The future of learning?: The role of large language models in Danish high schools explored
Authors
Haurum, Kasper Raupach ; Alam, Md Raiyan
Term
4. semester
Publication year
2024
Submitted on
2024-06-03
Pages
107
Abstract
Dette speciale undersøger, hvordan elever i danske gymnasier bruger store sprogmodeller (LLM'er), og hvilken betydning det har for undervisning og læring. Vi anvender en mixed methods-tilgang med kvalitative interviews med lærere og elever samt kvantitative elevspørgeskemaer. For at indsamle følsomme oplysninger på en mere anonym og præcis måde bruger vi Randomized Response Technique med Forced Response Design, en metode der gør det lettere at svare ærligt. Resultaterne viser et dobbelt billede. På den ene side kan LLM'er fungere som læringsstøtte ved at give forklaringer, ideer og feedback, der hjælper eleverne til bedre forståelse af fagligt stof. På den anden side rummer brugen udfordringer: risiko for afhængighed, skævheder (bias) i modeluddata, og behov for klare retningslinjer og kompetenceudvikling for både lærere og elever. Analysen peger også på kønsforskelle: kvinder har en større tendens til at føle afhængighed af LLM'er, mens mænd rapporterer hyppigere brug. Derudover påvirker LLM'er både elevdeltagelse og didaktiske valg og kan både supplere og forstyrre mere traditionelle undervisningsformer. På baggrund af dette identificerer specialet gode praksisser og områder, der kræver særlig opmærksomhed ved integrationen af LLM'er i undervisningen. Vi anbefaler, at skoler udvikler undervisning om LLM'er for lærere og elever, fastlægger tydelige regler for passende brug og løbende vurderer værktøjernes kvalitet og effekt på elevernes læring. Målet er at udnytte fordelene og samtidig begrænse ulemperne, så LLM'er bruges ansvarligt og effektivt i uddannelse.
This thesis explores how students in Danish high schools use large language models (LLMs) and how that affects teaching and learning. We use a mixed-methods design: qualitative interviews with teachers and students and quantitative student surveys. To collect honest answers on sensitive topics, we apply the Randomized Response Technique with a Forced Response Design, a privacy-preserving survey method that improves accuracy. Findings paint a two-sided picture. LLMs can support learning by offering explanations, ideas, and feedback that improve understanding across subjects. At the same time, challenges arise: the risk of dependence, potential biases in model outputs, and the need for clear guidelines and training for both teachers and students. The analysis also points to gender differences: women show a greater tendency to feel dependent on LLMs, while men report using them more frequently. In addition, LLMs influence student engagement and teaching choices, and can both complement and disrupt traditional classroom practices. Based on these results, the thesis identifies best practices and areas that need attention when integrating LLMs into the classroom. It recommends developing LLM literacy for teachers and students, setting clear rules for appropriate use, and continuously assessing the tools' performance and impact on learning. The aim is to maximize benefits and limit drawbacks, ensuring responsible and effective use of LLMs in education.
[This summary has been rewritten with the help of AI based on the project's original abstract]
Keywords
Documents