Fra digital til rumlig: Sådan ændrer AI økonomien for immersiv læring

Rumlig læring har aldrig lidt under mangel på overbevisende anvendelsestilfælde. Anatomi, kemi, ingeniørvidenskab og mange andre fag er iboende tredimensionelle (3D), men eleverne bliver stadig ofte bedt om at lære og forstå dem gennem tekst, todimensionale diagrammer eller flade videoer. Hovedhindringen har været økonomien: at skabe nok højkvalitets interaktivt 3D-indhold til at dække en almindelig læseplan, som traditionelt har krævet specialiserede kunstnere, udviklere og betydelig produktionstid. Kunstig intelligens (AI) begynder at ændre dette med nye former for rumlig computing, som gør det lettere at levere immersive oplevelser på et bredere udvalg af enheder og læringsmiljøer.

Muligheden er ikke at erstatte lærebøger, forelæsninger, fysiske laboratorier eller lærere. Det handler om at matche den fysiske repræsentation med konceptet. En elev kan læse om strukturen af et molekyle, undersøge en illustration af det menneskelige hjerte eller studere et diagram af en motor, men i hver situation skal læreren mentalt rekonstruere relationerne mellem objekter, strukturer og processer. Rumlig læring kan reducere noget af denne kognitive oversættelse ved at lade eleverne inspicere de relationer direkte og interagere med dem fra forskellige, livagtige perspektiver.

Fra digital information til rumlig forståelse

Overgangen til rumlig læring er en del af en bredere udvikling inden for uddannelsesteknologi. Digitalisering af en lærebog gjorde information lettere tilgængelig, men ændrede ikke grundlæggende, hvordan informationen blev repræsenteret. Interaktiv software tilføjede deltagelse, og simuleringer tilføjede eksperimentering. Rumlige oplevelser kan gå et skridt videre ved at ændre selve repræsentationen, især når emnet er iboende rumligt.

Tag anatomi som eksempel. At genkende strukturerne i det menneskelige hjerte er kun begyndelsen; eleverne skal også forstå, hvordan disse strukturer forholder sig til hinanden, hvor de befinder sig i kroppen, og hvordan de fungerer som en del af et større system. Den samme udfordring findes i kemi, hvor molekylær geometri er vigtig, og i ingeniørvidenskab, hvor forståelse af interaktionen mellem komponenter kan være lige så vigtig som at identificere selve komponenterne.

En voksende mængde forskning tyder på, at dette er mere end en teoretisk fordel. En 2024 meta-analyse offentliggjort i Anatomical Sciences Education undersøgte 27 eksperimentelle studier med 2.199 studerende inden for sundhedsvidenskaber og fandt, at udvidet virkelighed (XR)-teknologier gav større videngevinster end traditionelle metoder. Når XR blev brugt som et supplerende redskab sammen med konventionel undervisning, øgedes denne effekt. Videnspræstation med XR overgik også lærebøger og atlasser, hvor 80 % af de studerende, der brugte XR, rapporterede, at de fandt teknologien nyttig til at lære anatomi.

En separat meta-analyse af randomiserede forsøg nåede frem til en lignende konklusion, men fandt også betydelig variation på tværs af studier. Denne forbehold er vigtig: rumlig teknologi er ikke automatisk pædagogisk blot fordi den er immersiv. Dens værdi afhænger af undervisningsdesign, kvaliteten af repræsentationen og hvor godt oplevelsen er integreret med resten af lektionen.

Det samme princip gælder på tværs af STEM. Fysik omfatter kræfter og bevægelse, som kan være svære at observere direkte. Jord- og rumforskning beskæftiger sig med fænomener, der kan være for store, for små, for fjerne eller for farlige til at reproducere fysisk. I hver situation kan en god rumlig repræsentation gøre relationer synlige, som ellers ville forblive abstrakte.

Rumlige miljøer kan også gøre eksperimentering mere tilgængelig. I stedet for blot at blive vist resultatet af en proces, kan eleverne manipulere variable, teste hypoteser og observere resultatet. En simulation lader en lærende begå en fejl, ændre en antagelse og prøve igen uden at forbruge fysiske materialer eller indføre de samme sikkerheds- og logistiske begrænsninger som nogle laboratorieaktiviteter.

Forskning i komplekse biologiske systemer illustrerer potentialet særligt tydeligt. I en undersøgelse af 3D, haptisk understøttet virtuel virkelighed for at lære om det menneskelige hjerte blev undersøgt, om en interaktiv 3D-oplevelse kunne støtte gymnasieelevers læring om hjerteanatomi og fysiologi.  Forskerne konkluderede, at 3D-, haptisk- og VR-teknologier kan levere robuste repræsentationer og elevstyrede interaktioner med komplekse biologiske systemer, samtidig med at de bemærkede, at yngre elever kan have brug for ekstra støtte for at forbinde ny information med bredere systemer. 

Disse eksempler viser også, hvorfor immersiv uddannelse bør betragtes som en bredere kategori end kun VR. Oplevelsen kan finde sted i et headset, gennem augmented reality, på en skærmbaseret glasfri 3D-skærm eller via en anden grænseflade. Det relevante spørgsmål er ikke, hvilken formfaktor der er universelt bedst, men hvilken der hjælper eleverne med at forstå et koncept, som ellers ville være svært at visualisere eller opleve.

Efterhånden som denne kategori udvides, kan det vigtigste skift være fra isolerede demonstrationer til oplevelser, der naturligt passer ind i almindelig undervisning. Det kræver ikke kun overbevisende hardware, men også tilstrækkeligt indhold, læseplansjustering og brugervenlighed, så rumlig læring kan blive et andet dagligt undervisningsværktøj.

AI ændrer økonomien for rumlig læring

Hvis rumlig læring har vist lovende resultater i årevis, hvorfor har den forblevet relativt specialiseret? En af de største hindringer har været indholdets økonomi. En højkvalitets interaktiv lektion kan kræve faglig ekspertise, undervisningsdesign, 3D-modellering, softwareudvikling og betydelig produktionstid. Den model fungerer for udvalgte flagships-oplevelser; det er meget sværere at skalere over en hel læseplan.

Kunstig intelligens kan begynde at ændre denne ligning. Generativ AI er allerede ved at blive adopteret af undervisere til praktiske opgaver som lektionsplanlægning, forskning og indholdsudvikling. Ifølge Gallup rapporterer seks ud af ti lærere, at de bruger AI i deres arbejde. Blandt lærere i den lavere sekundære uddannelse, konkluderede OECD’s Digital Education Outlook 2026, at 57 % var enige om, at AI hjælper dem med at skrive eller forbedre lektionsplaner, mens 72 % mente, at AI kunne skade den akademiske integritet ved at gøre det muligt for elever at præsentere andres arbejde som deres eget.

Disse tal illustrerer både momentum og udfordring omkring AI i uddannelse. Lærere eksperimenterer allerede med teknologien, men de mest nyttige anvendelser vil sandsynligvis supplere snarere end erstatte faglig dømmekraft. Det samme princip bør styre brugen af AI til rumlig læring: automatiser friktion, ikke pædagogik.

AI begynder at automatisere dele af den rumlige indholds‑pipeline, som tidligere krævede specialiserede arbejdsgange. Afhængig af materialet kan modeller hjælpe med dybestimering fra 2D-billeder, segmentering, 2D‑til‑3D‑konvertering, generering af 3D‑assets fra tekst eller billeder, rekonstruktion af scener fra fotografier og video samt tilpasning af visuelt materiale til forskellige rumlige grænseflader. Ingen af disse teknikker er perfekte, men sammen ændrer de udgangspunktet. En lærebogillustration, et videnskabeligt diagram, et fotografi eller en video kan i stigende grad blive råmateriale til en interaktiv rumlig oplevelse i stedet for at kræve et team til at bygge hvert asset fra bunden.

Dette skift er vigtigt, fordi skalering af uddannelse i høj grad er et genbrugsproblem. Hvis lærere og undervisningsdesignere kan starte fra materialer, de allerede har tillid til, mens AI håndterer mere af det repetitive tekniske arbejde, der kræves for at gøre disse materialer rumlige, bliver immersiv læring lettere at forestille sig på læseplansniveau frem for som en samling af dyre enkeltstående demonstrationer.

AI kan også gøre den samme rumlige lektion mere tilpasningsdygtig. En vanskelig molekylstruktur kan for eksempel først præsenteres i en forenklet form og derefter gradvist afsløres i større detaljer. En anden elev kan bruge mere tid på at manipulere den samme model eller modtage yderligere forklarende kontekst. Underviseren definerer stadig læringsmålet; AI kan hjælpe med at variere den vej, der anvendes for at nå det.

Den mulighed kræver omhyggelig planlægning og tilgang. UNESCO’s vejledning om generativ AI i uddannelse og forskning opfordrer til en menneskecentreret strategi, der beskytter menneskelig handlefrihed, adresserer privatlivs- og sikkerhedsbekymringer og sikrer, at AI-systemer evalueres for deres etiske og pædagogiske egnethed. UNESCO understreger også, at AI bør støtte menneskelig intelligens frem for at erstatte den. 

Målet bør derfor ikke være at automatisere uddannelse. Det bør være at sænke omkostningerne og den nødvendige ekspertise for at skabe nyttige rumlige oplevelser, samtidig med at undervisere forbliver ansvarlige for, hvad der undervises, hvordan det undervises, og hvordan læring vurderes.

At bringe rumlig læring ind i den daglige klasseværelse

Indholdsoprettelse er kun en del af ligningen. Den anden del er, hvordan elever får adgang til disse oplevelser.

I store dele af den immersive teknologis historie har den mest synlige vej til rumlige oplevelser været VR-headsettet. Headsets kan skabe kraftige niveauer af immersion, men implementering i klasseværelset rejser også praktiske spørgsmål omkring omkostninger, vedligeholdelse, tilgængelighed, enhedsstyring og hvor let en lærer kan skifte mellem individuel og gruppeundervisning.

Dette er ikke et argument imod hovedbårne enheder. For nogle lektioner kan fuld immersion være netop det rette værktøj. Men rumlig læring vil være mere nyttig, hvis undervisere kan vælge mellem flere leveringsformer. Skærmbaserede, headset‑fri 3D‑oplevelser kan for eksempel bevare mange af fordelene ved rumlig visualisering, mens de reducerer friktionen for lærerledet eller samarbejdsbaseret brug. Spørgsmålet er ikke headset versus skærm; det er at matche grænsefladen med undervisningsmetoden.

Den sondring er vigtig, fordi klasseundervisning er iboende social. Elever skal kunne stille spørgsmål, sammenligne observationer og se tilbage på læreren eller hinanden. Rumlig teknologi er mest effektiv, når den understøtter denne interaktion i stedet for at blive selve destinationen.

Et nyttigt eksempel fra den virkelige verden er zSpace, hvis uddannelsesplatform kombinerer skærmbaseret, headset‑fri 3D‑hardware med læseplansjusteret software, simulationer og professionel læring. Den vigtige lektie handler mindre om et enkelt produkt end om leveringsmodellen: rumlig læring er lettere at integrere, når teknologien opfører sig som en del af klasseværelset i stedet for at kræve, at hver elev træder ind i et separat virtuelt miljø.

Det samme princip gælder også inden for professionel og medicinsk læring. På UHealth – University of Miami Health System bruger læger Eonis Vision, udviklet af Avatar Medical i samarbejde med Barco, til at omdanne CT- og MRI-scanninger til interaktiv, patient‑specifik 3D‑anatomi under konsultationer. Den aktuelle implementering fokuserer på patientforståelse og klinisk kommunikation frem for formel medicinsk uddannelse, men den illustrerer det samme pædagogiske princip: kompleks anatomi kan blive lettere at diskutere, når to personer kan undersøge den samme rumlige repræsentation sammen. Den samme tilgang har klart potentiale for studerende og trainees, der lærer anatomi fra reelle kliniske data.

Forskning viser også, at immersive og rumlige teknologier ofte fungerer stærkt som supplement til konventionel undervisning snarere end som erstatning. De anatomiske beviser, der blev nævnt tidligere, viste særligt stærke gevinster, når XR blev brugt som et supplerende redskab. Det understøtter en model, hvor rumlige oplevelser væves ind i en bredere lektion sammen med diskussion, læsning, fysisk eksperimentering og lærerens vejledning.

Den næste generation af digital læring

Den første bølge af digital uddannelse gjorde information lettere tilgængelig. Den næste bølge vil gøre information rumlig. Det er en mere grundlæggende ændring end blot at placere en anden type indhold på en skærm, fordi det ændrer, hvordan elever kan interagere med selve informationen.

I stedet for kun at læse om en kompleks struktur, kan eleverne undersøge den. I stedet for at se på et diagram af et system, kan de manipulere det. I stedet for at memorere trinnene i en proces, kan de ændre variable og observere konsekvenserne. Disse oplevelser kan hjælpe med at bygge bro mellem en abstrakt forklaring og en elevs interne model af, hvordan noget fungerer.

Det traditionelle klasseværelse forsvinder ikke i fremtiden. Lærere forbliver afgørende, og grundlæggende færdigheder som læsning, skrivning, diskussion og kritisk tænkning forbliver lige så vigtige. Muligheden er at matche læringsformatet med konceptets natur: nogle idéer er bedst undervist gennem forelæsning eller tekst, nogle gennem fysisk eksperimentering, og nogle bliver meget lettere at forstå, når eleverne kan se, hvordan komponenterne relaterer sig i rummet.

AI og rumlig computing kan gøre den sidste kategori meget mere tilgængelig. AI kan reducere tid, omkostninger og specialiseret ekspertise, der kræves for at omdanne eksisterende materialer til interaktive oplevelser, mens fremskridt inden for rumlig hardware kan gøre disse oplevelser tilgængelige i flere klasseværelsesmiljøer og på flere enheder.

Klasseværelset selv kan derfor se overraskende bekendt ud. Lærere vil stadig undervise, og elever vil stadig samarbejde. Det, der ændrer sig, er arten af noget af informationen i dette miljø: elever kan i stigende grad udforske, manipulere og forstå den fra flere perspektiver i stedet for kun at forbruge en fast repræsentation.

Det er det større løfte ved overgangen fra digital til rumlig læring. Det handler ikke om at erstatte de måder, elever lærer på i dag, men om at udvide antallet af måder, de kan forstå, hvad de bliver undervist i. Hvis AI kan fortsætte med at sænke barrieren for at skabe rumligt indhold, har immersiv læring en klar vej fra specialiserede oplevelser til en almindelig del af lærerens værktøjskasse.