Kompetens i promptdesign, kunskapshantering och teknikanpassning som drivkrafter för utbildningsmässig hållbarhet genom generativ AI

Varför smartare frågor till AI spelar roll för studenter

När generativa AI-verktyg som chattbotar kommer in i klassrummen uppstår en central fråga: vad gör att vissa studenter förvandlar dessa verktyg till varaktiga lärandepartners medan andra bara använder dem kortvarigt eller på ett mindre bra sätt? Denna studie utforskar hur studenters förmåga att ställa bra frågor till AI, hur de hanterar den kunskap de får, och hur väl AI-verktygen passar deras studiebehov samverkar för att stödja långsiktigt, hållbart lärande i högre utbildning.

Hur studien undersökte studenters användning av AI

Forskarnas undersökning omfattade 437 universitetsstudenter som redan använder generativa AI-verktyg som ChatGPT för akademiska arbeten. Med statistisk modellering byggde och testade de en orsakskedja som börjar med studentens kompetens i "prompt engineering", går vidare genom hur mycket användbar kunskap studenten skaffar sig och faktiskt använder, formar hur väl AI upplevs passa både uppgiften och den enskilda studenten, och slutligen leder till studentens avsikt att fortsätta använda AI. Slutmålet för denna kedja är utbildningsmässig hållbarhet, här förstått som en bestående, effektiv användning av AI i lärandet snarare än en kortlivad tekniktrend.

Från bättre prompts till bättre anpassning för lärande

Huvudidén är att i generativa AI-system beror kvaliteten i vad studenterna får ut i hög grad på vad de matar in. Studenter som kan formulera tydliga, detaljerade och målmedvetna prompts tenderar att få fram mer korrekt och relevant information och är bättre på att tillämpa den i uppgifter, projekt och problemlösning. Studien visar att denna kunskapsinhämtning och tillämpning starkt påverkar hur väl studenter upplever att AI passar deras kursuppgifter och deras egna preferenser, färdigheter och trygghet. Med andra ord ger smart promptning inte bara bättre svar; det får tekniken att kännas mer lämpad både för arbetet och för personen som använder den.

Varför ”fit” driver fortsatt användning

Forskningen lyfter fram två typer av anpassning. Task–technology fit fångar hur väl AI-verktyg hjälper till med specifika läranduppgifter, såsom att förstå ett begrepp eller lösa ett problem. Individual–technology fit fångar hur väl verktygen matchar studenternas lärstilar, självförtroende och behov. Båda typerna av anpassning är kopplade till studenternas planer att fortsätta använda AI, men task–technology fit är den starkare drivkraften. När studenter upplever att AI verkligen hjälper dem att utföra akademiska uppgifter mer effektivt är de betydligt mer benägna att fortsätta använda det frivilligt och regelbundet. Denna fortsatta användning är i sin tur nära förknippad med idén om utbildningsmässig hållbarhet, eftersom verktyg bara förändrar lärandet om de förblir en del av vardagliga studierutiner.

Promptfärdigheter som en ny läskunnighet

Studien placerar också prompt engineering som en ny form av akademisk läskunnighet. Studenter som är skickliga i att bryta ner komplexa uppgifter i mindre frågor, anpassa prompts till olika AI-verktyg, förfina sina förfrågningar utifrån tidigare svar och kontrollera AI-utdata för bias och korrekthet visar mycket högre nivåer av både kunskapsinhämtning och kunskapsanvändning. Prompt engineering framträdde som den starkaste prediktorn i hela modellen, vilket tyder på att hur studenter kommunicerar med AI kan spela större roll än vilken specifik plattform de väljer. Intressant nog kvarstod mönstret för både manliga och kvinnliga studenter, även om tillämpningen av kunskap på verkliga uppgifter verkade stärka känslan av task fit något mer för kvinnor.

Vad detta innebär för framtidens lärande

För en lekmannaläsare är studiens budskap enkelt: generativ AI stärker utbildningen mest när studenter lär sig att ställa bättre frågor och aktivt arbeta med svaren. När starka promptfärdigheter leder till stadiga kunskapsvinster och verklig användning uppfattar studenter AI som en naturlig del av deras studieverktyg, inte en förbigående nyhet. Denna uthålliga, meningsfulla användning är vad författarna kallar utbildningsmässig hållbarhet. Istället för att ersätta mänskligt lärande blir AI en partner som stödjer djupare förståelse och bestående färdigheter, förutsatt att skolor hjälper studenter att utveckla de kompetenser som behövs för att styra och granska dessa kraftfulla verktyg.

Citering: Gibreel, O., Karataş, K. & Arpaci, I. Prompt engineering competence, knowledge management, and technology fit as drivers of educational sustainability through generative AI. Sci Rep 16, 15596 (2026). https://doi.org/10.1038/s41598-026-46335-x

Nyckelord: generativ AI i utbildning, prompt engineering, utbildningsmässig hållbarhet, task–technology fit, kunskapshantering