5 min read

Studieadministrative oppgaver

Ledetekst

Gjør en grundig analyse før du setter opp en gjennomtenkt liste over studieadministrative oppgaver i høyere utdanning der KI kan gi nyttige bidrag. Gi også konkrete eksempler.

Tre kjennetegn gjør en studieadministrativ oppgave egnet for KI-støtte.

  • Den er tekstintensiv.
  • Den følger regelverk, men krever tolkning i enkelttilfeller.
  • Den gjentas ofte med små variasjoner.

Samtidig gjelder tre begrensninger.

  • Enkeltvedtak etter forvaltningsloven krever menneskelig beslutning og begrunnelse.
  • Personopplysninger setter grenser for hvilke verktøy som kan brukes.
  • KI er bare så god som det underliggende dokumentgrunnlaget, som ved mange institusjoner er fragmentert.

Skillet mellom forsinket digitalisering og genuint KI-spesifikke bidrag gjelder her også. Mye av gevinsten forutsetter strukturerte tekstsamlinger. KI bør forstås som forberedende og kvalitetssikrende ledd, ikke som beslutningstaker. Her er noen oppgavetyper med eksempler:

Studieveiledning og førstelinjeinformasjon

  • RAG-basert svartjeneste bygget på studieforskrift, emnebeskrivelser og lokale rutiner. Eksempel: en student spør om frist for å trekke seg fra eksamen og får svar med kildehenvisning til riktig paragraf.
  • Utkast til svar på repeterende e-posthenvendelser der saksbehandler kontrollerer og sender.

Innpassing og godskriving

  • Sammenligning av emnebeskrivelser fra ekstern institusjon mot egne emner, med utkast til vurdering av faglig overlapp. Eksempel: KI lager en tabell over læringsutbytter i to emner og markerer hvor dekningen er usikker. Vedtaket fattes av ansvarshavende.
  • Oversettelse og strukturering av utenlandske vitnemål og karakterutskrifter som forberedelse til saksbehandling.

Saksbehandling av søknader

  • Forhåndssortering av søknader om permisjon, fjerde eksamensforsøk eller tilrettelegging: KI sjekker om dokumentasjon er komplett og lager saksresymé. Eksempel: En tilretteleggingssøknad mangler legeerklæring og KI genererer utkast til mangelbrev.
  • Utkast til vedtaksbrev basert på maler og saksfakta med menneskelig kontroll av begrunnelse.

Emne- og studieplanarbeid

  • Konsistenssjekk av læringsutbyttebeskrivelser mot NKR-nivåbeskrivelser. Eksempel: KI flagger at et bacheloremne bruker verb som "vurdere kritisk på ekspertnivå" som hører hjemme høyere i rammeverket.
  • Kartlegging av overlapp og hull på tvers av emner i et studieprogram før revisjon.

Kvalitetsarbeid og rapportering

  • Tematisk analyse av fritekstsvar fra emneevalueringer og Studiebarometeret. Eksempel: 400 fritekstsvar kategoriseres etter tema med representative sitater til programrapporten.
  • Utkast til årlige kvalitetsrapporter der KI sammenstiller data fra DBH og interne kilder, og fagperson skriver vurderingen.

Eksamensadministrasjon

  • Kontroll av at sensorveiledninger, oppgavetekster og læringsutbytter henger sammen før eksamen publiseres.
  • Utkast til informasjonsskriv ved endringer i vurderingsordning, tilpasset ulike mottakergrupper.

Dokumenthåndtering og institusjonell hukommelse

  • Strukturering og gjenfinning i rutinebeskrivelser og tidligere saker. Eksempel: En ny saksbehandler spør hvordan tilsvarende innpassingssaker ble vurdert før og får sammendrag av presedens.
  • Utkast til oppdaterte prosessbeskrivelser der praksis har endret seg, men dokumentasjonen henger etter.

KI bidrar der oppgaven er å sammenstille, sammenligne, sortere og formulere utkast. Der oppgaven er å avveie hensyn og fatte vedtak med rettsvirkning, er KI i beste fall et forberedende ledd. Den grensen er ikke bare juridisk, den er også pedagogisk nyttig i kursammenheng fordi den speiler fronesis-poenget dere allerede bruker.

Lag så forslag til en ny arbeidsdeling som framhever nye oppgaver for administrativt ansatte, nye oppgaver for faglig tilsatte undervisere og nye former for overlapp og samarbeid mellom de to gruppene.

KI flytter ikke primært oppgaver mellom gruppene, men endrer hva som er kjernen i hver rolle. Rutinepreget tekstproduksjon og informasjonsformidling mister verdi i begge leire. Det som øker i verdi er kuratering av grunnlagsmateriale, kvalitetskontroll av KI-utkast og skjønnsutøvelse. Arbeidsdelingen bør derfor bygges rundt hvem som eier hvilket kunnskapsgrunnlag, ikke rundt hvem som utfører hvilke tastetrykk

  • Fra saksbehandler til forvalter av kunnskapsgrunnlag. Når KI-verktøy svarer på førstelinjespørsmål og lager saksutkast, blir kvaliteten på det underliggende materialet avgjørende. Administrasjonen får ansvar for at forskrifter, rutiner, presedens og maler foreligger strukturert, oppdatert og maskinlesbart. Eksempel: vedlikehold av det dokumentkorpuset en RAG-tjeneste for studentveiledning bygger på, med versjonskontroll og kildemerking.
  • Kvalitetskontrollør av KI-produsert saksforberedelse. Oppgaven skifter fra å skrive utkast til å vurdere utkast. Det krever bedre regelverkskompetanse, ikke dårligere, fordi feilene KI gjør er plausible og velformulerte. Eksempel: kontrollere at et KI-generert vedtaksutkast bygger på riktig forskriftsversjon og at begrunnelsen faktisk treffer sakens fakta.
  • Presedensforvaltning. Systematisk dokumentasjon av hvordan skjønnssaker er vurdert, slik at både mennesker og KI-verktøy kan gjenfinne dem. Dette har vært uformell kunnskap hos erfarne saksbehandlere. Nå blir det en eksplisitt arbeidsoppgave.
  • Personvern- og verktøyvurdering i praksis. Administrasjonen blir førstelinje for å vurdere hvilke data som kan behandles i hvilke verktøy. Eksempel: avgjøre om fritekstsvar fra emneevaluering kan analyseres i en skytjeneste utenfor europeisk jurisdiksjon, eller må håndteres lokalt.

Nye oppgaver for faglig tilsatte

  • Fra formidler til modellerer av faglig praksis. Når studentene får forklaringer fra KI døgnet rundt, mister forelesningen sin formidlingsfunksjon. Undervisernes nye kjerneoppgave er å demonstrere faglig tenkning, vise hvordan posisjoner veies og begrunnes, og stå faglig inne for noe med personlig autoritet.
  • Kuratering av faglig grunnlagsmateriale. Parallelt med administrasjonens rolle: undervisere får ansvar for at pensum, læringsobjekter og fagressurser foreligger i former som KI-rike læringsomgivelser kan bygge på. Eksempel: utvikle en dokumentsamling for et emne der en emnetrimmet assistent svarer i tråd med emnets faglige profil, ikke internettets gjennomsnitt.
  • Redesign av oppgaver og vurdering. Eksamens- og oppgaveformer som KI løser bedre enn studentene mister verdi som vurderingsgrunnlag. Å redesigne dem er blitt en løpende faglig utviklingsoppgave, ikke en engangsjobb. Gjort systematisk og dokumentert kan dette kvalifisere som faglig utviklingsarbeid i opprykkssammenheng.
  • Eksplisitt undervisning i faglig KI-bruk. Å vise studentene hvor KI tilfører verdi i faget og hvor den forvrenger, blir en del av fagundervisningen selv, ikke et generisk tillegg fra et læringssenter.
Prefabrikerte ledetekster i Claude for Teachers (gratis for lærere i ett år)

Nye former for overlapp og samarbeid

  • Felles eierskap til institusjonens dokumentgrunnlag. RAG-baserte tjenester trenger både regelverksdokumenter og faglige ressurser. Ingen av gruppene kan bygge dette alene. Eksempel: en studieveiledningsassistent som skal svare på "kan jeg ta dette emnet uten forkunnskapskravet" trenger både forskrift og faglig vurdering av hva kravet faktisk beskytter.
  • Bibliotekar som tredje part. Kildevurdering, lisensiering og strukturering av repositorier ligger i skjæringspunktet, og biblioteket har metodekompetansen som begge gruppene mangler. Kurs og utviklingsarbeid bør organiseres med fagpersoner og bibliotekarer sammen.
  • Felles prompt- og malbibliotek. Gode ledetekster for saksresymé, læringsutbytteanalyse eller tilbakemelding er verdt å dele på tvers. Vedlikeholdet krever administrativ systematikk og faglig kvalitetsvurdering i kombinasjon.
  • Blandede vurderingsteam for KI-implementering. Beslutninger om verktøyvalg og bruksregler treffer begge gruppene og bør fattes i fora der begge deltar med reell stemme. Det forutsetter det felles begrepsapparatet EVU-notatet deres peker på. Blandede kursgrupper er i praksis en forberedelse til denne samarbeidsformen.
  • Delt grensesnitt i studentoppfølging. Når KI håndterer førstelinjespørsmål, blir sakene som når mennesker mer sammensatte og oftere både faglige og administrative samtidig. Eksempel: en student med studieprogresjon i fare trenger både forskriftstolkning og faglig veiledning i samme samtale. Det taler for tettere koblede team rundt studentsaker enn dagens sekvensielle overlevering.

Vedtaksmyndighet forblir hos administrasjonen og det faglige ansvaret hos underviserne. Arbeidsdelingen over endrer forberedelsen og samarbeidsformene, ikke ansvarslinjene. Det poenget er verdt å si eksplisitt i en kurssammenheng, fordi uro for ansvarsforskyvning ellers kan overdøve diskusjonen om reelle endringer.