Masterprojekt · 2026
Understøttelse af selvstyret og kritisk refleksiv læring i kommunal genoptræningspraksis
Vil du læse om projektet?
Vil du bruge AI-agenten?
Masterprojekt · 2026
En designorienteret undersøgelse af betingelserne for AI-understøttet selvstyret og kritisk refleksiv læring blandt genoptræningsterapeuter i kommunal praksis.
Mads Bahn-Dienstrup · Danmarks Pædagogiske Universitet (DPU), Aarhus Universitet · 2026
Problemfelt
Genoptræningsterapeuter i kommunal praksis har et selvstændigt fagligt ansvar og en forpligtelse til evidensbaseret praksis — men arbejder i en hverdag præget af tidspres, høj autonomi og begrænset rum til systematisk refleksion. To spændingsfelter tegner sig:
Spænding 1
Krav om opdateret kendskab til evidens vs. en refleksionskultur, der primært er erfaringsbaseret og handlingsorienteret
Spænding 2
Individuel læringskapacitet vs. organisationens kapacitet til at forankre og dele viden kollektivt
I dette spændingsfelt introduceres generativ AI som en mulig katalysator — men også som en risiko. AI kan fungere som epistemisk mediator, der kvalificerer refleksion og synliggør antagelser. Eller den kan fungere som epistemisk aflastning, der erstatter den professionelle dømmekraft frem for at styrke den.
"Spørgsmålet bliver ikke blot, om AI kan understøtte læring, men under hvilke betingelser AI kan fungere som katalysator for bæredygtig kompetenceudvikling."
Projektets udgangspunktTeoretisk fundament
Projektet trækker på fire overlappende traditioner, der tilsammen danner grundlaget for forståelsen af, hvad læring er, og hvad der fremmer den i organisatoriske kontekster.
Knud Illeris
Læringsbarrierer
Kognitiv, psykodynamisk og social dimension. Barrierer ses som strukturelle vilkår, ikke individuelle mangler.
Jack Mezirow
Transformativ læring
Kritisk refleksion over præmisser og de forståelsesrammer, erfaring fortolkes igennem. Projektet anvender ikke perspektivtransformation som mål.
John Dewey
Epistemisk friktion
Refleksion opstår i mødet med det problematiske. Usikkerhed er ikke en forstyrrelse, men en læringsdriver.
Argyris & Schön
Double-loop learning
Organisatorisk læring kræver evnen til at udfordre de styrende antagelser bag handlinger — ikke blot handlingerne selv.
Projektet introducerer to analytiske originalbegreber: det stærkeste arguments midlertidige autoritet som epistemologisk grundlag for professionel beslutningstagning, og epistemisk mediator som funktionel betegnelse for AI's rolle i refleksionsprocessen — afledt af Vygotskys begreb om medierende redskaber.
Metode og design
Projektet placerer sig i en pragmatisk videnskabsteoretisk tradition og anvender en designorienteret tilgang, hvor viden genereres gennem iterativ udvikling, afprøvning og analytisk bearbejdning af et artefakt i praksis.
Teoretisk funderet pre-design
Fire designprincipper udledes deduktivt fra projektets teoretiske ramme og materialiseres i rammeværkets struktur og prompt.
Afprøvning i praksis — tre interviewrunder
Baseline-, midtvejs- og slutinterviews med to respondenter over 7 uger. Kondenserede transskriptioner blev forelagt respondenterne for genkendelse og mulighed for præcisering.
Abduktiv tematisk analyse
Iterativ bevægelse mellem empiriske mønstre og teoretiske begreber. Versionshistorik for prompten behandles som selvstændig empiri.
Revision af designprincipper
Principper revideres retrospektivt på baggrund af empiriske fund og spændinger. Kontekstforankrede analytiske generaliseringer — ikke universelle retningslinjer.
Design af rammeværk
Rammeværket operationaliserer de teoretiske antagelser i tre spor: et organisatorisk parathedsspor, et teknologiforståelsesspor og et refleksionspromptspor med seks faser.
Inden rammeværket implementeres, bør organisationen gøre sig overvejelser om fire forhold: den kulturelle parathed til at italesætte og udfordre faglige antagelser kollektivt; de strukturelle rammer for videndeling og fælles refleksion; de andragogiske forudsætninger hos medarbejderne; og ledelsens villighed til at prioritere refleksion som arbejdsopgave frem for som individuel forpligtelse. Designprincip 4 om kollektiv forankring kan ikke realiseres teknologisk — det forudsætter en organisatorisk forpligtelse der ligger uden for promptens rækkevidde.
Epistemisk friktion frem for epistemisk aflastning
AI instrueres til at efterspørge begrundelser, generere modargumenter og synliggøre implicitte præmisser — ikke levere løsninger.
Refleksionsrum adskilt fra handlingsrum
AI's funktion er knyttet til refleksionsrummet og forbliver der. Modvirker brug som beslutningsautomatik og autoritetsforskydning.
Argumentation frem for informationsakkumulation
Struktureret bevægelse fra problemformulering over handlealternativer til midlertidig konklusion med eksplicitte usikkerheder. AI som dialogisk ressource, ikke informationsautoritet.
Individuel refleksion koblet til kollektiv forankring
Dokumentation af refleksionsforløb med mulighed for deling i kollegiale fora. Kobling til Mary M. Crossans 4I-model: fra intuiting mod institutionalizing.
1
Identifikation af læringsbehov
Konkret problemstilling fra praksis med kontekst, foreløbig vurdering og oplevet usikkerhed.
2
Eksplicitering af antagelser
Systematisk afdækning af implicitte forståelser. Epistemisk friktion aktiveres.
3
Perspektivudvidelse
Alternative perspektiver, faglige vinkler og potentielle risici. Fortolkningsrummet udvides.
4
Argumenterende sammenfatning
Foreløbig konklusion med begrundet stillingtagen og eksplicitte usikkerheder. Midlertidig epistemisk stabilitet.
5
Dokumentation
Kondenseret læringsnotat: problemstilling, argumenter, valgt handling, opfølgningsspørgsmål.
6
Kollektiv kobling
Valgfri deling i kollegiale fora. Bevægelse fra individuel mod organisatorisk forankring.
Analyse og fund
Analysen er struktureret i tre interviewfaser og bearbejdes tematisk gennem fire analytiske linser: videnssøgning, refleksion, evidens og AI-anvendelse.
Videnssøgning
Selektiv, behovsdrevet og situationsbestemt. Systematisk søgning i forskningslitteratur indgår i begrænset omfang hos begge respondenter.
Refleksion
Til stede, men primært handlingsorienteret, implicit og erfaringsforankret — ikke kritisk præmisrefleksion i Deweys forstand.
Evidens
Anerkendt ideal, men sekundær vidensform. Aktiveres sjældent aktivt som grundlag for konkrete beslutninger.
AI-anvendelse
Sporadisk og primært bekræftende. Begge respondenter identificerer bekræftelsesbias i egen AI-brug som potentielt problem.
"Jeg er måske ikke så opsøgende selv."
Respondent 2 om videnssøgning — startinterviewTo markant forskellige brugsformer opstår. Respondent 2 anvender rammeværket integreret i dokumentationsarbejdet og oplever epistemisk friktion — egne faglige vurderinger udfordres konkret. Respondent 1 anvender det primært til idégenerering, uden at egne antagelser bringes i spil.
"Det er svært at lave skiftet fra drift til at bruge længere tid på at have en samtale med en AI."
Respondent 1 — midtvejsinterviewEt designmæssigt fund: rammeværket leverer i visse tilfælde svar for hurtigt, hvilket potentielt modvirker den epistemiske friktion, designet sigter mod. I den mest illustrative samtale beder respondenten AI om at skrive notatet med sine ændringer — og AI gør det. Et klart empirisk eksempel på, at AI forskydes fra refleksionsrum til handlingsrum og bryder princip 2.
"Jeg har da ændret nogle af de ting, den har foreslået."
Respondent 2 om refleksionskvalificering — midtvejsinterviewSlutinterviewene tegner et billede af situeret stabilisering snarere end transformation eller tilbagefald. Begge respondenter anvender fortsat rammeværket og oplever det som fagligt meningsfuldt. Refleksionskvaliteten er øget når rammeværket er aktivt, og evidensbevidsthed er vokset som eksplicit disposition — men kvalificeringen forbliver redskabsafhængig og er ikke internaliseret som en generaliseret refleksiv praksis uafhængig af AI-interaktionen.
Respondent 1 anvender AI-genereret materiale som afsæt for kollegial drøftelse i en tværorganisatorisk arbejdsgruppe — ikke i form af delte refleksionsnotater, men som rammesætning for fælles faglig diskussion. Det repræsenterer en bevægelse mod princip 4, om end i en anden form end designet forestillede sig. Respondent 2 beskriver en episode, hvor AI aktivt indsnævrede et notat ved at gå i "fuld ADL-mode" og udelade psykiske belastningsfaktorer. Respondenten opdagede og korrigerede dette, men rejser selv spørgsmålet: hvad sker der, når brugeren ikke opdager det?
"Man skal i hvert fald ikke sluge alt, hvad den siger."
Respondent 2 — slutinterviewBegge respondenter peger entydigt på det samme: systematisk brug forudsætter organisatorisk forankring, faste tidsrum, ledelsesmæssig prioritering og fælles rammesætning.
Nedenstående uddrag viser rammeværket i en kompleks faglig situation: en borger med demensdiagnose afviser konsekvent hjælp. Respondenten spørger "hvad er det rigtige at gøre?" — AI udfordrer antagelsen om selvbestemmelse frem for at besvare spørgsmålet.
Dette uddrag fra version 2.0 viser et supplerende analytisk fund: brugerens relation til systemet udvikler sig over tid. Her korrigerer respondenten aktivt AI's output, da et kondenseret statusnotat udelader psykisk belastning og borgerens interesse for aktiviteter. AI anerkender kritikken og reviderer.
Epistemisk friktion realiseres — men kun i refleksionssamtalerne
I dokumentationssamtalerne forskydes AI mod handlingsrummet. Skelnen mellem modes er utilstrækkelig uden organisatorisk rammesætning.
Refleksionsrum/handlingsrum-skelnen opløses i praksis
Når AI producerer dokumentationsformuleringer på terapeutens vegne, rykker den ind i handlingsrummet. Designet håndterer ikke dette tilstrækkeligt.
Teorireferencer forbliver informatoriske — ikke argumenterende
Faglige referencer optræder i AI-svarene, men aktiveres ikke som argumentation af respondenten. Et kognitivt forudsætningsspørgsmål.
Kollektiv forankring kræver strukturel forpligtelse — ikke kun designinvitation
Valget om deling overlades til respondenten og træffes konsekvent ikke. Princippet kan ikke realiseres i prompten alene.
Projektet konkluderer, at AI kan bidrage til at kvalificere selvstyret og kritisk refleksiv læring i kommunal genoptræningspraksis, men at dette potentiale kun realiseres hvis teknologien integreres i organisatoriske strukturer der understøtter systematisk brug, kollektiv videndeling og fælles rammesætning.
Tre analytiske svar træder frem. De pædagogiske forhold er afgørende: designet kan strukturere undersøgelsen og synliggøre antagelser, men kan ikke alene skabe en undersøgelsesorienteret holdning hos brugeren. De teknologiske forhold har betydning, men primært som en funktion af det pædagogiske design — grænsen mellem epistemisk mediator og epistemisk aflastning er ikke stabil, men respondentdrevet. De organisatoriske forhold har vist sig som den mest begrænsende faktor: refleksion aktiveres situeret og fortrænges når driftens krav dominerer, og kollektiv forankring realiseres ikke uden organisatorisk iscenesættelse.
Den mest presserende udviklingsopgave er ikke teknologisk, men organisatorisk. Et bæredygtigt AI-understøttet læringsrammeværk forudsætter at organisationen tager ejerskab over de strukturer der omgiver brugen: faste tidsrum til fordybelse, ledelsesmæssig prioritering af refleksion som arbejdsopgave og kollektive fora, hvor individuelle læringsspor kan forankres.
Til dig der arbejder i sundhedspraksis
Ikke som svar-maskine. Men som en kollega, der aldrig er for travl til at stille et godt spørgsmål.
Udgangspunktet
Du er ude hos en borger. Det er komplekst. Du træffer en faglig beslutning i øjeblikket — på baggrund af erfaring, viden og din vurdering af situationen. Bagefter tænker du: Hvad var det egentlig, jeg byggede den beslutning på?
Det er ikke fordi du ikke er dygtig. Det er fordi en travl hverdag sjældent levner meget tid til den fordybende refleksion, som faglig ekspertise egentlig kræver. Og fordi vi sjældent har et forum, der inviterer til at sætte spørgsmålstegn ved egne antagelser — frem for at bekræfte dem.
"Der eksisterer en udbredt modstand mod at 'blotte sig' fagligt over for kolleger — sparring har sjældent karakter af egentlige udfordringer af faglige antagelser."
Fra opgavens praksisbeskrivelseDet er præcis den spænding, dette projekt handler om. Og spørgsmålet er, om AI kan gøre en forskel — på en måde, der ikke blot føles som endnu en opgave i en presset hverdag.
Rammeværket
Idéen er enkel: i stedet for at spørge AI om hvad du skal gøre, bruger du det til at undersøge hvad du egentlig mener, og hvorfor.
Hvad det er tænkt som
Refleksionspartner
En faglig samtalepartner, der aldrig har travlt, aldrig dømmer, og altid er klar til at spørge: "Hvad bygger du det på?"
Hvad det ikke er
Svar-maskine
AI'en tager ikke faglige beslutninger. Den rangerer ikke perspektiver som rigtige eller forkerte. Din dømmekraft forbliver din.
Du starter med
En konkret situation fra din hverdag — fx en borger, du er i tvivl om, eller en beslutning, du ikke er helt tryg ved.
AI spørger ind
"Hvad er det, du er usikker på?" / "Hvad ville du gøre, hvis du tog fejl?" — ét spørgsmål ad gangen.
Du får alternativer
AI præsenterer andre vinkler på din problemstilling — faglige perspektiver du måske ikke selv havde overvejet.
Du konkluderer selv
Du formulerer, hvad du mener nu — og hvad du er usikker på. AI hjælper dig med at strukturere det, men konklusionen er din.
Du har et notat
Sessionen afsluttes med et kort læringsnotat. Kan bruges til dokumentation, til sparring med en kollega, eller til at vende tilbage til.
Her afvejer en terapeut hensynet til en borger med demens over for interviewguidens krav om 50+ spørgsmål i opstartssamtalen. AI fastholder refleksionssporet og hjælper med at formulere en faglig begrundelse for at stoppe eller tilpasse samtalen.
Her er et uddrag fra en faktisk samtale under afprøvningen. En terapeut er bekymret for en borger — mistænker depression, men borgeren afviser alle aktivitetstilbud. AI stiller spørgsmål frem for at give svar.
Hvad fandt vi
Rammeværket blev afprøvet af to terapeuter i hverdagen over syv uger. Her er det vigtigste, vi lærte.
Fund fra afprøvningenFund 1 — Det der virker
Når rammeværket bruges i tilknytning til dokumentation, stiller AI konkrete spørgsmål til de faglige vurderinger bag det skrevne. Det ændrer faktisk noget ved, hvad man skriver.
Fund 2 — Det der virker
"Jeg tænker mig mere om — fordi jeg ikke får et svar til at starte med." Det at vente aktiverer refleksion i sig selv.
Fund 3 — Det der virker nogenlunde
Rammeværket aktiverer refleksion, men genererer den ikke. Bruger du det til at undersøge egne antagelser, får du mere ud af det end hvis du bruger det til at hente idéer eller bekræftelse.
Fund 4 — Det der virker nogenlunde
AI kan af og til bevæge sig mod at producere færdige svar og formuleringer — særligt i dokumentationssammenhæng. Hold øje med det, og korriger systemet hvis det sker. Din faglige dømmekraft er det afgørende filter.
Den store udfordring
Skiftet fra driftsmodus til refleksionsmodus er svært. Det kræver et aktivt valg at stoppe op — og det valg er svært at træffe i en travl dag.
Den centrale læring
AI-redskaber adopteres ikke bare fordi de er tilgængelige. Det kræver struktur — fx at I som team aftaler, hvornår og hvordan det bruges.
"Jeg har glemt det et par gange — og tænkt bagefter: det skulle jeg have snakket med den om."
Respondent 2 — midtvejsinterviewDen terapeutiske grunderfaring genkender vi her: det er nemmere at finde ud af, at man skulle have reflekteret, end at skabe rummet til det i øjeblikket. Det er ikke en individuel svaghed — det er en organisatorisk udfordring.
Kan I bruge det?
Projektet peger på, at AI-understøttet refleksion ikke er et individuelt projekt — det er et organisatorisk et. Her er tre konkrete udgangspunkter:
Prøv det til dokumentation
Den nemmeste indgang er at bruge AI som sparring på et svært journalnotat. Lad den stille spørgsmål til dine faglige vurderinger, inden du afslutter dokumentationen.
Brug et fagmøde til at prøve det sammen
Projektet viser, at redskabet fungerer bedst, når det forankres strukturelt. Sæt 20 minutter af på næste fagmøde: én sag, én prompt, fælles refleksion over, hvad AI spørger om.
Aftal hvad I bruger det til — og hvad I ikke gør
Det vigtigste fund er, at redskabet skal bruges undersøgende, ikke som svar-generator. En fælles aftale om brugsformen er mere værdifuld end den bedste tekniske løsning.
"Hvis vi strukturelt sagde, at nu skal alle sætte sig og bruge det her — så tror jeg, det ville gøre en forskel."
Respondent 1 — midtvejsinterviewProjektet konkluderer, at det vigtigste næste skridt ikke er teknologisk, men organisatorisk. Redskabet virker — men det kræver at organisationen tager ejerskab over rammerne for brugen: faste tidsrum, ledelsesmæssig prioritering og kollektive fora, hvor individuelle refleksioner kan deles og forankres.
Praktisk guide
En introduktion til materialerne, de tre modes og hvordan du kommer godt i gang med refleksionspartneren.
Om agenten
AI-agenten er en refleksionspartner designet til fagprofessionelle i sundhedspraksis. Den er ikke en svar-maskine — den er instrueret til at stille spørgsmål, udfordre antagelser og synliggøre alternative perspektiver. Din faglige dømmekraft forbliver din.
Agenten har tre forskellige modes, som du vælger afhængigt af, hvad du har brug for: faglig refleksion over en konkret problemstilling, inspiration til din praksis, eller sparring på dokumentation. Læs mere om de tre modes nedenfor.
Agenten gør
Stiller undersøgende spørgsmål
Udfordrer dine antagelser, præsenterer alternativer og hjælper dig med at strukturere din tænkning.
Agenten gør ikke
Træffer faglige beslutninger
Agenten tager ikke ansvar for kliniske vurderinger og konkluderer ikke på dine vegne.
Forberedelse
For at bruge agenten kritisk og refleksivt er det en fordel at have en grundlæggende forståelse af, hvad generativ AI er, og hvordan den fungerer. De tre forløb herunder er gratis og kan gennemføres fleksibelt i korte intervaller. Samlet varighed er cirka fire timer.
Trin 1 · Anbefalet start
Introduction to Generative AI
Trin 2 · Promptkompetence
Prompting Essentials
Trin 3 · Sundhedspraksis
Generative AI for Healthcare
Forløbene kan gennemføres sideløbende med brugen af agenten — teknologiforståelse og praksisanvendelse udvikles bedst parallelt.
De tre modes
Når du starter en samtale med agenten, vælger du en mode. Klik på kortene herunder for at se, hvornår du bruger hver mode, og hvad du kan forvente.
Mode 1
Faglig refleksion
Hvornår: Når du sidder med en konkret faglig problemstilling og vil undersøge dine egne antagelser og alternativer.
Hvad sker der: Agenten stiller ét spørgsmål ad gangen, udskyder konklusioner og præsenterer alternative perspektiver med referencer.
Mode 2
Inspiration
Hvornår: Når du søger idéer, nye tilgange eller perspektiver til et område du vil arbejde videre med.
Hvad sker der: Agenten tilbyder konkrete forslag og eksempler og inviterer dig til at overveje, hvad der passer til din kontekst.
Mode 3
Dokumentationssparring
Hvornår: Når du vil have sparring på et journalnotat eller en foreløbig faglig konklusion.
Hvad sker der: Agenten stiller afklarende spørgsmål, identificerer uklare formuleringer og foreslår alternativer — men konkluderer ikke på dine vegne.
Tip: Agenten kan selv foreslå et modeskift undervejs, hvis samtalen bevæger sig i en anden retning end den valgte mode. Følg opfordringen, eller fortsæt som du er — det er altid dit valg.
Kom i gang
Agenten fungerer bedst som undersøgende redskab — ikke som svar-generator. Inden du åbner den, er det værd at stille dig selv tre spørgsmål. Det er ikke en test, men en invitation til at gøre din indgang bevidst. Svar ærligt — det er kun dig, der ser det.
Er jeg villig til at sætte ord på mine faglige overbevisninger og få dem udfordret?
En samtale med agenten er ikke slut, når du lukker vinduet. Den fulde proces har tre faser — og den kollektive videreformidling er en afgørende del af rammeværkets formål.
Agenten er tilgængelig via linket herunder. Du behøver ikke have gennemført alle tre Google-forløb for at begynde — men en grundlæggende forståelse af, hvad generativ AI er, giver dig et bedre udgangspunkt for at bruge den kritisk.
Agenten er under opsætning til ekstern deling. Linket tilføjes her, når det er klart.
Åbn AI-agenten (kommer snart)