Hvorfor lære, når AI ved alt?
Illustration: Planche fra Ziad Mahayni’s foredrag.
Kunstig intelligens sætter spørgsmålstegn ved selve formålet med uddannelse.
Studerende undrer sig over, hvilken værdi læring – eller de videregående uddannelser generelt – stadig rummer, når viden er tilgængelig blot med et tryk på en knap.
Undervisere spørger sig selv, hvilket indhold de kan bruge for at yde et meningsfuldt bidrag til elevernes udvikling, og uddannelsesinstitutionerne må konfrontere spørgsmålet om deres egen ret til at eksistere.
Faren for, at uddannelsessystemet vil blive nedbrudt, før det har fundet et svar, er reel. Det vil kun være problematisk, hvis bruddet med læring og uddannelse vil resultere i tabet af noget, der fortsat er betydningsfuldt, selv i AI-æraen.
Med henvisning til nylige forskningsresultater argumenterer artiklen for, at det, der står på spil, er selve evnen til at tænke og lære. Den diskuterer behovet for en ny vision for uddannelse i AI-æraen og foreslår en vej til at opnå den.
Forskningsartiklen “Hvorfor lære, når AI ved alt? – Et positionspapir om uddannelse i AI-alderen” er skrevet af Ziad Mahayni (Zenodo, 2026). Understregninger er her tilføjet. https://doi.org/10.5281/zenodo.19181761
Prof. Dr. phil. Ziad Mahayni er en tysk filosof og professor i anvendt etik ved Karlsruhe Hochschule (HKA). Hans ekspertiseområder fokuserer især på Etik i det digitale samt AI-etik. Se mere her: ZEF21: Center for Etiske Spørgsmål i det 21. Århundrede.
Formålet med uddannelse er til diskussion
Fremkomsten af generativ kunstig intelligens repræsenterer et samfundsmæssigt vendepunkt. En udbredt opfattelse er, at AI er et nyt værktøj i menneskehænder, som vi skal lære at bruge korrekt. Det er en fundamentalt mangelfuld forståelse. Værktøjer ændrer ikke, hvad folk gør, men blot hvordan de gør det. Det er lettere at skrive med papir og pen end med en lertavle og mejsel. AI er ikke et værktøj, men en metateknologi (1), der ændrer den kontekst, som menneskelivet udfolder sig i. Det ændrer ikke kun, hvordan vi gør tingene, men også hvad vi gør. Med skrivning som eksempel betyder det: AI ændrer ikke, hvordan folk skriver; AI fører til en situation, hvor folk slet ikke længere behøver at skrive. Det er noget fundamentalt anderledes.
AI transformerer de grundlæggende logikker i menneskelig og samfundsmæssig selvforståelse, herunder spørgsmålet om, hvilken værdi læring og uddannelse stadig har, når AI tilsyneladende ved alt? Følgende eksempler kan tjene som bevis for denne tese:
- I 2023 bestod GPT 4.0 den bayerske Abitur med karakteren 2 (2), i USA bestod den den amerikanske advokateksamen (3), og i Japan bestod en kunstig intelligens den nationale lægeeksamen (4).
- I 2024 opdagede AI’en GNoME 2,2 millioner nye materialer, herunder 380.000 stabile krystalstrukturer, hvilket tidoblede antallet af tidligere kendte stabile strukturer (5). En DeepMind AI opnåede en sølvmedalje ved den internationale matematiske olympiade (6).
- I 2025 udleder AI-Newton uafhængigt grundlæggende fysiske love fra eksperimentelle data (7). En avanceret version af DeepMind AI opnår et resultat på guldniveau ved den internationale matematiske olympiade (8).
Selvom det kritisk kan bemærkes, at en detaljeret undersøgelse af sådanne rapporter nogle gange fører til en mere nuanceret vurdering, og at problemerne med AI-hallucinationer og bias forbliver uløste, ændrer det ikke det faktum, at sådanne eksempler rejser grundlæggende spørgsmål, hvis implikationer endnu ikke er fuldt forstået, endsige besvaret. Disse spørgsmål forbliver ofte uudtalte i den offentlige diskurs. Bag denne tavshed kan man antage en frygt for at afsløre hjælpeløsheden i at håndtere udfordringer, der rækker dybt ind i vores traditionelle selvforståelse. De grundlæggende spørgsmål, som uddannelsessystemet står over for på grund af AI, er:
- Fra de studerendes perspektiv, dvs. studerende, elever osv.: Hvorfor skal jeg stadig lære noget? Giver det stadig mening at studere?
- Fra lærernes perspektiv: Er mit arbejde stadig relevant? Hvordan og med hvilket indhold kan jeg yde et meningsfuldt bidrag til de studerendes udvikling?
- Fra uddannelsesinstitutionernes perspektiv bliver spørgsmålet deres legitimitet, f.eks.: Hvorfor har vi stadig brug for universiteter?
Disse spørgsmål er legitime, uanset hvor foruroligende de måtte være. At stikke hovedet i busken er ikke en strategi. Den hastighed, hvormed AI’s muligheder udvides, overstiger langt uddannelsessystemets evne til at tilpasse sig (9). Faren for nedbrud, før systemet har fundet svar, er reel. Det vil dog kun være problematisk, hvis nedbrud af læring og uddannelse resulterer i tabet af noget, der stadig er relevant i AI’ens tidsalder. At fastslå det er derfor den virkelige udfordring. Der er grund til at tro, at det refererer til selve evnen til at tænke og lære.
Indflydelsen af kunstig intelligens på den menneskelige intelligens
Tesen om kognitiv svækkelse hos mennesker gennem brug af AI kan ikke længere betragtes som spekulativ. Det understøttes af et væld af studier.
Forværring af kritisk tænkning
Det er blevet en kliché, at brugen af AI kræver en øget grad af kritisk tænkning. Virkeligheden tegner dog et andet billede. Ifølge et internationalt sammenlignende studie sætter kun omkring en fjerdedel af brugerne (27%) i Tyskland spørgsmålstegn ved AI-genererede resultater. (10) Studier har også vist, at viljen og evnen til kritisk tænkning falder med intensiteten af brugen af AI. (11) Med andre ord fører håndteringen af AI til et fald i netop den slags tænkning, der vil være særligt nødvendig, når man beskæftiger sig med AI. Denne effekt er mere udtalt hos unge mennesker, dvs. skole- og universitetsstuderende, end hos ældre mennesker.
Der kan antages flere årsager til dette, startende med AI’s epistemiske struktur, som – i modsætning til f.eks. en søgemaskine – tilbyder præcis ét svar på en forespørgsel, som derfor ikke længere opfattes i sammenhæng med alternative muligheder, helt op til den faktiske umulighed af at kunne vurdere kompetenceområdet for en AI korrekt.
Et studie har vist, at ledelseskonsulenter var i stand til at øge output, kvalitet og hastighed af deres arbejde betydeligt ved at bruge AI, forudsat at opgaverne lå inden for rammerne af, hvad AI’en kunne gøre godt. Men når der blev udført opgaver, som lå uden for AI’ens grænser, førte dens brug til 20% dårligere resultater. Afgørende var det, at konsulenterne ikke kunne vurdere, hvad der lå inden for eller uden for grænserne, da opgaverne syntes at være lige svære og komplekse. (12) Det betyder igen, at selv folk, der ønsker at praktisere kritisk tænkning, ikke kan vide, på hvilke områder det er særligt nødvendigt, og på hvilke det ikke er. Da en AI ikke er klar over, at den hallucinerer – fordi den strengt taget ikke ved noget som helst, men udfører stokastiske operationer – genererer den også komplet vrøvl leveret med en overbevisende tone. Hvor folk søger viden, de ikke besidder, har denne tone en effekt.
Forværring af tænkning
Udhulingen af kritisk tænkning viser sig at være en bivirkning af en bredere tilbagegang, der påvirker tænkningen som helhed. At arbejde eller lære med AI er at outsource tænkning til maskiner. At tro, at det er muligt uden konsekvenser for menneskelige kognitive evner, er naivt. Billedligt talt er det som at løfte vægte med en gaffeltruck i et fitnesscenter. (13) Resultatet er godt, normalt endda bedre end hvis du gjorde det selv – forudsat at du måler “resultat” som output i enheden “vægtløftet”. Men hvis det oprindelige mål var at forbedre den fysiske form, opnås der intet; tværtimod forringes den.
Den videnskabelige forskning har gentagne gange bekræftet det. Studerende, der skriver et essay med AI, udviser 47 % lavere hjernekonnektivitet end dem, der selv skriver et essay. Efter at have skrevet en tekst med AI kan 83 % af de studerende ikke citere en eneste sætning fra arbejdet få minutter efter færdiggørelsen. De ved ikke, hvad teksten siger. Det fører følgelig til, at de oplever en betydeligt lavere grad af tilfredshed, stolthed eller “ejerskab” over det udførte arbejde. (14) Med de slående ærlige ord fra en kandidatstuderende, der bruger AI til at skrive semesteropgaver: “Jeg vil sige, at i mit kursusarbejde var den ‘oprindelige indsats’ nul. Jeg har ingen følelse af stolthed eller tilfredshed, når jeg består en eksamen.” (15)
Et sådant niveau af selvbevidsthed er dog ikke normen. Tværtimod synes de tidseffektive succeser, der kan opnås, at få elever og studerende til at tro, at de også lærer en masse om emnet gennem brugen af AI. Det rapporteres gentagne gange i selvundersøgelser. For eksempel førte brugen af AI til betydeligt bedre resultater i et studie med 1.000 gymnasieelever, der skulle løse matematiske problemer. Men da de samme opgaver efterfølgende skulle løses uden AI, opnåede AI-brugere 17 % dårligere resultater end sammenligningsgruppen, hvilket tyder på, at de forstod mindre af emnet. (16) Denne effekt kan observeres på tværs af discipliner, (17) hvilket fører til den generelle erkendelse af, at arbejde med AI-assistenter resulterer i, at studerende ikke lærer af assistenterne, men stoler på dem, hvorved deres egen læringskompetence (18) reduceres og bliver afhængige af AI, som en studerende i en undersøgelse foretaget af Swiss Business School udtrykte det:
“Jeg er så afhængig af AI, at jeg ikke ville vide, hvordan jeg løser visse problemer uden den.” (19)
Det er der intet overraskende ved. Hvordan kan ens egen læring, tænkning og forståelse vokse, hvis de outsources til teknologi? Intelligensforsker Robert Sternberg taler om “bevidst selvfordummelse”. (20) Det når sit højdepunkt, når der fremføres argumenter, nogle gange indefra selve uddannelsessektoren, om, at læring også finder sted der, nemlig brugen af AI-værktøjer. Selvom det utvivlsomt er sandt, at “AI-læsefærdigheder” er blandt de nødvendige kompetencer i AI-alderen, er dette argument mangelfuldt. Men hvor dette reduceres til evnen til at skrive en prompt og kopiere/indsætte svaret, degraderes tænkningen til niveauet af en mal-efter-tal-tilgang. (21)
Det, der i sidste ende er overraskende, og som yderligere burde øge skepsisen over for den uregulerede brug af AI i uddannelsesmæssige sammenhænge, er det faktum, at den gentagne gange demonstrerede at kognitiv forringelse ikke synes at være let reversibel. Hvis den gruppe studerende, der skrev deres essays med AI, senere bliver bedt om at skrive et essay uden AI, stiger – i modsætning til hvad man intuitivt kunne forvente – deres hjerneforbindelse ikke til niveauet for dem, der arbejdede uden AI. Hjerneforbindelsen forbliver lav, hvilket tyder på en vedvarende kognitiv tilbagegang på grund af fortsat brug af AI. (22). Når det kombineres med det faktum, at brug af AI påviseligt belønnes med gode, ofte bedre, karakterer end eksamener skrevet uden AI, (23) tegner det sig et billede af et absurd uddannelsessystem, der tilskynder til selvfortolkning. Det er naturligvis normalt utilsigtet, da pålideligt evidens for brug af AI ikke er muligt. Imidlertid har netop denne kendsgerning allerede fået nogle uddannelsesinstitutioner til at konkludere, at brug af AI i enhver form bør være fuldstændig tilladt. (24) I lyset af den videnskabelige evidens er denne konklusion intet andet end en erklæring om overgivelse fra uddannelsessystemet, som, for at bruge den ovennævnte analogi, er tilfreds med at uddanne “gaffeltruckchauffører”. Med en sådan holdning har man opgivet at forsøge at finde svar på spørgsmålet om universiteternes legitimitet, skjuler kapitulationen bag sætninger som “innovation” og “omdefinering af læring”, og antager ufiltreret fortællingen om de tech-virksomheder, der kommercialiserer AI-teknologier.
Kognitiv tilbagegang på grund af digitale teknologier
Kognitiv tilbagegang er ikke et nyt fænomen, der specifikt er knyttet til AI. Introduktionen af søgemaskiner har ført til “digital amnesi” og “metakogntiv bias”, illusionen om viden, når man i virkeligheden kun ved, hvor man finder den. (25) Introduktionen af smartphones har ført til et fald i folks evne til at huske telefonnumre. Den blotte tilstedeværelse af en mobiltelefon fører til reduceret opmærksomhed og forringet arbejdspræstation. Brugen af GPS-systemer reducerer rumlig ræsonnement. (26) Det er også blevet grundigt undersøgt, at det at tage noter på et tastatur i klassen fører til dårligere læringsresultater end at skrive i hånden. (27)
Disse resultater bruges ofte i den aktuelle diskurs om AI som modargumenter for at afvise kritik af den negative indvirkning af AI på elevernes læringsevner. Argumentet er, at indflydelsen fra sådanne teknologier tidligere ikke har ført til et fald i kompetence, og derfor bør brugen af AI gribes an med samme selvtillid. Det er et mærkeligt og faktuelt forkert argument. Det er mærkeligt, fordi det ignorerer forskningen, der viser, at værktøjer som navigationssystemer faktisk har ført til et fald i rumlig intelligens. Det er faktuelt forkert, fordi det misforstår den helt anderledes og mere omfattende struktur af AI.
I modsætning til et navigationssystem er AI for eksempel ikke et værktøj med en enkelt anvendelse – i tilfælde af et navigationssystem: at finde vej fra A til B. AI er, i teknologifilosofi, en “generel teknologi”, en metateknologi, hvis potentielle anvendelser er praktisk talt ubegrænsede. (28) Med hensyn til kognitive evner betyder det, at AI ikke svækker menneskelig tænkning på enkelte områder, men selve tænkningen. Det er noget fundamentalt anderledes. Selvom man kan argumentere for, at i en verden, hvor alle bærer et navigationssystem, bliver rumlig tænkning mindre vigtig, så er det ikke rimeligt at argumentere for, at evnen til at tænke rationelt nogensinde mister relevans. Det er selve fundamentet, som menneskeheden udfolder sig på.
Og alligevel synes kognitiv tilbagegang at begynde netop her, som antydet af anti-Flynn-effekten, der begyndte omkring starten af den digitale tidsalder. Mens den gennemsnitlige intelligenskvotient i de industrialiserede lande steg med 5 til 25 point pr. generation fra midten til slutningen af det 20. århundrede (Flynn-effekten), synes denne tendens at være vendt siden begyndelsen af det 21. århundrede. Den gennemsnitlige intelligenskvotient er faldet med op til to point om året siden da (29) (anti-Flynn-effekten). Mens stigningen i det 20. århundrede blev tilskrevet faktorer som forbedret uddannelse, ernæring og sundhed, menes faldet at skyldes outsourcing af kognitive opgaver til digitale værktøjer. Det kan ikke bevises kausalt (ligesom de formodede årsager til stigningen heller ikke kan). Antagelsen understøttes dog af adskillige studier, der observerede en sammenhæng mellem intensiteten af brugen af digital teknologi og psykologisk tilbagegang på forskellige områder (30). På et vist tidspunkt synes arbejdshypotesen om, at der ikke kun er korrelationer, men også relationer, plausibel og bør danne grundlag for yderligere handling.
Vil AI få os til at glemme, hvordan man lærer?
Sammenfattende kan det konkluderes, at en ufiltreret frigivelse af AI i uddannelse kan føre til følgeskader, hvor eleverne mister læringsevnen. Følgeskader er per definition utilsigtede; det er en konsekvens af AI’s “herre-slave-dialektik”, (31) som også udfolder dens dynamik i uddannelse. Det fritager dog ikke aktørerne i uddannelsessystemet for ansvar. Når de ser bort fra grundlæggende spørgsmål eller, i mangel af svar, opgiver undervisningen i læringsfærdigheder under påskud af formodet fremskridt, lever de ikke op til deres ansvar. Ligesom kunstig intelligens er simuleret intelligens, er kunstig empati simuleret empati, og AI-venner er simulerede venner, (32) fører håndteringen af læringsopgaver med eller gennem AI også til simuleret læring: Illusionen af læring, bag hvilken læring ikke forstærkes, men afskaffes.
Den tilbagevendende konklusion fra studier, der demonstrerer den kompetence dæmpende effekt af brugen af AI, er, at studerende er “mere tilbøjelige til at stole på AI-støtte end til at lære af den” (33), at brugen af AI ikke fører til “et dybere engagement med indhold, der kræves for læring af høj kvalitet” (34), at “metakogntiv dovenskab” (35) og et “fald i læringsevner” (36) sandsynligvis, eller mere generelt, betyder, at studerende ikke blot lærer mindre, men at “deres hjerner lærer ikke at lære” (37).
Indsatsen er ikke “fejlen”, men “egenskaben”!
Det tiltrækkende ved læring med AI-assistenter ligger i, at man kan opnå gode resultater og, i tilfælde af eksamener, gode karakterer med minimal indsats. Men at fjerne indsatsen eliminerer også læring. Det er uundgåeligt.
Neurologisk set sker læring – det vil sige forankringen af indhold i langtidshukommelsen – gennem udviklingen af stabile synaptiske forbindelser. Jo mere stabile disse forbindelser er, desto mere pålideligt kan viden og kompetence hentes. Det afgørende er, at der er en direkte sammenhæng mellem den indsats, der bruges på læring, og stabiliteten af de udviklede synaptiske forbindelser. (38) Med andre ord er der ingen læring uden indsats; indsats er ikke “fejlen”, men “egenskaben” ved læring! Hvor end der findes måder at minimere koncentration, indsats og intensitet, minimeres læringspræstationen uundgåeligt. Det samme kan siges om viden. Hjernen hos mennesker med en bred videns base er hjerner med en særlig høj grad af konnektivitet (39), og det er denne konnektivitet, der til gengæld muliggør en hurtig udvikling af nye mentale modeller. (40) Det betyder intet andet end, at de, der ved mere, også forstår nye forbindelser hurtigere, dvs. de kan lettere lære nye ting.
Oversat til den helt nye dimension af muligheder for indsatsminimering, som AI tilbyder, betyder det: Hvor lærere undlader at formidle denne forbindelse til eleverne samt tolererer eller endda incitamenterer til ubegrænset brug af AI, dumper de bevidst andre. Hvor elever er bevidste om det, men alligevel bruger AI uden begrænsninger, engagerer de sig i bevidst selvfordumning.
Hvad skal vi lære i AI’ens tidsalder?
Selvom den foregående diskussion har argumenteret for værdien af læring, adresserer den endnu ikke præcis, hvad der bør læres – og undervises i. I en tid, hvor AI i stigende grad er i stand til at præstere mere eller endda bedre end menneskelige færdigheder, er dette spørgsmål alt andet end trivielt. Her krydser spørgsmålet om uddannelsens fremtid debatterne om “fremtidens færdigheder” og “fremtidens arbejde”: Hvad skal vi lære i dag for at være relevante for morgendagens arbejdsmarked (og mere bredt for samfundet)? Det kan ikke besvares uden at overveje den radikale transformation af arbejdsmarkedet, som automatiseringsteknologier har medført.
Fremtidssikring
Hvis AI i stigende grad kan overtage opgaver inden for vidensarbejde, (41) hvilke kompetencer vil så stadig være relevante? Talrige studier som behandler dette spørgsmål, (42) når frem til forskellige konklusioner i detaljerne, men generelt tegner et sammenhængende billede. Let algoritmisk viden mister betydning. Det påvirker store dele af det, uddannelsessystemer har været rettet mod i årtier, især specialiseret viden. I stedet vinder kontekstuel viden og kompetencer, der har tendens til at falde ind under paraplyen “sociale færdigheder”, såsom kommunikations- og samarbejdsevner, social og følelsesmæssig intelligens, kritisk tænkning og kreativitet, i betydning. Det vil ikke blive diskuteret i detaljer her; i stedet vil der blive anvendt et højere abstraktionsniveau i spørgsmålet.
Selvom studier af fremtidens færdigheder er nyttige som indikatorer for tendenser, er de ubrugelige i detaljer, når det kommer til at specificere en bestemt færdighed, der vil være relevant for et specifikt erhverv i fremtiden. Det skyldes, at transformationens tempo simpelthen er for hurtigt til at der kan laves pålidelige forudsigelser om arbejdsmarkedet om fem eller ti år. Det ærlige svar er, at i de accelererede processer i AI-alderen kan ingen vide præcis, hvad der vil være behov for. Studier af fremtidens færdigheder er generelt baseret på spørgeskema undersøgelser blandt medarbejdere, der bliver bedt om at spekulere over, hvilke færdigheder der vil få eller miste betydning i fremtiden. (43) De på denne måde fremstillede resultater, på trods af brugen af videnskabeligt solide statistiske metoder, går ikke meget ud over at betragte den nuværende dynamik som i en krystalkugle. I erkendelse af dette kan det præciseres, at tilpasningsevne er den afgørende kompetence for fremtiden.
I den stadigt accelererende og stadig mere uforudsigelige dynamik i AI-tidsalderen bliver kompetencen til at tilpasse sig stadigt skiftende livs- og arbejdssituationer afgørende. Når det ikke længere er muligt at forudsige, hvad der vil komme, bliver kompetencen til at tilpasse sig det uforudsigelige nøglekompetencen. Men hvilken slags kompetence er tilpasningsevne? Det er intet andet end kompetencen til at tilegne sig kompetence. At tilegne sig den kræver, at man lærer at lære. Det er netop denne nøglekompetence, der undermineres af AI.
Hvordan kan vi bruge AI-værktøjer uden at underminere vores egne tænkeevner?
Brugen af AI-værktøjer fører ikke nødvendigvis til et fald i ens egne tænke- og læringsevner eller i viden om og forståelse af faktuelle sammenhænge. Det sker primært med et brugsmønster, hvor AI bruges til at indhente svar på tidligere indtastede spørgsmål. Det er dog standardmetoden for AI-brug og også den primære måde, den bruges på blandt studerende (44). Hvor prompts indtastes, og output accepteres, finder der ingen læring, ingen uddannelse, ingen forståelse sted. Det kan undgås ved at bruge AI-systemer i “tutortilstand”. I denne tilstand giver en AI ikke svar, men stiller opfølgende spørgsmål, giver hints og opfølgninger designet til at lede brugeren til at finde svaret uafhængigt gennem en reflekterende proces. Studier tyder på, at det fungerer uden at føre til kognitiv tilbagegang. I det førnævnte studie med 1.000 gymnasieelever, der skulle løse matematikproblemer, opnåede elever, der brugte AI i tutortilstand, bedre karakterer end dem, der brugte AI i standardtilstand. Vigtigere er det dog, at faldet på 17% i præstation i en efterfølgende eksamen uden AI kun blev observeret blandt dem, der brugte AI i standardtilstand. De, der arbejdede i tutortilstand, havde tydeligvis udviklet deres egen forståelse, som kunne tilgås pålideligt (45).
Det giver et fingerpeg om den meningsfulde brug af AI i uddannelsen. Det kræver en indsats at afdække den, da brugergrænsefladen i alle større AI-modeller er designet til en brugstilstand, der modvirker selvstændig tænkning. En tutortilstand kan normalt ikke indstilles; i stedet skal den oprettes via en tilsvarende prompt.
En anden vigtig indsigt i den meningsfulde brug af AI kan fås fra spørgsmålet om, hvordan de bedste arbejdsresultater genereres. Når man skriver opgaver, opnås de højest karakteriserede resultater, når en tekst først skrives helt uden AI og derefter itereres med AI. Denne arbejdsmåde modvirker også den de-skilling-effekt, der opstår, når man går frem i omvendt rækkefølge, dvs. først får et svar eller en tekst genereret af AI og derefter redigerer den (46).
Uddannelse i AI-alderen: Grundlæggende byggesten
Læring, viden og uddannelse er i fare for at blive tomme fraser på grund af kunstig intelligens, som fremhæves i fest taler, mens den faktiske teknologisering af uddannelsesprocesser accelererer deres erosion. En erosion der samtidig underminerer den centrale kompetence til at tilpasse sig en verden i konstant forandring. Uddannelse skal frem for alt modvirke denne tendens og bidrage til at øge chancerne for et succesfuldt liv.
Både elever og lærere står over for udfordringen med at tilegne sig eller give en balance mellem kompetence i at bruge kunstig intelligens-værktøjer på den ene side og kompetence til selvstændig tænkning på den anden. Det faktum, at disse kompetencer gensidigt udelukker hinanden, stiller uddannelsesinstitutioner over for særlige udfordringer. Et kategorisk “nej” til brugen af kunstig intelligens, der ignorerer tidens dynamik, kan ikke være løsningen – lige så lidt som et angiveligt innovationsvenligt, ubetinget “ja”. Anbefalinger kan aldrig være definitive i forbindelse med disse dynamiske udviklinger. Følgende vejledende tanker tilbydes dog i håb om at hævde en vis grad af varighed.
Fra et filosofisk perspektiv synes det fornuftigt at udlede anbefalinger fra den ontologiske forskel mellem mennesker og kunstig intelligens. Uddannelse, der adresserer denne forskel, kan håbe at give færdigheder, der også er nødvendige i en verden formet af AI, og samtidig forbinde mennesker med sig selv. Søgningen efter, hvad der adskiller mennesker fra AI (47), som ikke uddybes her, fører til to referencepunkter for uddannelse i AI-tidsalderen: Tænkning og følelse (hvilket neurovidenskaben har gjort det klart, ikke kan adskilles strengt fra hinanden (48)).
Fornuftkompetence
Det er på ingen måde tilfældet, at AI kan erstatte menneskelig tænkning på alle områder. Menneskelig rationalitet omfatter fornuft og intellekt. Mens intellekt er evnen til at nå et givet mål så effektivt som muligt, er fornuft evnen til at sætte meningsfulde mål for intellektet. Intellekt er således rettet mod at optimere målopfyldelsen, mens fornuft fungerer som en målsætningsmekanisme. Denne sondring giver os mulighed for bedre at forstå, hvor AI’s indflydelsessfære ligger: i intellektets rige.
Trods de imponerende præstationer, som AI-systemer er i stand til, er det i øjeblikket ikke tydeligt, at de bevæger sig mod en evne til fornuft, mens de udvider deres rækkevidde i intellektets rige hver dag. Uden et metamål, der er defineret af mennesker, kan en AI dog ikke bestemme, hvorfor ét mål skulle være bedre eller værre end et andet. I denne forstand kan man sige: Kunstig intelligens er den eksponentielle vækst af intellekt uden fornuft (49).
Denne indsigt peger på en afgørende retning for uddannelse i AI-tidsalderen: I tankens rige skal fokus være på at dyrke evnen til fornuft. I takt med at de teknologiske muligheder fortsætter med at udvide sig, ligger menneskehedens opgave i at skelne mellem, hvad der er meningsfuldt, og hvad der blot er muligt, samt i at bruge teknologi på en måde, der skaber værdi i denne forstand. (Debatten om fremtidige færdigheder understreger ligeledes vigtigheden af “metakognition” i samarbejde med AI (50)). Det kræver stadig ekspertise, i det mindste med hensyn til de væsentlige kontekster og grundlæggende logikker i et spørgsmål. Det kræver dog også viden om meningsfulde sammenhænge, dvs. etisk kompetence, samt holistisk tænkning, der er i stand til at overveje sociale, økologiske og samfundsmæssige aspekter. Den ofte citerede og sjældent definerede “kritiske tænkning” kan således placeres som en del af evnen til at ræsonnere. Langt mere end blot at stille spørgsmålstegn ved, om et AI-genereret resultat kan være en hallucination, kombinerer den viden med dømmekraft og giver orientering med hensyn til, hvad der er meningsfuldt.
Emotionel kompetence
Automatiseringen af store dele af menneskeligt kognitivt arbejde ved hjælp af kunstig intelligens sætter den længe forsømte kendsgerning i forgrunden, at mennesker også er følende væsener. Efterhånden som kunstig intelligens overtager flere og flere specialiserede opgaver, skifter omfanget af menneskelig aktivitet mod empatisk arbejde. For at illustrere det kan bruges eksemplet med en læge: Hvis diagnoser og behandlingsplaner i stigende grad kan genereres af kunstig intelligens, vil lægeprofessionen ikke blive forældet. Det, en læge gør, ændrer sig dog (eller bør ændre sig) fra en primært faktuel aktivitet til at opbygge et tillidsfuldt patientforhold, til medfølende udførelse og til empatisk resonans i processen. Et lignende punkt kan fremføres om arbejdet hos en sælger, en lærer eller en professor. Når ekspertise bliver en vare, der er tilgængelig ved et tryk på en knap, skaber det et område, hvor menneskelig interaktion tilføjer værdi og forvandler en funktionelt korrekt opgave til en meningsfuld oplevelse, noget godt til noget ekstraordinært. Det kræver kultivering af færdigheder, der i den uddannelsesmæssige sammenhæng hidtil kun har optrådt som supplerende tilbud og fyld i en læseplan, der udelukkende fokuserer på fagspecifik viden: Kommunikation, samarbejde, empati, motivation, selverfaring osv., eller mere generelt følelsesmæssig og social intelligens, som skal forstås som grundlæggende komponenter i uddannelse i AI-tidsalderen.
Kortsigtede foranstaltninger
En reel tilpasning af uddannelsesprocesser til AI-tidsalderen kan ikke opnås blot ved at justere eksisterende strukturer. Det kræver en fundamental omstrukturering. Om det vil lykkes er usikkert. Uanset hvad skal der sættes nye retninger på kort sigt for at holde læring og undervisning relevant. Følgende tilgange er egnede til øjeblikkelig implementering:
Øget bevidsthed
En væsentlig del af undervisningen skal være at øge de studerendes bevidsthed om konsekvenserne af brugen af AI for deres læringsevner, kognitive evner og viden. Den forskning, der er samlet siden 2025, og som i uddrag er opsummeret her, giver et solidt grundlag for at gøre de studerende bevidste om, hvordan deres egen kompetenceudvikling undermineres gennem ufiltreret brug af AI. Forståelse af mekanismerne bag kognitiv forringelse og dekompetenceudvikling, samt måder at undgå dem, skal betragtes som almen viden i AI-tidsalderen (og en del af AI-læsefærdigheder). Hvor denne viden ikke formidles, formår uddannelsesinstitutionerne ikke at opfylde deres mission, da de ikke giver de studerende mulighed for at træffe informerede beslutninger vedrørende deres brug af teknologi. I betragtning af at brugen af AI er en realitet blandt studerende, og dens brug alligevel ikke kan verificeres pålideligt, er det vigtigere at øge bevidstheden end nogen form for regulering. Regulering skal dog også være en del af løsningen.
Forbud er en del af løsningen
Læringsrum, der er eksplicit fri for digital teknologi (AI, smartphones, bærbare computere osv.) og rettet mod menneskelig interaktion og uafhængig tænkning, bør være en integreret del af uddannelsesprocessen. Det kan f.eks. opnås gennem workshops inden for individuelle moduler, eller der kan udformes hele moduler, der gennemføres i et analogt format. Kurser i filosofi og etik (se nedenfor), argumentation og kommunikation osv. er passende eksempler. Hvis man tager den nuværende forskningsstatus om AI’s indflydelse alvorligt, skal det yderligere overvejes, hvordan de tidlige stadier af studiet, hvor en grundlæggende forståelse af de indbyrdes forhold inden for et fag etableres, kan holdes på et minimumsniveau for AI-brug, samt hvordan brugen af AI kan udvides gradvist og i samarbejde (ikke som en erstatning) i løbet af studiet. Disse AI-fri rum skal aktivt skabes og forsvares med streng håndhævelse.
At lære at lære at undervise
Der er en tradition for over 100 års forskning i læring. (51) Det er mærkeligt, at resultaterne af denne forskning knap nok har fundet vej til uddannelsesplanerne. Hver eneste elev og studerende skal på egen hånd finde ud af, hvordan læring fungerer, sideløbende med deres studier. I en tid, hvor evnen til at lære er fundamentalt truet, bør det have en plads i skoler og på universiteter. Ligesom man underviser i praksis med videnskabeligt arbejde i begyndelsen af et studieforløb, kan man undervise i grundlæggende i effektiv læring. Det ville også være stedet, hvor både de gavnlige (f.eks. tutortilstand) og skadelige anvendelser af AI til læring bør tydeliggøres.
Filosofi og etik som en central del af uddannelsen
Opfordringen til mere kritisk tænkning forbliver en kliché, så længe det er uklart, hvad der menes med det, og hvordan der kan undervises i det. I sin kerne er kritisk tænkning kombinationen af dømmekraft med evnen til at tænke selvstændigt, logisk og med sund ræsonnement. Ifølge den nuværende viden er den bedste måde at undervise i det gennem filosofi. Et nyligt studie af over en halv million studerende gav “stærk evidens” for, at “studiet i filosofi faktisk gør folk til bedre tænkere.” (52) I tests, der sammenlignede alle discipliner, rangerede filosofistuderende først i logisk ræsonnement, verbal artikulation og “tankegang”, som inkluderer evnen til logisk at retfærdiggøre sine egne meninger, kritisk evaluere information og søge efter alternative løsninger. De udviser også en betydeligt højere “pluralistisk orientering”, hvilket betyder en større evne til at se verden fra andres perspektiv og kritisk sætte spørgsmålstegn ved deres egne synspunkter. Filosofi, forstået som en tankeretning – ikke som en humanistisk disciplin – synes at være det bedste eksisterende fundament inden for kritisk tænkning. Sammen med kunst og litteratur er det måske den sidste tilbageværende vej til at få et overblik og etablere meningsfulde sammenhænge inden for en uddannelseslogik, der i stigende grad fragmenteres i mikroskopiske discipliner. I en tid, hvor stadig mere er teknisk muligt, og det etiske spørgsmål om, hvad der bør gøres, dermed bliver stadig mere betydningsfuldt, bør filosofisk og etisk refleksion forstås som en kernekomponent i uddannelse.
Et nyt vejledende princip for uddannelse
AI-tidsalderen kræver et nyt vejledende princip for uddannelse. Den skal opfylde en dobbelt opgave: At forberede folk til arbejdsmarkedet og støtte dem i at udvikle personligheder, der giver et godt liv i en verden i forandring. Alt for længe er uddannelse degenereret til blot at være uddannelse af arbejdere, med fokus på intellektuel aktivitet og specialiseret viden, samtidig med at fornuft og karakterudvikling er blevet forsømt.
I tider med hidtil uset forandring kræver det at opretholde relevansen af uddannelse et fyrtårn i tågen til at vejlede disse bestræbelser. I Tyskland tilbyder genopdagelsen af det humboldtianske ideal om uddannelse, som senest blev opgivet med Bologna-reformerne, en lovende vej. Selvom et tilbageblik bestemt ikke kan give en plan for udfordringerne i det 21. århundrede, kan det ikke desto mindre genopdage en meningsfuld grundlæggende idé: At uddannelse skal betragte individet i sin helhed snarere end blot at forme en menneskelig ressource til et allerede stort set uforudsigeligt arbejdsmarked.
Professionel uddannelse kræver et fundament i individet. Uddannelse er altid også karakterudvikling, hvilket bør have større fokus i AI’ens tidsalder. Kognitive færdigheder og følelsesmæssig og social kompetence skal forstås som lige vigtige. Endelig skal “kritisk tænkning” for at være effektiv kunne trække på kultiverede intellektuelle evner, almen viden og kontekstuel forståelse. I denne generelle forstand kan Humboldts ideal om uddannelse tilbyde et orienteringspunkt i tågen.
For dem, der finder dette for bagudskuende, bør man se på uddannelsessystemet i Singapore, som har fulgt en ny retning siden 2018 og konsekvent opnår topplaceringer i uddannelsesvurderinger. Det betragtes også som særligt innovativt og fremtidsorienteret. Heng Swee Keat, den tidligere undervisningsminister og vicepremierminister, som spillede en nøglerolle i denne udvikling, beskrev målet med uddannelse i én sætning: “Det handler ikke om at lære dig at være klog, men om at lære dig at blive et bedre menneske.” (53) Hvad det betyder under AI-tidsalderen og at gentænke uddannelse omkring det er den opgave, der ligger foran os.
Referencer:
1) Mustafa Suleyman, The Coming Wave. Technology, Power, and the 21st Century’s Greatest Dilemma,
Crown 2023, S. 25 f.
2) Christian Weindl, ChatGPT hat bayerisches Abitur bestanden – im zweiten Anlauf, in: t3n digital
pioneers, 2.6.2023, https://t3n.de/news/chatgpt-abitur-bayern-bestanden-ki-bildung-1556393/
3) Kevin Dollear, GPT-4 Passes the Bar Exam, In: Illinois Institute of Technology, 15.3.2023,
https://www.iit.edu/news/gpt-4-passes-bar-exam
4)Takahiro Tekenouchi, AI ChatGPT chalks up a 55% score on national exam for doctors, in: The Asahi
Shimbun, 20.4.2023,
https://www.asahi.com/ajw/articles/14876984?msockid=1b5ea2d9ce6b6f9f3bfab684cfb96edb
5) Merchant, A., Batzner et al., Scaling deep learning for materials discovery, in: Nature 624, p. 80–85
(2023), https://doi.org/10.1038/s41586-023-06735-9; Amil Merchant, Ekin Dogus Cubuk, Millions of new
materials discovered with deep learning, 29.11.2023, https://deepmind.google/blog/millions-of-new
materials-discovered-with-deep-learning/
6) Benu Edwards, Google claims math breakthrough with proof-solving AI models, In: ars Technica,
25.7.2024, https://arstechnica.com/information-technology/2024/07/google-ai-earns-silver-medal
equivalent-at-international-mathematical-olympiad/
7) You-Le Fang et al., AI-Newton: A Concept-Driven Physical Law Discovery System without Prior
Physical Knowledge, 11.12.2025, arXiv:2504.01538v2
8) Thang Luong, Edward Lockhart, Advanced version of Gemini with Deep Think officially achieves gold
medal standard at the International Mathematical Olympiad, 21.7.2025,
https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold
medal-standard-at-the-international-mathematical-olympiad/
9) Es ist dies eine Folge des allgemeinen Umstands, dass im KI-Zeitalter erstmals die
Technologieentwicklungsgeschwindigkeit größer wird als die Technologieadaptionsgeschwindigkeit des
Menschen. Vgl. Ziad Mahayni, Mensch-Sein im Zeitalter Künstlicher Intelligenz, Stuttgart: Kohlhammer
2025, S. 61 f.
10) Matthias Brandt, Künstliche Intelligenz. Überprüfen Sie KI-Ergebnisse, 8.5.2025,
https://de.statista.com/infografik/34419/umfrage-zum-ueberpruefen-von-ki-ergebnissen/
11) Michael Gerlich, AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical
Thinking, in: Societies 2025, 15, 6, doi:10.3390/soc15010006
12) Fabrizio Dell’Acqua et al., Navigating the Jagged Technological Frontier: Field Experimental Evidence
of the Effects of AI on Knowledge Worker Productivity and Quality, 2023, Working Paper, Faculty &
Research, Harvard Business School, https://www.hbs.edu/faculty/Pages/item.aspx?num=64700
13) Diese Analogie stammt von Brad Stulberg. Vgl. Ronald Purser, AI is Destroying the University and
Learning Itself, in: Current Affairs, Nov/Dec 2025: https://www.currentaffairs.org/news/ai-is-destroying
the-university-and-learning-itself
14) Nataliya Kosmyna et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI
Assistant for Essay Writing Task, 10.6.2025, Preprint, doi:10.48550/arXiv.2506.08872
15) Persönliche Mitteilung
16) Hamsa Bastani et al., Generative AI without guardrails can harm learning: Evidence from high school
mathematics, PNAS Vol.122, No. 26, 25.6.2025, doi:10.1073/pnas.2422633122
17) Zu einem ähnlichen Ergebnis kommt z.B. eine Studie, in der eine Arbeit zu einem
sozialwissenschaftlichen Thema geleistet werden sollte. Vgl. Matthias Stadler et al., Cognitive ease at a
cost: LLMs reduce mental effort but compromise depth in student scientific inquiry, in: Computers in
Human Behavior, 2024, doi:10.1016/j.chb.2024.108386
18) Ali Darvishi et al., Impact of AI assistance on student agency, in: Computers & Education, 2024,
doi:10.1016/j.compedu.2023.104967
19) Zitiert nach Peter Ackermann, Nuzte das Poetnzial deienr Itenlligenz!, in: NZZ, 26.12.2025
20) Zitiert nach Peter Ackermann, Nuzte das Poetnzial deienr Itenlligenz!, in: NZZ, 26.12.2025
21) Ronald Purser, AI is Destroying the University and Learning Itself, in: Current Affairs, Nov/Dec 2025:
https://www.currentaffairs.org/news/ai-is-destroying-the-university-and-learning-itself
22) Nataliya Kosmyna et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI
Assistant for Essay Writing Task, 10.6.2025, Preprint, doi:10.48550/arXiv.2506.08872
23) Yizhou Fan et al., Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on
Learning Motivation, Processes, and Performance, in: British Journal of Educational Technology 56(2),
Dec. 2024, p. 489-530, doi:10.1111/bjet.13544
24) So z. B. die Ohio State University, vgl. Ohio State University, 4.7.2025: https://news.osu.edu/ohio-state
launches-bold-ai-fluency-initiative-to-redefine-learning-and-innovation/
25) Betsy Sparro et al., Google Effects on Memory: Cognitive Consequences of Having Information at Our
Fingertips, In: Science, Band 333, Nr. 6043, 5.8.2011, S. 776–778, doi:10.1126/science.1207745
26) Eine Übersicht bietet Marco Fasoli et al.: The Dark Side of Cognitive Enhancement: A Framework for
the Technologically Induced Cognitive Diminishment, in: Journal of Cognitive Enhancement, June 2025,
9(3), doi:10.1007/s41465-025-00331-7
27) Abraham Flanigan et al., Typed Versus Handwritten Lecture Notes and College Student Achievement:
A Meta-Analysis, in: Educ Psychol Rev 2024, 36, 78, doi:10.1007/s10648-024-09914-w
28) Vgl. Mustafa Suleyman, The Coming Wave. Technology, Power, and the 21st Century’s Greatest
Dilemma, Crown 2023, S. 25 f.
29) Vgl. Peter Ackermann, Nuzte das Poetnzial deienr Itenlligenz!, in: NZZ, 26.12.2025 und Nataly Bleuel et
al., Wir waren mal schlauer, in: ZEIT Nr.14/2019
30) Vgl. u.a. Jean Twenge, Have Smartphones Destroyed a Generation?, in: The Atlantic, 20.9.2017,
https://www.theatlantic.com/magazine/archive/2017/09/has-the-smartphone-destroyed-a
generation/534198/; Jean Twenge et al., Increases in Depressive Symptoms, Suicide-Related Outcomes,
and Suicide Rates Among U. S. Adolescents After 2010 and Links to Increased New Media Screen Time,
In: Clinical Psychological Science, 6 (1), 2018, S. 3-17, doi:10.1177/2167702617723376; Roy Perlis et al.,
Generative AI Use and Depressive Symptoms Among US Adults, in: JAMA Netw Open, 2026, 9(1),
doi:10.1001/jamanetworkopen.2025.54820
31) Vgl. Armin Grunwald, Der unterlegene Mensch. Die Zukunft der Menschheit im Angesicht von
Algorithmen, künstlicher Intelligenz und Robotern, München: riva 2019, S. 17 f.; Ziad Mahayni, Mensch
Sein im Zeitalter Künstlicher Intelligenz, Stuttgart: Kohlhammer 2025, S. 145 f.
32) Ziad Mahayni, Mensch-Sein im Zeitalter Künstlicher Intelligenz, Stuttgart: Kohlhammer 2025
33 Ali Darvishi et al., Impact of AI assistance on student agency, in: Computers & Education, 2024,
doi:10.1016/j.compedu.2023.104967 (eigene Übersetzung)
34) Matthias Stadler et al., Cognitive ease at a cost: LLMs reduce mental effort but compromise depth in
student scientific inquiry, in: Computers in Human Behavior 2024, doi:10.1016/j.chb.2024.108386
(eigene Übersetzung)
35) Yizhou Fan et al., Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on
Learning Motivation, Processes, and Performance, in: British Journal of Educational Technology 56(2),
Dec. 2024, p. 489-530, doi:10.1111/bjet.13544 (eigene Übersetzung)
36) Nataliya Kosmyna et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI
Assistant for Essay Writing Task, 10.6.2025, Preprint, doi:10.48550/arXiv.2506.08872 (eigene
Übersetzung)
37) Ronald Purser, AI is Destroying the University and Learning Itself, in: Current Affairs, Nov/Dec 2025:
https://www.currentaffairs.org/news/ai-is-destroying-the-university-and-learning-itself (eigene
Übersetzung)
38) Sarah Master et al. 2024: Trying Harder: How Cognitive Effort Sculpts Neural Representations during
Working Memory, in: The Journal of Neuroscience, Vol. 44, Issue 28, 10.7.2024,
doi:10.1523/JNEUROSCI.0060-24.2024
39) Erhan Genç et al., The Neural Architecture of General Knowledge, in: European Journal of Personality,
Vol 33, 5, Sept/Oct 2019, doi:10.1002/per.2217
40) Henning Beck, Das neue Lernen heißt verstehen, Berlin: Ullstein 2024 (4. Auflage), S. 112
41) Vgl. etwa James Manyika et al., A future that works: Automation, Employment, and Productivity,
McKinsey Global Institute 2017
42) Microsoft, The New Future of Work, Microsoft Research, 05.02.2026, https://www.microsoft.com/en
us/research/project/the-new-future-of-work/; OECD, OECD skills outlook 2025, OECD Publishing,
30.01.2026, doi:10.1787/26163cd3-en; UNESCO, Guidance for generative AI in education and research.
United Nations Educational, Scientific and Cultural Organization, 05.02.2026,
https://unesdoc.unesco.org/ark:/48223/pf0000386693; World Economic Forum, The future of jobs report
2025, 09.02.2026, https://www.weforum.org/publications/the-future-of-jobs-report-2025/
43) World Economic Forum, The future of jobs report 2025, 09.02.2026,
https://www.weforum.org/publications/the-future-of-jobs-report-2025/ S. 35 ff
44) Vgl. die Studie zur KI-Nutzung unter Studierenden in UK: “generating text” ist mit Abstand die
häufigste Einsatzweise. Josh Freeman, Student Generative AI Survey 2025, HEPI, 2025,
https://www.hepi.ac.uk/reports/student-generative-ai-survey-2025/
45) Hamsa Bastani et al., Generative AI without guardrails can harm learning: Evidence from high school
mathematics, PNAS Vol.122, No. 26, 25.6.2025, doi:10.1073/pnas.2422633122
46) Nataliya Kosmyna et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI
Assistant for Essay Writing Task, 10.6.2025, Preprint, doi:10.48550/arXiv.2506.08872
47) Vgl. Ziad Mahayni, Mensch-Sein im Zeitalter Künstlicher Intelligenz, Stuttgart: Kohlhammer 2025;
Thomas Fuchs, Verteidigung des Menschen, Berlin: Suhrkamp 2022 (4. Auflage); Walter Quattrociocchi
et al., Epistemological Fault Lines Between Human and Artificial Intelligence, 22.12.2025,
doi:10.48550/arXiv.2512.19466
48) Vgl. Antonio Demasio, Descartes‘ Irrtum, Fühlen, Denken und das menschliche Gehirn, München: List
(3. Auflage); Thomas Fuchs, Das Gehirn – ein Beziehungsorgan. Eine phänomenologisch-ökologische
Konzeption, Stuttgart: Kohlhammer 2013
49) Dies wird tiefer ausgeführt in: Ziad Mahayni, Ist Künstliche Intelligenz intelligent?, in: Rebecca Böhme
et al. (Hg.), Philosophie als Kritik und Lebenspraxis, Herder 2025, S. 97-112
50) Sidra Sidra et al., Generative AI in Human-AI Collaboration: Validation of the Collaborative AI Literacy
and Collaborative AI Metacognition Scales for Effective Use, in: International Journal of Human
Computer Interaction, 2025, doi:10.1080/10447318.2025.2543997
51) Eine Übersicht findet sich in Henning Beck, Das neue Lernen heißt verstehen, Berlin: Ullstein 2024 (4.
Auflage)
52) Michael Prinzing et al., Studying Philosophy Does Make People Better Thinkers, in: Journal of the
American Philosophical Association, 2025, 11(4), doi:10.1017/apa.2025.10007 (eigene Übersetzung)
53) Zitiert nach Henning Beck, Das neue Lernen heißt verstehen, Berlin: Ullstein 2024 (4. Auflage), S. 83
Læs mere her:
