Teori om kognitiv last – ein nyttig inngang til å snakke om korleis KI påverkar læring?

Ei av hovudutfordringane med generativ kunstig intelligens (GKI) i skulen i dag er at GKI i mange tilfelle gjer læringsarbeidet som var meint for elevane. Teori om kognitiv last gir oss ein måte å forstå og sjå korleis bruk av GKI påverkar læringsprosessar. Særleg kan teorien hjelpe oss å sortere i kva slags type oppgåver vi kan tillate at GKI gjere for elevane og ikkje. Her gjer vi difor greie for nokre sentrale omgrep som vi trur kan vere nyttige for skuleleiarar og lærarar.

Teori om kognitiv last

Teori om kognitiv last (eng: cognitiv load theory, på norsk også omtala som kognitiv belastningsteori) er ein undervisingsteori og gir oss eit rammeverk for å utforme undervisning (Sweller et al. 2011). Den baserer seg på ein modell av menneskeleg kognitiv arkitektur og tar utgangspunkt i at vi alle har ein flaskehals som avgrensar kor mykje ny informasjon vi kan prosessere. Denne flaskehalsen er arbeidsminnet vårt og har avgrensingar i både kapasitet og tid. Det er svært avgrensa kor mange einingar vi klarer å halde dei i arbeidsminnet samstundes og også kor lenge. Det er derimot ikkje kjende grenser for kor mykje vi kan prosessere frå langtidsminnet (Centre for Education Statistics and Evaluation (CESE), 2017). Det er her det store læringspotensialet vårt ligg. I ein podcast frå mars 2026 (Stokke 2026) seier Sweller at teorien kanskje helle skulle hatt namnet long-term memory theory, fordi det på mange måtar er det mest sentrale i teorien.

Teori om kognitiv last seier at kunnskap vert lagra i langtidsminnet som skjema. Skjema er komplekse kunnskapsstrukturar i langtidsminnet som organiserer informasjon ut frå korleis den skal brukast (Lodge & Loble, 2026). Læring er prosessen som bygger desse skjemaa. Teori om kognitiv last seier at overlast på arbeidsminnet vil hemme læring. Målet vert difor å utforme undervising som tar omsyn til dette slik at ein kan optimalisere konstruksjonen av skjema for lagring i langtidsminnet. Teorien seier vidare at ein sentral element ved skjemabygging er automatisering slik at informasjon kan prosesserast med minimal innsats. Automatisering oppstår ved øving. Eit døme på dette er når barn lærer å lese: Først bygger ein skjema for å lese bokstavar før ein så kan lage skjema for å putte bokstavar saman til ord før ein så kan lage skjema for setningar (CESE, 2017). Gjennom skjema kan vi altså lagre komplekse strukturar av kunnskapar og ferdigheiter og med det redusere lasta det gir arbeidsminnet vårt å bruke desse. Eit godt døme på dette er forsøk der ein har testa ekspertar i sjakk og noviser sine evner til å hugse sjakkstillingar. Ekspertane er overlegne på dette området så lenge det er sjakkstillingar frå spel. Men viss brikkene vert fordelt heilt tilfeldig på brettet vert skilnaden mellom ekspert og novise borte. Årsaka vert forklart med at sjakkekspertar har utvikla skjema for sjakkstillingar. Dei har altså ikkje eit betre arbeidsminne, men har langt fleire skjema lagra i langtidsminnet som gjer den kognitive lasta ved å hugse sjakkstillingar langt mindre enn for novisar (Stokke 2026).

I møtet med GKI vert omgrepet kognitiv avlasting (cognitive offloading) særleg relevant. Det vert definert som fysiske handlingar som reduserer kor kognitivt krevande ei oppgåve er (Risko & Gilbert, 2016). I denne samanhengen kan ein snakke om outsourcing av mentalt arbeid til ein ekstern ressurs. Daglege døme er å skrive handleliste eller å bruke kalkulator i staden for å hugse det ein treng eller å gjere hovudrekninga som skal til. I mange klasseromssituasjonar kan dette vere hensiktsmessig avlasting for å kunne løyse meir komplekse oppgåver. Det sentrale er at både lærarar og elevar gjer medvitne val om kva ein avlastar og outsourcer av arbeid.

Gunstig og skadeleg kognitiv avlasting

Lodge og Loble (2026) presenterer eit nyttig skilje imellom gunstig kognitiv avlasting (beneficial cognitive offloading) og skadeleg kognitiv avlasting (detrimental cognitive offloading). Forfattarane baserer seg her på at kognitiv last kan delast i to: indre (intrinsic) og ytre (extraneous) (Kalyuga & Plass, 2025; Sweller, 2010). Indre last er relatert til det som skal lærast, medan ytre last er kognitiv last grunna måten informasjon er presentert på. Eit døme på ytre last kan vere unødig bruk av framandord, slik ein kanskje kan kjenne på når ein les denne teksten. Indre last er naudsynt for læring, medan ytre last er hemmande for læring. Eit døme er at å lære å løyse ei likning som krev to steg, gir høgare kognitiv last enn ei likning som krev eitt steg. Ytre last vil i det tilfellet kunne vere ein forvirrande figur. Gunstig kognitiv avlasting vil kunne vere å avlaste det som ikkje er sentralt for det ein skal lære (ytre last) for å redusere den samla belastninga og gi meir rom til det som er sentralt (indre last). Ifølge Lodge og Loble kan kognitiv avlasting støtte utvikling av meir avanserte ferdigheiter viss den er intensjonell og pedagogisk styrt. Eit døme kan vere å tillate elevar å nytte kalkulatoren for å multiplisere store tal i arbeidet med å løyse likningar. Skadeleg kognitiv avlasting vil vere å avlaste den indre lasta ein faktisk treng for å lære det som er målet. I vårt døme kan det vere å be eit GKI-verktøy om sette opp alle stega som skal til for å løyse likninga.

Mange av utfordringane lærarar rapporterer i møte med GKI er relatert til vurdering og kva og kven sin kompetanse vi faktisk ender med å vurdere. Prestasjonsparadokset (performance paradox) er eit svært relevant omgrep i denne samanhengen. Eit klassisk tilfelle vil vere eleven som får eit betre sluttprodukt etter å ha fått støtte frå ein praterobot, men har lært mindre fordi hen har gått glipp av viktig indre kognitiv last i arbeidet. Paradokset oppstår når vurderingsarbeidet vårt ikkje har tilstrekkeleg gyldigheit, og vi vurderer prestasjon framfor faktisk læring.

Metakognitiv latskap og ulikskap

Det har lenge vore snakka om at menneske generelt er kognitivt late, men i møte med GKI vert det nok også snakka om metakognitiv latskap (metacogntive laziness). Fan mlf. (2024) finn at støtte frå GKI kan undergrave sjølvregulert læring. Lodge og Loble (2026) koplar dette til kompetanseillusjonar som er ei kjend utfordring i digital læring der høg flyt (fluency) i læringsmaterialet (slik som gode instruksjonsvideoar) gjer at den som skal lære noko forvekslar kor lett sjølve prosesseringa er med den faktiske djupna i læringa. Altså til dømes at vi opplever ein godt illustrert video som så enkel og lett forståeleg at vi med det trur at vi også har forstått alt som vart formidla like godt. Dette kan så skape ein vond sirkel som Lodge og Loble skildrar slik:

• Søk etter effektivitet: Eleven ønskjer å bli fort ferdige.
• Kompetanseillusjonen: Dei KI-genererte svara har så god flyt at eleven trur hen har forstått stoffet betre enn hen i faktisk har.
• Metakognitiv latskap: Illusjonen gjer at eleven sluttar å anstrenge seg og avlastar sentralt kognitivt arbeid til GKI.
• Avhengigheit: Eleven lærer mindre og vert difor meir avhengig av GKI-verktøyet og får lågare evna til å vurdere kvaliteten på svara.

Lodge og Loble (2026) viser særleg til kor sårbart dette er på område vi har låg kompetanse frå før der Dunning-Kruger-effekten får spelerom (den seier at vi har tendens til å overvurdere eigen kompetanse på område vi har låg kompetanse). Dette kan difor vere til hinder for kritisk tenking.

Eit svært sentralt spørsmål som lærarar må ta stilling til vert difor kva som er ønskelege utfordringar (desirable difficulties) (Lodge og Loble, 2026). Kva er det vi ønskjer at elevane skal lære, og kva kognitivt arbeid er det dei må gjere for å lære dette?

I siste ende er det fare for at GKI forsterkar metakognitiv ulikskap (metacognitive equity gap). Lodge og Loble (2026) viser til at utfordringane med prestasjonsparadokset, metakognitiv latskap og kompetanseillusjonen ikkje er likt fordelt og typisk treff dei med låg kompetanse frå før. Dei viser også til at elevar med lågast evne til sjølvregulering og metakognitive ferdigheiter er dei som lett vil bli mest freista til å avlaste arbeid til KI.

Mykje av inspirasjonen til denne oversikta er henta frå denne rapporten frå mars 2026 av Lodge og Loble. For dei som er interesserte i utdjupingar og blanta anna ei lengre ordliste, anbefaler vi å lese rapporten.