Når AI skriver opgaven, hvad viser karakteren så?

En aflevering kan være velformuleret, velstruktureret og fagligt overbevisende. Det afgørende spørgsmål er, om eleven kan forklare og bruge det, der står i den.

Det spørgsmål er blevet sværere at besvare med generativ AI. Og det rammer selve forbindelsen mellem en præstation, en karakter og de kompetencer, som et eksamensbevis skal dokumentere.

Mistanken rammer også dem, der arbejder selv

Rapporten GAI i en læringskontekst 2026 bygger på svar fra 4.885 elever og studerende, 440 undervisere og 46 ledere. Den omfatter HHX/HTX og EUD/EUX på partnerskoler i Region Midtjylland samt erhvervssproglige uddannelser på Aarhus Universitet.

I de åbne svar beskriver undervisere usikkerhed om, hvem der har lavet arbejdet. En underviser skriver:

»Man har ofte mistanken, men kan ikke bevise det. Det gør, at man ender med at mistænke alle.« Underviser, GAI i en læringskontekst 2026, s. 101.

Andre kommentarer handler om manglende motivation til at rette afleveringer og om risikoen for at mistænke dygtige elever. Andre undervisere svarer, at de sjældent oplever problemet. Kommentarerne viser forskellige erfaringer, ikke en fælles dom fra alle lærere.

Forskellige regler, forskellige erfaringer

I undersøgelsen svarer 97 procent af bachelorstuderende og 95 procent af kandidatstuderende, at AI må bruges til eksamen på deres uddannelse. Blandt EUD/EUX-elever er det 11 procent og blandt HHX/HTX-elever 4 procent.

Svarene viser, hvordan deltagerne opfatter reglerne på deres egen uddannelse. Tallene beskriver ikke eksamensreglerne for alle danske universitetsstuderende og gymnasieelever. De siger heller ikke, at alle eksamensformer på en uddannelse har samme regler.

To tredjedele efter deres egen definition

Danmarks Evalueringsinstituts undersøgelse af gymnasieelevers AI-brug, offentliggjort i 2026, giver et andet indblik. Omkring to tredjedele af de elever, der besvarede spørgsmålet, oplyste, at de mindst én gang havde brugt AI til at snyde med en individuel aflevering.

Eleverne svarede ud fra deres egen forståelse af snyd. Det er selvrapporterede handlinger i forbindelse med afleveringer, ikke konstateret snyd ved eksamen. Den forskel er vigtig, hvis tallet skal bruges til at diskutere tilliden til karakterer.

Ministerens svar kombinerer kontrol og nye prøveformer

Undervisningsminister Magnus Heunickes strakspakke fra 6. august 2026 handler ikke kun om skærmovervågning.

Den lægger også op til mundtligt forsvar af den større skriftlige opgave på hf og opfordrer gymnasierne til at lade eleverne skrive flere opgaver på skolen under kontrollerede forhold. Formålet er blandt andet at give underviserne bedre mulighed for at følge arbejdsprocessen.

Pakken opfordrer desuden gymnasierne til at bruge monitoreringsværktøjer ved skriftlige prøver. Der er tale om en opfordring, ikke en fælles, obligatorisk overvågningsordning.

AI kan støtte læring, men ikke automatisk

Forskningen giver ikke grundlag for et enkelt ja eller nej til AI i undervisningen. Det er afgørende, hvad eleverne faktisk skal gøre med værktøjet, og hvordan deres læring bliver undersøgt.

I et randomiseret forsøg med universitetsstuderende i fysik klarede studerende med en særligt udviklet AI-tutor sig bedre i den efterfølgende test end studerende, der fik aktiv undervisning i klasseværelset. Forsøget dækkede to lektioner. Det er et interessant resultat fra et konkret forløb, ikke et bevis for, at enhver chatbot underviser bedre end en lærer.

Et seks ugers forsøg i Nigeria fandt en samlet forbedring på omkring 0,3 standardafvigelser i testresultater. Her indgik AI i et undervisningsforløb efter skoletid med faste prompts, pensumtilpasning, lærerhjælp og samarbejde mellem elever. Forskerne understreger, at effekten ikke kan tilskrives chatbotten alene. De ved heller ikke, hvor længe forbedringen varer.

En bedre aflevering er ikke nødvendigvis mere læring

Andre studier undersøger afstanden mellem det afleverede arbejde og præstationen uden hjælp.

Et studie af 26.811 kinesiske elever finder, at brug af AI hænger sammen med bedre præstationer i lektierne, men lavere resultater ved kontrollerede prøver. Studiet følger elever over tid og anvender en statistisk sammenligning. Det er ikke et randomiseret forsøg, og resultatet kan ikke uden videre overføres til danske gymnasier.

Et studie fra UC Berkeley analyserer over en halv million karakterer fra ét universitet. Det finder en større stigning i topkarakterer i fag, hvor opgaver lettere kan løses med AI, især når hjemmearbejde vejer tungt. Det er ikke dokumentation for, at den enkelte studerende har snydt.

Begge studier er offentliggjort som arbejdspapirer. De rejser spørgsmålet om, hvad en karakter måler, men giver ikke i sig selv svaret på, hvordan eksamenerne skal indrettes.

Vurdering: Vi skal kunne se elevens eget arbejde

Kontrol ved prøver og undervisning i ansvarlig AI-brug løser forskellige opgaver. Skærmovervågning kan gøre det lettere at opdage visse former for snyd. Den kan ikke i sig selv sikre, at eleven har lært noget gennem skoleåret.

Derfor bør elever både møde situationer, hvor de skal vise deres selvstændige kunnen, og forløb, hvor de lærer at bruge AI og vurdere svarene kritisk. Et mundtligt forsvar kan undersøge, om eleven forstår sin egen aflevering. Arbejde i undervisningen kan gøre processen synlig. Ingen af delene er gratis i lærertid, og prøveformen skal passe til faget.

Den nye undersøgelse beviser ikke, at eksamensbeviset har mistet sin værdi. Den viser, hvorfor tilliden til bedømmelsen kræver opmærksomhed. En flot besvarelse er ikke nok. Eleven skal også kunne stå på mål for den.

Det kan undersøgelsen fortælle

AU-rapportens data er indsamlet 2. til 31. marts 2026 via link og QR-kode. Forskerne kender ikke antallet af personer, der modtog linket, og kan derfor ikke beregne en svarprocent. Resultaterne kan ikke uden videre overføres til alle elever og undervisere. Svar og kommentarer beskriver erfaringer og holdninger, ikke en national måling af elevernes faglige niveau.

Kilder og metode

1. GAI i en læringskontekst 2026. Metode, s. 29; eksamensregler, s. 49; underviserkommentarer, s. 101 og 120. AU og projektet ledet af Learnmark Horsens.
2. EVA: Elevers brug af AI i gymnasiet, 2026, afsnit 4.2 og figur 4.3.
3. Undervisningsministeriets beskrivelse af strakspakken, 6. august 2026.
4. Kestin m.fl.: AI tutoring outperforms in-class active learning, Scientific Reports, 2025. Fagfællebedømt.
5. Verdensbankens forskerholds gennemgang af forsøget i Nigeria, 25. juni 2025. Formidling af et arbejdspapir.
6. The Generative AI Learning Penalty, CEPR Discussion Paper 21577, 2026. Arbejdspapir.
7. Artificial Intelligence and Grade Inflation, UC Berkeley CSHE, 2026. Arbejdspapir.

Artiklen bygger på offentliggjorte kilder. Der er ikke gennemført egne interviews. Analysens vurdering er adskilt fra undersøgelsernes resultater.