrænset udbytte i deres professionelle liv.

R - Rigorous

At bevæge sig ud over lavpraktiske opgaver

En lavpraktisk opgave er at bede AI om et svar for at spare tid. En vækstopgave er den grundige revision af det svar. Den første er høstning; den anden er såning. Den første har begrænset udbytte; den anden opbygger den neural forbindelsesevne, der gør dig (og dine studerende) mere kompetente over tid.

Grundighed betyder at tjekke AI’s kilder, stille spørgsmål ved dens antagelser, kræve evidens for dens påstande. Det er en investering af indsats — langsommere end at acceptere AI-output for pålydende. Men hastighed er til høstning. Grundighed er den kamp, der producerer vækst.

SPARK i praksis: Når AI leverer information, behandl verifikation som det egentlige arbejde. Eksisterer citatet? Siger kilden faktisk det, AI påstår? Hvad ville ændre sig, hvis en nøgleantagelse var forkert? Denne grundighed er der, læringen sker — både for dig og for de studerende, du lærer at gøre det samme.

K - Keen-Insight

Det ubegrænsede udbytte af den menneskelige fordel

AI forudsiger det sandsynlige; mennesker formår at fornemme det ikke-oplagte. Keen-Insight repræsenterer det ultimative ubegrænsede udbytte — hvor én risikabel eller original idé kan forvandle et projekt, et kursus, en karriere.

Tag Michael Crow ved Arizona State University som eksempel. I løbet af det seneste årti har ASU brugt online- og hybridprogrammer til at åbne adgangen for ikke-traditionelle studerende — arbejdende voksne, omsorgspersoner og karriereskiftere, der ikke bare har mulighed for at flytte for at tage en uddannelse. Universitetets population af fuldstændigt-online studerende voksede fra ca. 400 studerende i 2010 til mere end 60.000 i 2020, med et offentligt erklæret mål om 100.000 online fuldtidsstuderende i midten af 2020’erne. I indledende kurser med højt optag, som fx College Algebra, øgede et adaptivt læringsdesign ved hjælp af ALEKS andelen af studerende, der opnåede C eller bedre, fra 57 % i 2012 til 85 % i 2019 — en samlet stigning på 17 procentpoint siden 2015 (Every Learner Everywhere, 2020). Crows strategi forvandlede ASU fra en regional institution til et af verdens største laboratorier for opskaleret online-læring.

SPARK i praksis: Når AI giver dig det sandsynlige svar, spørg: hvad kan være sandheder, som dataene ikke viser? Hvilke mønstre er ved at opstå, uden at have nået statistisk signifikans endnu? Hvad antyder din erfaring, der modsiger konsensus? Det er den menneskelige fordel — og det er der, den transformative værdi bor.

At samle det hele: fra FLUFF til SPARK

Overgangen fra FLUFF til SPARK er overgangen fra lavpraktisk arbejde til vækstarbejde, fra begrænset til ubegrænset udbytte, fra høstning til såtid. Begge er nødvendige. Fejlen er at forveksle dem.

Bruger du din kognitive energi på FLUFF, slider du dig selv op med arbejde, som maskiner kan klare — og efterlader intet til de idéer, der er værd at tænke. Deleger FLUFF til AI, og du genvinder timer til SPARK-arbejdet, der definerer en meningsfuld karriere indenfor uddannelse: de specifikke indsigter, de overbevisende argumenter, den autentiske vejledning, den grundige verifikation, de keen-insights, der forvandler den måde, studerende ser verden på.

For undervisere på erhvervs- og professionsuddannelser er denne skelnen særlig afgørende. Tekniske karriereprogrammer skal konstant opdatere læreplaner for at matche hurtigt skiftende branchestandarder. Den tid, du sparer på FLUFF, er tid, du kan bruge på at sikre, at dine studerende lærer de specifikke kompetencer, arbejdsgiverne faktisk har brug for, på at udvikle autentisk professionel dømmekraft og på at opbygge de grundige verifikationsvaner, der adskiller kompetente fagfolk fra resten.

Som vi vil se i næste kapitel, betyder det ligeså meget, hvordan du interagerer med AI, som hvad du uddelegerer til den. Grundlæggende promptning giver grundlæggende resultater. The Intelligent Gearbox-rammen viser, hvordan man skifter op til højere ydelse og kvalitet.

Kapitel 1: centrale pointer

  1. Skeln mellem høstning (lavpraktisk, begrænset udbytte) og såtid (vækstorienteret, ubegrænset udbytte).
  2. Deleger FLUFF til AI: Formatting, Layouts, Under-the-hood, Filing, Filtering.
  3. Reserver din kognitive energi til SPARK: Specific, Persuasive, Authentic, Rigorous, Keen-Insight.
  4. AI excellerer i “kapitel 1 - tænkning” (det grundlæggende, det generelle); mennesker ejer “kapitel 2 tænkningen” (det komplekse, nuancerede, kontroversielle).
  5. Verificer altid AI-filtrering — brug teknologien til at indsnævre feltet, men din grundighed er der hvor læringen sker.
  6. Målet er ikke at arbejde mindre — det er at investere din indsats der, hvor den giver ubegrænset udbytte.

Øvelser i Kap. 1s arbejdsark som ét dokument