Arbejdsark kap. 2: The Intelligent Gearbox

Sektion A: Grundlaget

Aktivitet 01 — AI som sandsynlighedsmotor

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion A: Grundlaget

📍 Begreb

De fleste undervisere nærmer sig AI som en højhastighedsregnemaskine — en mental model, der producerer frustration. En lommeregner opererer med sikkerhed: 47 × 23 returnerer altid 1.081. AI opererer med sandsynlighed: den forudsiger den statistisk mest sandsynlige ordsekvens baseret på mønstre fra træningsdata. Den er en sandsynlighedsmotor — beskæftiget med statistisk forudsigelse frem for faktuel genfinding. Den kontekst, du leverer, former alt: vage prompts producerer vagt output.

▶ Opgave

Foretag en diagnostisk gennemgang af en virkelig opgave, hvor du behandlede AI som “faktatjekker” og modtog middelmådige resultater.
Omskriv prompten med eksplicit kontekst, rolle og fagspecifikke begrænsninger.
Sammenlign, hvad der ændrede sig.

✏️ Svarfelt

Den originale prompt jeg brugte (eller en tilnærmelse):

Hvilke “mønstre” eller kontekst manglede i den prompt?

Min omskrevne prompt med tilføjet kontekst, rolle og fagspecifikke begrænsninger:

Hvad forventer jeg vil ændre sig i outputtet? Hvorfor?

Aktivitet 02 — Det forkerte gear — diagnosen

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion A: Grundlaget

📍 Begreb

Enhver, der har kørt manuel gearkasse, kender lyden af det forkerte gear: første gear på motorvejen — motoren skriger, mens man kravler frem. AI-promptning følger samme logik. En énlinje-prompt til en kompleks opgave producerer overfladigt, generisk output. At overingeniøre en prompt til en triviel opgave spilder tid og forvirrer modellen. Effektiv AI-brug betyder at matche gear til opgave, hver gang.

▶ Opgave

Identificér en højkompleks opgave, hvor du brugte en énlinje-prompt og modtog overfladigt output. Beskriv outputtet.
Identificér, hvilket specifikt gear og hvilken yderligere kontekst opgaven faktisk krævede.

✏️ Svarfelt

Opgaven	Gear jeg brugte	Output jeg fik	Gear den faktisk krævede	Manglende kontekst

Hvad er mit “standardgear” — det jeg automatisk griber til? Hvornår bliver det et problem?

Aktivitet 03 — Den studerendes plads

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion A: Grundlaget

📍 Begreb

Den studerendes oplevelse af en vag opgaveinstruktion er strukturelt identisk med AI’s oplevelse af en zero-shot-prompt. Begge tvinges til at gætte. Begge udfylder huller med generiske mønstre fra tidligere erfaringer. Begge producerer output, der frustrerer den person, der gav instruktionen. Problemet er næsten aldrig intelligens. Det er næsten altid design.

▶ Opgave

Trin 1: Forsøg uden yderligere kontekst at besvare denne zero-shot-instruktion: “Skriv en kritisk analyse af en betydelig udvikling inden for dit felt.”
Trin 2: Notér alle antagelser, du måtte gøre. Hvad ville have hjulpet dig med at producere et stærkere svar?
Trin 3: Kortlæg hvert element, der ville have hjulpet, til det tilsvarende promptningsgear.

✏️ Svarfelt

Hvilke antagelser måtte jeg gøre for overhovedet at begynde denne opgave?

Hvad ville have hjulpet mig	Tilsvarende promptningsgear	Hvordan jeg vil tilføje dette til mine egne opgaveinstruktioner

Hvad afslører denne øvelse om de opgaver, jeg i øjeblikket giver studerende?

Sektion B: Skift gennem gearene

Aktivitet 04 — Første gear: One-Shot-promptning

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene · Gear 1

📍 Begreb

Et enkelt eksempel transformerer opgaven fra “opfind en stil” til “match denne stil.” AI er langt mere pålidelig ved replikering end ved opfinding. I stedet for at bede AI om at gætte viser du den, hvad succes ser ud som — og forankrer modellens forudsigelser til din professionelle stemme og dine faglige konventioner.

▶ Opgave

Vælg en specifik feedbackstil eller kommunikationsform, du anvender regelmæssigt.
Udkast til en komplet One-Shot-prompt med din kontekstsætning plus ét guldstandard-eksempel fra dit eget tidligere arbejde.

✏️ Svarfelt

PROMPT-SKABELON

Kontekst: Jeg er underviser i [DIT FAGOMRÅDE] på [INSTITUTIONSTYPE].

Jeg skal skrive [OPGAVE].

Match tonen, strukturen og stemmen i følgende eksempel præcist.

EKSEMPEL (indsæt dit guldstandard-eksempel her):

[Dit eksempel her]

Producér nu en ny version for: [NY SPECIFIK ANMODNING]

Mit guldstandard-eksempel (det eksempel, jeg ville indsætte):

Hvad signalerer dette eksempel specifikt til AI, som en Zero-Shot-prompt ikke kan?

Aktivitet 05 — Andet gear: Few-Shot-forankring

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene · Gear 2

📍 Begreb

Tre eller flere eksempler giver AI grænser — skinner, der kanaliserer sandsynlighedsmotoren mod output, der er konsistente med dine faktiske standarder frem for statistiske gæt. Tre eksempler er minimum for pålidelig mønsterudtrækning. Flere eksempler øger konsistensen og reducerer hallucinationer, særligt ved komplekse opgaver.

▶ Opgave

Vælg en kompleks bedømmelses- eller feedbackopgave.
Identificér tre adskilte “succesfulde” eksempler fra dit tidligere arbejde, der tilsammen afslører mønsteret i din faglige grundighed.
Skriv den “forklar mønsteret”-kommando, du vil bruge til at verificere, at AI har forstået dine eksempler.

✏️ Svarfelt

Eksempel nr.	Hvad det repræsenterer (det mønster, det bidrager med)	Hvad der ville gøre det til et svagt eksempel

PROMPT-SKABELON

Inden du genererer noget nyt, forklar det mønster, du ser på tværs af disse tre eksempler. Specifikt:

— Hvad gør hvert eksempel højtprioriteret?

— Hvilke konsistente standarder eller kriterier optræder i alle tre?

— Hvad ville et fjerde eksempel skulle indeholde for at matche dette mønster?

Generer ikke det fjerde eksempel endnu. Forklar kun mønsteret.

Hvilket mønster forventer jeg, at AI identificerer? Hvad kan den overse?

Aktivitet 06 — Hallucinations-forsvaret

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene

📍 Begreb

Hallucination er ikke en fejl — det er den logiske konsekvens af, hvordan AI fungerer. Når modellen mangler tilstrækkelig kontekst, udfylder den hullet med statistisk plausibelt indhold: opfundne citater, falske statistikker, ikke-eksisterende retssager. AI præsenterer det hele med den samme selvsikre tone som verificerede fakta. Modgiften er begrænsninger: specifikke instruktioner, der begrænser modellens forudsigelser til det, du kan verificere.

▶ Opgave

Identificér et scenarie inden for dit specifikke fag, hvor en uopdaget hallucination ville forårsage faglig skade.
Design tre specifikke promptbegrænsninger, der ville forhindre hallucinationen i at opstå.

✏️ Svarfelt

Det højtprioriterede scenarie inden for mit fag:

Begrænsning	Hvilken hallucination den forhindrer	Hvordan jeg vil formulere den i en prompt

Hvordan ville jeg lære studerende at opbygge deres egne hallucinations-begrænsninger?

Aktivitet 07 — Hallucinations-obduktionen

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene

📍 Begreb

Hallucinationer er abstrakte, indtil man har oplevet én inden for sit eget fag. Fejltilstanden er systematisk, ikke en studerendes karakterbrist. Undervisere, der selv har oplevet en fagspecifik hallucination, fremfører langt mere effektive argumenter til studerende om verifikation end undervisere, der blot har læst om fænomenet.

▶ Opgave

Trin 1: Giv et AI-system en zero-shot-prompt om et smalt, specialiseret emne i dit fag — ét, hvor du straks ville opdage en fabrikation (f.eks. bed om tre nylige fagfællebedømte kilder, en specifik retssag eller en teknisk specifikation).
Trin 2: Verificér hvert specifikt udsagn, citat eller statistik AI producerede.
Trin 3: Dokumentér dine fund nedenfor. Hvis ingen hallucination opstod, prøv en mere specifik forespørgsel.

✏️ Svarfelt

Min zero-shot-prompt og det emne, jeg valgte:

AI’s udsagn eller citat	Verificeret? (Ja / Nej / Delvist)	Hvad var forkert eller fabrikeret

Én specifik promptbegrænsning, der ville have forhindret den mest alvorlige fabrikation:

Hvordan vil jeg bruge denne erfaring, når jeg forklarer AI’s begrænsninger for mine studerende?

Aktivitet 08 — Tredje gear: tankekæderæsonnering

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene · Gear 3

📍 Begreb

“Tænk trin for trin” tvinger modellen til at generere mellemliggende ræsonnement frem for at springe til konklusioner. Du bedømmer ikke længere et resultat — du reviderer en proces. Dette er også den pædagogiske model for at lære studerende at gøre deres eget ræsonnement synligt.

▶ Opgave

Tag et flertrinsproblem eller analytisk opgave fra dit kursus.
Skriv en tankekæde-prompt, der eksplicit forbyder AI at give et endeligt svar, inden den har begrundet sin logik for hvert mellemliggende trin.
Identificér det specifikke trin, hvor du mest forventer fejl vil opstå.

✏️ Svarfelt

PROMPT-SKABELON

Giv mig ikke et endeligt svar endnu.

Identificér først de [ANTAL] vigtigste overvejelser eller delproblemer involveret i [OPGAVE/PROBLEM].

For hvert enkelt, forklar dit ræsonnement inden du går til det næste.

Markér ethvert trin, hvor du er usikker, eller hvor evidensen er tvetydig.

Først efter at have gennemført alle trin: giv din endelige anbefaling, og forklar, hvilket mellemliggende trin der mest påvirkede din konklusion.

Min tankekæde-prompt (tilpasset mit fag / problemtype):

Det trin, hvor jeg mest forventer fejl at opstå, og hvorfor:

Aktivitet 09 — Fjerde gear, overdrive: agentisk uddelegering

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene · Gear 4

📍 Begreb

I overdrive behandler du AI som et specialiseret teammedlem: en forskningsanalytiker, en skeptisk fagfællebedømmer, en fjendtlig eksaminator. Rolle–Kontekst–Mission-strukturen (RKM) er den professionelle ramme: tildel rollen, giv relevant kontekst, definer missionen med specifikke leverancer. Det er uddelegering, ikke blot en anmodning.

▶ Opgave

Konstruér en komplet RKM-prompt for en “Skeptisk Fagfællebedømmer”-agent inden for dit fag.
Specificér de præcise kritiske linser den skal anvende og det præcise leveranceformat.

✏️ Svarfelt

PROMPT-SKABELON

ROLLE: Agér som [SPECIFIK ROLLE med credentials/perspektiv].

KONTEKST: Jeg vil dele [DOKUMENT/ARBEJDE]. Dit formål er IKKE at være støttende. Dit formål er at identificere svagheder inden indlevering.

MISSION: Gennemgå det vedlagte arbejde og producér:

[LEVERANCE 1]
[LEVERANCE 2]
[LEVERANCE 3]

Formater dit svar som: [SPECIFICÉR FORMAT]

Min komplette RKM-prompt (tilpasset mit fag og et virkeligt fagligt brugsscenarie):

Hvilket specifikt fagligt resultat hjælper denne agent mig med at opnå, som jeg i øjeblikket gør manuelt?

Aktivitet 10 — Gearvælgeren

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene

📍 Begreb

Det rigtige gear er ikke altid det højeste gear. Spørgsmålet at stille inden enhver AI-opgave: “Hvad har modellen brug for for at producere output, jeg faktisk ville stole på fagligt?” Over-engineering spilder tid; under-engineering producerer overfladigt output.

▶ Opgave

Klassificér hver af opgaverne i tabellen nedenfor efter det gear, du ville bruge, og din begrundelse.
Tilføj to opgaver specifikke for dit eget fag og klassificér dem også.

✏️ Svarfelt

Opgave	Gear (0–4)	Vigtigste begrundelse for dette gear
Udkast til en feedback-e-mail til en studerende om sen aflevering
Opbygning af en semesterlang stilladserings-plan for et nyt kursus
Verificering af, om et citeret studie faktisk understøtter en påstand
Oprettelse af en rubrik til et multimodalt afsluttende projekt
Analyse af læreplan-alignment på tværs af et helt program
Generering af en liste med diskussionsspørgsmål til næste uges læsning
Skrivning af et bevillingssøgningsnarrativ
Min fagspecifikke opgave nr. 1:
Min fagspecifikke opgave nr. 2:

Hvor overraskede mit gearvalg mig? Hvor valgte jeg et højere gear af angst frem for nødvendighed?

Aktivitet 11 — Persona-kalibrerings-testen

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion B: Skift gennem gearene

📍 Begreb

Den samme anmodning sendt til tre forskellige personas producerer tre fundamentalt forskellige dokumenter. En “støttende udviklingsredaktør” producerer anderledes output end en “senior fagfællebedømmer.” At vide, hvilken persona man vælger, er en faglig kompetence, ikke en standardindstilling.

▶ Opgave

Skriv den samme faglige anmodning til tre forskellige agentpersonas. Brug en virkelig opgave fra dit fag.
Analysér, hvad hver persona producerer, og hvornår du ville vælge den.

✏️ Svarfelt

Den opgave, jeg sender til alle tre personas:

Persona	Hvad denne persona prioriterer	Hvornår jeg ville vælge denne persona	Hvad den overser
Støttende udviklingsredaktør
Skeptisk fagfællebedømmer
Fjendtlig ekstern eksaminator

Hvad fortæller valget af den rigtige persona dig om, hvad du faktisk har brug for fra AI i en given kontekst?

Sektion C: Den pædagogiske parallel

Aktivitet 12 — At identificere zero-shot-undervisningsfælden

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion C: Den pædagogiske parallel

📍 Begreb

Zero-shot-undervisning fejler af samme grund som zero-shot-promptning: den intelligens, der udfører arbejdet, kan ikke læse dit sind. Studerende udfylder hullerne med generiske mønstre fra gymnasiet eller populærmedier, der ikke matcher dine faglige forventninger. Frustrationen ved at læse studerendes arbejde — “Det er ikke, hvad jeg bad om!” — spejler frustrationen novice AI-brugere føler. I begge tilfælde er problemet næsten aldrig intelligens. Det er kvaliteten af instruktionen.

▶ Opgave

Foretag en diagnostisk gennemgang af din mest “frustrerende” opgave — den, hvor studerendes afleveringer konsekvent skuffer mest.
Identificér tre specifikke huller, hvor studerende tvinges til at gætte din hensigt.
Beslut for hvert hul, hvilket gear du vil bruge til at lukke det.

✏️ Svarfelt

Den opgave, jeg gennemgår (kort beskrivelse):

Hul: Hvad studerende i øjeblikket skal gætte	Hvorfor dette hul eksisterer (tavs viden?)	Gear til at lukke det	Specifik tilføjelse nødvendig

Hvordan ville en studerende, der løste denne opgave godt men af de forkerte årsager, se ud? Hvordan ville jeg kende forskel?

Aktivitet 13 — Gennemgangen af tavs viden

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion C: Den pædagogiske parallel

📍 Begreb

Eksperter ser ofte ikke, hvad de ved. Konventionerne for kritisk analyse og argumentation bliver usynlige over tid — så automatiske, at de ikke kræver bevidst indsats. Denne “tavs-viden-blindhed” er grundårsagen til mange opgavedesign-fejl. Tankekæderæsonnering, anvendt på din egen ekspertise, tvinger implicitte trin til at blive eksplicitte.

▶ Opgave

Vælg én kernekompetence i dit fag, som du evaluerer regelmæssigt men sjældent underviser i eksplicit.
Brug tankekædemodellen til at liste fem eller flere usynlige eksperttrin — trin en studerende måske ikke engang ved eksisterer.

✏️ Svarfelt

Den kernekompetence, jeg reverse-engineer:

Trin nr.	Det usynlige eksperttræk	Hvad en novice gør i stedet	Hvordan jeg vil gøre dette synligt i min opgave

Hvilke usynlige trin forklarer jeg næsten aldrig, og hvilke ville mest forbedre de studerendes præstation?

Aktivitet 14 — Stilladsering vs. at tygge maden for dem

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion C: Den pædagogiske parallel

📍 Begreb

At tygge maden for dem fjerner kampen: at give svaret, fuldføre ræsonnementet, eliminere udfordringen. Stilladsering bevarer kampen, mens det fjerner uproduktiv forvirring: at give eksempler (One-Shot), afsløre mønster (Few-Shot) eller gøre ræsonnement synligt (Chain of Thought). Den studerende udfører stadig det hårde kognitive arbejde — de ved blot, hvad det skal se ud som, inden de begynder.

▶ Opgave

Vælg én opgave, du i øjeblikket leverer med minimal stilladsering.
Opret en Før/Efter-sammenligning: vis de originale instruktioner (Zero-Shot), redesign dem med mindst to gear.
Sørg for, at den redesignede version bevarer den centrale intellektuelle kamp.

✏️ Svarfelt

FØR (Zero-Shot)	EFTER (Gearet stilladsering)
Originale instruktioner:	Redesignet med Gear(s):

Hvilken kognitiv kamp bevarer den redesignede version? Hvad fjerner den, og er det acceptabelt?

Aktivitet 15 — Gear-oversættelsen

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion C: Den pædagogiske parallel

📍 Begreb

De fire promptningsgear kortlægger direkte til fire niveauer af pædagogisk stilladsering: One-Shot giver et bearbejdet eksempel; Few-Shot afslører mønstre; Chain of Thought modellerer synligt ræsonnement; Agentic giver studerende en rolle, kontekst og mission. De fleste opgaver scorer godt på nul eller ét gear. De mest kraftfulde redesign tilføjer systematisk alle fire.

▶ Opgave

Tag én komplet opgave fra dit pensum inklusive instruktionerne, rubrikken og alt støttemateriale.
Score den mod alle fire gearniveauer.
Planlæg specifikke tilføjelser for hvert gearniveau, den i øjeblikket mangler.

✏️ Svarfelt

Den opgave, jeg gennemgår (kursus, titel, kort beskrivelse):

Gear	Hvad det ser ud som i opgavedesign	I øjeblikket til stede? (J/N/Delvist)	Specifik tilføjelse planlagt
Gear 1 One-Shot	Giver mindst ét stærkt eksempel på, hvad fremragende arbejde ser ud som, inden studerende begynder.
Gear 2 Few-Shot	Giver flere bearbejdede modeller og beder studerende identificere mønsteret.
Gear 3 Chain of Thought	Kræver, at studerende viser deres ræsonnement ved mellemliggende trin.
Gear 4 Agentic	Tildeler studerende en specifik rolle, målgruppe, kontekst og mission.

Efter tilføjelse af alle fire gear: hvilken kognitiv kamp er der tilbage? Er det den rigtige kamp?

Sektion D: Afslutning

Aktivitet 16 — Min Intelligent Gearbox-handlingsplan

📥 Word Kapitel 2: The Intelligent Gearbox · Sektion D: Afslutning

📍 Begreb

Gearkassen er ikke en stige, man skifter igennem én gang. Forskellige opgaver kræver forskellige gear, og beherskelse betyder at udvikle den automatiske dømmekraft til at vælge det rigtige. Overgangen fra ved-det-hele til lær-det-hele-underviser kræver bevidst øvelse i begge retninger: at anvende gearene på dit eget faglige workflow og at oversætte dem til dit undervisningsdesign.

▶ Opgave

Udfyld alle fire forpligtelsesudsagn nedenfor. Vær specifik: navngiv gear, opgave, kursus og uge.
Brug noter-sektionen til resterende spørgsmål eller idéer, du vil udforske videre.

✏️ Svarfelt

1 Det gear, jeg vil mestre først _Gear: ___ Opgave, jeg vil anvende det på: _**_**_**_**_ Inden: _____ _

2 Det zero-shot-undervisningshul, jeg vil lukke _Opgave: ___ Gear jeg tilføjer: ___ Specifik tilføjelse: _____ _

3 Den agentrolle, jeg vil anvende _Rolle: ___ Faglig opgave, den vil håndtere: ___**___**___ _

4 Den hallucinations-begrænsning, jeg vil opbygge _Fagspecifik risiko: _**_**_ Min begrænsningsformulering: _**_**_ _

Noter, spørgsmål og idéer til videre udforskning:

“Hvis du ikke ville forvente godt output fra AI med en vag zero-shot-prompt, hvorfor så forvente det fra studerende?”