Kapitel 4: The Intelligent Simpleton

Professionel tankegang 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 overvinde egobarrieren for at forblive relevant i en AI-gennemsyret virkelighed.

De tre foregående kapitler har behandlet den praktiske mekanik ved at arbejde med AI: hvad man uddelegerer, hvordan man prompter effektivt, og hvordan man designer læringsoplevelser, der opbygger frem for atrofierer kognitive muskler. Dette afsluttende kapitel adresserer noget mere grundlæggende — og vanskeligere.

Den største hindring for at trives i AI-alderen er ikke teknisk uvidenhed. Det er ikke manglende adgang til redskaber. Det er ikke engang modstand mod forandring. Den største hindring er ego — det dybt menneskelige behov for at fremstå kompetent, at blive set som ekspert, at fastholde identiteten som en, der ved.

Videregående uddannelse belønner “ved-det-hele-typen.” Undervisere ansættes for ekspertise, forfremmes for deres resultater og respekteres for beherskelse af deres felt. Hele den professionelle identitet er bygget på at vide det, andre ikke ved. Og nu — pludselig — skrider jorden under én. Teknologier, der ikke fandtes for fem år siden, transformerer, hvad det vil sige at være vidende. Den ekspert, der nægter at lære, risikerer at blive ekspert i forældelse.

Dette kapitel handler om at dyrke en anden identitet: lær-det-hele-typen. Det handler om at have modet til at spille “uvidende” i dag, så du kan forblive den lærde og velforberedte underviser i morgen. Det handler om at forstå, at den sande mester er elev for livet.

4.1 Egofælden

Ved-det-hele-problemet

Tænk på ekspertisens psykologi. År med studier, professionel praksis og undervisning skaber en professionel identitet centreret om viden. Du er den person i rummet, der har erfaringen, der forstår feltet, der kan besvare spørgsmålene. Studerende kommer til dig, fordi du ved. Kolleger bøjer sig for dig, fordi du ved. Dit værdibidrag er at vide.

Tænk nu på, hvad der sker, når en ny teknologi opstår, som du ikke forstår. Ved-det-hele-typen står over for et smertefuldt valg: erkend uvidenhed (hvilket truer den identitet, der er bygget op gennem årtier) eller afvis teknologien som uvæsentlig (og beskyt identiteten, men risikér irrelevans).

De fleste vælger den anden mulighed. De finder grunde til, at det nye er overhypet, at det ikke gælder for deres felt, at ægte ekspertise ikke kan replikeres af maskiner. Disse grunde kan endda delvist være sande. Men de er også defensive — en måde at beskytte egoet mod ubehaget ved at være begynder igen.

Tjeklistelektionen

Kirurger er måske arketypen på ved-det-hele-eksperten. De behersker anatomi, farmakologi og kirurgiske teknikker gennem et årtis hårdt arbejde. Alligevel forblev kirurgiske komplikationer og dødsfald vedvarende høje — selv som medicinen blev mere kompleks. Hvorfor? Fordi selv den mest brillante kirurg ikke kan fastholde ethvert detalje af komplekse procedurer i arbejdshukommelsen, og ingen enkeltperson kan forudse alle fejlpunkter i teambaserede operationer.

Harvard-kirurgen Atul Gawande diagnosticerede problemet: det handlede ikke om manglende viden — det handlede om manglende evne til at anvende viden pålideligt. Løsningen var overraskende enkel: en tjekliste med 19 punkter, der bruges før, under og efter operationen. Dette “uintelligente” redskab tvang kirurger til at holde pause, kommunikere med teams, bekræfte kritiske trin og dobbelttjekke for fejl.

Resultaterne var forbløffende. På WHO’s pilothospitaler i otte lande faldt alvorlige komplikationer med 36 % og dødsfald med 47 % (Haynes et al., 2009). Senere studier bekræftede: fuld implementering af tjeklisten reducerede postoperativ dødelighed med 22 % (Haynes et al., 2017). Tjeklisten erstattede ikke ekspertisen — den beskyttede den og forvandlede ved-det-hele-kirurger til lær-det-hele-teams, der var parate til at omfavne systematisk ydmyghed.

Parallellen til uddannelse er præcis. AI-redskaber som tjeklister, prompts og rammer formindsker ikke ekspertise — de kanaliserer den mere pålideligt. Den underviser, der omfavner disse redskaber, indrømmer ikke utilstrækkelighed; de anerkender, at selv eksperter drager fordel af systemer, der sikrer konsistent anvendelse af det, de ved.

“Hvis du tager to mennesker, den ene en ved-det-hele-type og den anden en lær-det-hele-type, klarer lær-det-hele-typen sig bedre end ved-det-hele-typen.”
Satya Nadella, CEO for Microsoft (Bloomberg Businessweek, 2016)

Hjerneforskningen om læring

Lær-det-hele-tankegangen er ikke blot inspirerende råd. Den afspejler, hvordan hjernen faktisk fungerer. Neuroplasticitet — hjernens evne til at danne nye neurale forbindelser og reorganisere eksisterende — sker ikke, når vi er komfortable. Den sker ved vækstpunktet, når vi kæmper, begår fejl og føler os usikre.

Forskning fra Harvard-neurovidenskabsmanden Sara Lazar og andre har vist, at vedvarende engagement med mindfulness-praksis fysisk forandrer hjernen. Efter otte ugers bevidst praksis udviste forsøgspersoner målbare stigninger i hippocampal grå substans og en reduktion i amygdala-tæthed relateret til stress (Hölzel et al., 2011). Ubehaget ved ikke-at-vide er ikke en hindring for læring — det er den biologiske betingelse for læring.

Dette har dybe implikationer for, hvordan vi bør forholde os til AI. Følelsen af at være fortabt, forvirret eller akavet usikker, når man konfronterer ny teknologi, er ikke et tegn på utilstrækkelighed. Det er den neurologiske signatur på vækst. Hjernen arbejder hårdt netop fordi den er ved at bygge nye baner. Eksperten, der undgår dette ubehag, undgår netop den proces, der skaber ekspertise.

At leve ved vækstpunktet

Egofælden er særligt lumsk, fordi den føles som selvbeskyttelse. At indrømme uvidenhed føles risikabelt. At stille grundlæggende spørgsmål føles pinligt. At kæmpe offentligt føles ydmygende. Ved-det-hele-identiteten tilbyder beskyttelse: bliv inden for dit felt, tal kun om det, du allerede forstår, projekter selvtillid til enhver tid.

Men denne beskyttelse har en pris. Ved-det-hele-typen holder op med at vokse. De bliver ekspert inden for et stadig snævrere domæne, mens verden forandrer sig omkring dem. De optimerer for at se godt ud frem for at blive bedre. Og i en æra med hurtig teknologisk forandring er den person, der holder op med at lære, den person, der bliver forældet.

Alternativet er bevidst at søge vækstpunktet — regelmæssigt at sætte sig selv i situationer, hvor man ikke kender svarene, hvor man må stille grundlæggende spørgsmål, hvor man føler sig som begynder. Det er ubehageligt. Det er også den eneste vej til fortsat vækst.

4.2 Ud over egoet: autenticitets- og institutionelle barrierer

Egobarrieren er ikke den eneste hindring, undervisere møder. To yderligere barrierer fortjener opmærksomhed: autenticitetsbarrieren og den institutionelle barriere. Hver kræver forskellige strategier at overvinde.

Autenticitetsbarrieren

Mange undervisere modstår AI ikke af ego men af en ægte bekymring om autenticitet. Hvis AI kan generere pensum, udkaste feedback og producere kursusmaterialer, hvad er der så tilbage, der er distinkt deres? Frygten handler ikke om at fremstå uvidende — den handler om at miste det menneskelige element, der gør undervisning meningsfuld.

Denne bekymring fortjener respekt. Undervisning på sit bedste er dybt personlig. Den måde, du forklarer et begreb, de historier du fortæller, de forbindelser du skaber mellem idéer — disse afspejler årtiers akkumuleret erfaring og ægte passion for dit fag. Når AI kan producere en brugbar version af næsten alt, hvad er så værdien af din særlige stemme?

Svaret ligger i at forstå, hvad autenticitet faktisk betyder. Autenticitet handler ikke om at gøre alt selv. En kok, der bruger en foodprocessor, er ikke mindre autentisk end én, der hakker i hånden. En musiker, der bruger et digitalt lydstudio, er ikke mindre autentisk end én, der optager på bånd. Autenticitet ligger i dømmekraften, æstetiksk sans, kurateringen — ikke i den manuelle udførelse af hver opgave.

Når du bruger AI til at udkaste et pensum og derefter omformer det til at afspejle din pædagogiske filosofi, er du autentisk. Når du beder AI om at generere eksempler og derefter vælger dem, der vil resonere med dine særlige studerende, er du autentisk. Når du lader AI håndtere formateringen, så du kan bruge mere tid i vejledertimer med kæmpende studerende, er du mere autentisk — du investerer din menneskelige opmærksomhed, der hvor det betyder mest.

Autenticitetsbarrieren opløses, når du erkender, at brug af AI med omtanke i sig selv er et udtryk for faglig dømmekraft. Spørgsmålet er ikke, om du bruger redskaber, men om det endelige resultat afspejler dine værdier, tjener dine studerende og fremmer ægte læring. Den afgørelse forbliver fuldstændig, autentisk din.

Den institutionelle barriere

Selv undervisere, der har overvundet ego- og autenticitetsbarriererne, kan stå over for en tredje hindring: institutionel modstand. Politikker kan forbyde AI-brug. Kolleger kan misbillige. Administratorer kan sende blandede signaler — opfordre til innovation, mens de straffer alt, der ligner genveje.

Den institutionelle barriere er reel, men ofte mindre solid, end den ser ud. De fleste institutionelle politikker om AI er stadig under udformning. Den underviser, der engagerer sig eftertænksomt med AI — der kan formulere klare principper for, hvornår og hvordan man bruger det — har ofte mere indflydelse på fremvoksende politik, end de er klar over.

Flere strategier hjælper med at navigere institutionel usikkerhed:

Dokumentér dit ræsonnement. Når du bruger AI til en opgave, skal du kunne forklare, hvorfor den opgave var passende at uddelegere, og hvordan du sikrede kvaliteten. “Jeg brugte AI til at udkaste formateringen og gennemgik derefter personligt hvert citat” er et forsvarligt standpunkt.
Fokusér på studenterresultater. Institutioner bekymrer sig i sidste ende om, hvorvidt studerende lærer. Hvis brug af AI til administrative opgaver frigiver dig til at give mere meningsfuld feedback, er det et studerendecentreret argument.
Del dine praksisser åbent. Den underviser, der eksperimenterer privat og håber, ingen lægger mærke til det, er sårbar. Den underviser, der dokumenterer sine AI-praksisser og deler resultater med kolleger, former samtalen.
Skeln mellem studerendes brug og underviserens brug. Institutionelle bekymringer om AI sammenblander ofte disse kategorier. Du kan opretholde strenge standarder for studerendes arbejde, mens du bruger AI til at støtte din egen faglige produktivitet.
Forbind til institutionelle prioriteter. De fleste institutioner er under pres vedrørende effektivitet, tilgængelighed og innovation. Indram dine AI-praksisser i termer af, hvordan de fremmer institutionelle mål, ikke blot personlig bekvemmelighed.

Den institutionelle barriere afspejler ofte usikkerhed mere end modstand. Administratorer venter på at se, hvad eftertænksom AI-brug ser ud som. Undervisere, der modellerer det godt — transparent, etisk, med klare fordele for studerende — finder ofte mere institutionel støtte, end de forventede.

4.3 At omfavne lær-det-hele-kulturen

At give sig selv tilladelse til ikke at vide

Det første skridt er indre: at give sig selv tilladelse til at være uvidende. Dette lyder enkelt, men kræver at overvinde års konditionering. Undervisere er trænet til at projicere ekspertise. At indrømme “Jeg forstår ikke dette” føles som faglig fiasko.

Redefiner det. At sige “Jeg ved det ikke” om ny teknologi er ikke en indrømmelse af utilstrækkelighed — det er en præcis beskrivelse af virkeligheden, der skaber muligheden for læring. Alternativet — at lade som om man forstår det, man ikke gør — lukker den mulighed fuldstændig.

Tænk over: enhver ekspert var engang begynder. Hvert domæne, du nu behersker, var engang forvirrende og fremmed. Du lærte det ved at tolerere ubehaget ved ikke-at-vide længe nok til, at forståelsen kunne udvikle sig. AI er ikke anderledes. Vejen til kompetence løber igennem inkompetence. Der er ingen vej udenom.

Praksis: AI som frirum

Her er en konkret praksis til at udvikle lær-det-hele-tankegangen. Identificér et emne, du forventes at kende — noget kolleger antager, du forstår, noget det måske ville være pinligt at indrømme uvidenhed om. Det kan være en ny teknologi, en metodologi fra et tilstødende felt, en teoretisk ramme, der er blevet indflydelsesrig.

Brug derefter AI som privat tutor. Bed den om at forklare emnet, som om du var ti år gammel. Stil opfølgningsspørgsmål. Bed om enklere forklaringer, når du ikke forstår. Udforsk grundlaget uden nogen bekymring for, hvordan spørgsmålene kan fremstå over for andre.

AI tilbyder noget sjældent: et frirum for læring. Den vil ikke tænke dårligere om dig for at stille elementære spørgsmål. Den vil ikke sladre til kolleger om dine videnshuller. Den vil tålmodigt forklare, forklare igen og forklare endnu en gang, indtil du forstår. Dette er ikke en erstatning for menneskelig læring — det er et supplement, der fjerner de sociale barrierer, der ofte forhindrer voksne i at stille de “dumme” spørgsmål, der fører til ægte forståelse.

Lær-det-hele-praksis

  1. Identificér et emne, du “burde” kende men ikke fuldt ud forstår
  2. Åbn en privat AI-samtale
  3. Spørg: “Forklar [emne] for mig, som om jeg er 10 år gammel”
  4. Stil ethvert opfølgningsspørgsmål, uanset hvor grundlæggende
  5. Bed om enklere forklaringer, indtil ægte forståelse opstår
  6. Gentag ugentligt med nye emner

Eksempelprompts til The Intelligent Simpleton

Følgende prompts er designet til at sænke egobarrieren og skabe ægte læringsøjeblikke:

“Jeg er flov over at indrømme, at jeg ikke rigtig forstår [emne]. Kan du forklare det absolutte grundlag, startende fra nul?”
“Alle i mit felt taler om [begreb], som om det er indlysende, men jeg har aldrig fuldt ud forstået det. Gennemgå det for mig trin for trin.”
“Jeg har brug for at forstå [teknologi] godt nok til at forklare det for mine studerende. Antag, at jeg ikke ved noget. Hvad er de tre vigtigste ting at forstå først?”
“Den forklaring forvirrer mig stadig. Kan du gøre det endnu enklere? Brug en analogi fra hverdagslivet.”
“Hvilke spørgsmål burde jeg stille om [emne], som jeg sandsynligvis ikke tænker på at stille?”

Bemærk, at disse prompts eksplicit anerkender uvidenhed. Det er bevidst. At indramme spørgsmål på denne måde signalerer til AI (og til dig selv), at målet er forståelse, ikke præstation.

At lære studerende den samme tankegang

Lær-det-hele-tankegangen er ikke kun for undervisere. Studerende møder de samme egobarrierer, ofte forstærket af socialt pres. At stille et “dumt” spørgsmål i et stort auditorium føles risikabelt. At indrømme forvirring over for medstuderende føles pinligt. Mange studerende ville hellere forblive forvirrede i tavshed end udsætte deres uvidenhed offentligt.

AI tilbyder studerende den samme gave, som den tilbyder undervisere: et privat rum til at stille grundlæggende spørgsmål uden vurdering. Opfordr studerende til at bruge AI som personlig tutor til begreber, de ikke forstod i undervisningen. Lær dem, at det at bede om enklere forklaringer ikke er et tegn på svaghed men en læringsstrategi. Modellér adfærden selv ved at dele dine egne læringsrejser med nye teknologier.

Målet er at normalisere kontinuerlig læring på alle niveauer. Hvis studerende ser deres undervisere indrømme uvidenhed med selvtillid og aktivt søge forståelse, lærer de, at ekspertise ikke er en fast tilstand men en kontinuerlig proces. Dette er måske den mest værdifulde lektie af alle.

Fokus på det, AI ikke kan erstatte

Lær-det-hele-tankegangen fører naturligt til et spørgsmål: hvad bør vi lære? Hvis AI nu kan udføre mange kognitive opgaver, der tidligere krævede menneskelig ekspertise, hvor bør undervisere så fokusere deres faglige udvikling?

Forskning i AI-sikre kompetencer peger på flere områder:

Emotionel intelligens: empati, medfølelse og evnen til at opbygge ægte menneskelig forbindelse. Tillid opnås af mennesker, ikke AI; selv når et AI-system kan opdage lungekræft fra CT-scanninger med ca. 94 % nøjagtighed, rapporterer patienter stadig højere tillid til udelukkende menneskelig diagnose end til læger, der bruger AI-assistance (Ardila et al., 2019; Chen & Cui, 2025).
Vurdering under usikkerhed: evnen til at træffe beslutninger, når variabler ændrer sig og data er ufuldstændige. Et 10-årigt studie af 17.000 ledere viste, at topperformaterne excellerer ved afgørende handling under usikkerhed — en kompetence, der kræver at integrere analytiske, emotionelle, kulturelle, moralske og politiske overvejelser simultant (Botelho, Powell, Kincaid & Wang, HBR, maj 2017; se også The CEO Next Door, Currency, 2018).
Kreativ intuition: at fornemme mønstre og muligheder, der ligger uden for dataene. Michael Crow lancerede ASU Online imod alle optageforudsigelser, fordi han fornemde et skift mod tilgængelig uddannelse for ikke-traditionelle studerende. Dataene sagde, det ville mislykkes; hans indsigt forvandlede et regionalt universitet til en global leder.
Tjenende lederskab: evnen til at inspirere, vejlede og bringe det bedste frem i andre. Teams af mennesker og AI vil have brug for mennesker, der kan orkestrere samarbejde, give mening og opretholde moral.

Disse kompetencer har noget til fælles: de kan ikke udvikles ved at læse om dem. De kræver øvelse, feedback og villighed til at fejle offentligt. Lær-det-hele-tankegangen er ikke blot nyttig til at forstå AI — den er afgørende for at udvikle de menneskelige kapaciteter, som AI gør mere værdifulde.

4.4 Modet til at spille uvidende

Der er et paradoks i hjertet af ekspertise: jo mere du ved, jo sværere bliver det at indrømme, hvad du ikke ved. Eksperten har mere at miste. Omdømmet er større, identiteten mere indgroet, egoet mere investeret i at opretholde antydningen af kompetence.

Og alligevel er eksperten, der ikke formår at blive begynder igen, en ekspert med en udløbsdato. Viden har aldrig forandret sig hurtigere end nu. Den underviser, der forstod de teknologiske mekanismer for fem år siden, kan i dag være dybt forældet. Den, der forstod teknologi for ti år siden, taler måske et uddødt sprog i dag.

Det eneste holdbare svar er at omfavne lær-det-hele-identiteten — at være den slags person, der altid er studerende, uanset akademiske kvalifikationer eller resultater. Dette kræver mod. Det betyder at stille spørgsmål, der måske afslører uvidenhed. Det betyder at tolerere ubehaget ved forvirring. Det betyder at spille uvidende for at opnå fremtidig visdom.

Dette betyder ikke febrilsk at jagte enhver ny udvikling. Presset om konstant at lære og tilpasse sig kan i sig selv blive overvældende — særligt for undervisere på erhvervs- og professionsuddannelser, der skal opdatere læreplaner for at matche hurtigt skiftende branchestandarder, samtidigt med at de har fuld undervisningsbyrde. Lær-det-hele-typen opretholder åbenhed og ydmyghed til at lære, når læring er nødvendig, og har samtidig visdommen til at vide, hvad der virkelig betyder noget. Ikke enhver teknologiannoncering fortjener din opmærksomhed. Ikke ethvert brancheskift kræver øjeblikkelig reaktion. Hold pause. Observer, om dette er en varig forandring eller en kortvarig tendens. Fortsæt derefter med intention, ikke impuls. Brug FLUFF/SPARK-rammen til at uddelegere det, der kan uddelegeres, så din læringsenergi går, der hvor det tæller.

Hav modet til at spille uvidende i dag så du kan være den lærde og velforberedte lær-det-hele-underviser i morgen.
Den sande mester er elev for livet.

Gennem hele menneskehedens historie har vi stået over for teknologiske forstyrrelser, der syntes overvældende i øjeblikket. Vi lærte at kontrollere ild, udnytte elektricitet og spalte atomet. Hver overgang krævede, at vi aflagde gamle antagelser og opbyggede nye evner. AI er det seneste kapitel i denne igangværende fortælling.

Den samme art, der navigerede disse tidligere overgange, vil navigere denne. De undervisere, der omfavner lær-det-hele-tankegangen, vil ikke blot overleve AI-transformationen — de vil hjælpe med at forme den, guide deres studerende igennem den og fremstå med kapaciteter, de endnu ikke kan forestille sig. Fremtiden tilhører dem, der bliver ved med at lære.

Kapitel 4: centrale pointer

  1. Den største hindring for læring i AI-alderen er ego — behovet for at fremstå som en ved-det-hele-type.
  2. Ud over egoet møder undervisere autenticitetsbarrierer (“hvad er der tilbage, der er mit?”) og institutionelle barrierer (politisk usikkerhed).
  3. Autenticitet ligger i dømmekraft og kuratering, ikke i manuel udførelse. At bruge AI eftertænksomt er i sig selv faglig dømmekraft.
  4. Neuroplasticitet sker ved vækstpunktet — at føle sig forvirret er betingelsen for vækst, ikke en hindring.
  5. Brug AI som et frirum: bed den om at “forklare som om jeg er 10” om emner, du formodes allerede at kende.
  6. Fokusér på AI-sikre kompetencer: emotionel intelligens, vurdering under usikkerhed, kreativ intuition, tjenende ledelse.
  7. Hav modet til at spille uvidende i dag, så du kan være den lærde og velforberedte lær-det-hele-underviser i morgen. Den sande mester er elev for livet.

Øvelser i Kap. 4s arbejdsark som ét dokument

Referencer

Ardila, D., Kiraly, A. P., Bharadwaj, S., Choi, B., Reicher, J. J., Peng, L., Tse, D., Etemadi, M., Ye, W., Corrado, G., Naidich, D. P., & Shetty, S. (2019). End-to-end lung cancer screening with three-dimensional deep learning on low-dose CT. Nature Medicine, 25, 954–961. https://doi.org/10.1038/s41591-019-0447-x

Botelho, E. L., Powell, K. R., Kincaid, S., & Wang, D. (2017, maj). What sets successful CEOs apart. Harvard Business Review. https://hbr.org/2017/05/what-sets-successful-ceos-apart

Botelho, E. L., & Powell, K. R. (2018). The CEO next door: The 4 behaviors that transform ordinary people into world-class leaders. Currency.

Chen, C., & Cui, Z. (2025). Impact of AI-assisted diagnosis on American patients’ trust in and intention to seek help from health care professionals: Randomized, web-based survey experiment. Journal of Medical Internet Research, 27, e66083. https://doi.org/10.2196/66083

Every Learner Everywhere. (2020). Arizona State University: Scaling student success with adaptive courseware (Case study). https://www.everylearnereverywhere.org

Haynes, A. B., Weiser, T. G., Berry, W. R., Lipsitz, S. R., Breizat, A. H. S., Dellinger, E. P., Herbosa, T., Joseph, S., Kibatala, P. L., Lapitan, M. C. M., Merry, A. F., Moorthy, K., Reznick, R. K., Taylor, B., & Gawande, A. A. (2009). A surgical safety checklist to reduce morbidity and mortality in a global population. New England Journal of Medicine, 360(5), 491–499. https://doi.org/10.1056/NEJMsa0810119

Haynes, A. B., Edmondson, L., Lipsitz, S. R., Molina, G., Neville, B. A., Singer, S. J., Moonan, A. T., Childers, A. K., Foster, R., Gibbons, L. R., Gawande, A. A., & Berry, W. R. (2017). Mortality trends after a voluntary checklist-based surgical safety collaborative. Annals of Surgery, 266(6), 923–929. https://doi.org/10.1097/SLA.0000000000002249

Hölzel, B. K., Carmody, J., Vangel, M., Congleton, C., Yerramsetti, S. M., Gard, T., & Lazar, S. W. (2011). Mindfulness practice leads to increases in regional brain gray matter density. Psychiatry Research: Neuroimaging, 191(1), 36–43. https://doi.org/10.1016/j.pscychresns.2010.08.006

Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X. H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv preprint arXiv:2506.08872. https://arxiv.org/abs/2506.08872

Nadella, S. (2016, 4. august). The learn-it-all does better than the know-it-all [Interview]. Bloomberg Businessweek. https://www.bloomberg.com/news/articles/2016-08-04/microsoft-ceo-satya-nadella-on-his-plans-for-a-comeback