Mange bruker kunstig intelligens (KI) til å generere en problemstilling, men resultatet blir ofte generisk. Skal du skrive en god fagtekst, må problemstillingen speile din unike erfaring og ditt spesifikke faglige ståsted. Nøkkelen til dette er å definere en persona før du starter genereringen.

Først laster du opp oppgavesettet til din foretrukne KI. Dette kan være NotebookLM, Gemini, eller en annen modell du foretrekker. Deretter ber du KI-en om å lage tretti ulike problemstillinger. Disse skal baseres både på oppgavesettet og din definerte persona. Sistnevnte er helt avgjørende. Ved å trekke inn din ønskede erfaring, unngår du at problemstillingen ser ut som en generisk konstruert oppgave.

Konstruksjon av en persona

En persona er din fiktive faglige identitet i møte med KI-modellen. Det er ikke nok å si «Jeg er student». Du må inkludere relevant arbeidserfaring, faglig spesialisering og til og med det geografiske området du jobber i.

Forestillingen om din fiktive bakgrunn bidrar til å skreddersy problemstillingene. Din unike erfaring blir en variabel KI-en bruker for å tolke oppgaven. Dette resulterer i problemstillinger som er dypere og mer relevante for din spesifikke kunnskapsbase.

Eksempel på persona

Tenk deg at du skal skrive en oppgave innen sosialt arbeid. Du må definere din bakgrunn presist. Din persona kan se slik ut:

Du er en masterstudent i sosialt arbeid. Du har tidligere jobbet som rørlegger. Nå arbeider du som ufaglært på en tilrettelagt avdeling ved en videregående skole på Østlandet.

Denne bakgrunnen plasserer deg i et unikt skjæringsfelt mellom sosialfag, praktiske ferdigheter, og utfordringene i spesialpedagogikken. Den gir deg et spesielt perspektiv på mestring og tilrettelegging.

En relevant problemstilling basert på denne personaen kan da bli: Hvordan erfarer elever på tilrettelagte avdelinger verdsettingen av yrkesfaglige ferdigheter i skolen, og hvordan kan ansatte med ulik yrkesbakgrunn bidra til en bredere forståelse av mestring?

Velge riktig problemstilling

Du ber KI-en om å foreslå tretti problemstillinger. Hver problemstilling skal etterfølges av en omtale av dens faglige fordeler og ulemper, samt en vurdering av hvor godt den egner seg for oppgaven. Dette tvinger KI-en til å reflektere kritisk over egne forslag.

En god problemstilling skal være avgrenset og forskbar. En svak problemstilling er for bred eller for snever. Fordelen kan være at den er nyskapende, mens ulempen kan være mangel på tilgjengelig empirisk data.

Tre eksempler på problemstillinger

Under ser du tre varierte problemstillinger basert på forskjellige hypotetiske personaer.

1. Persona: Økonom med miljøfokus

Du er siviløkonom med ti års erfaring fra energisektoren. Du studerer nå bærekraftig utvikling.

Problemstilling: Hvordan påvirker EUs taksonomi investeringsstrategiene til norske energiselskaper, og hvilke barrierer oppstår i overgangen til sirkulær økonomi?

• Fordel: Den knytter økonomi direkte til dagsaktuell politikk og din bransjeerfaring.
• Ulempe: Det kreves tilgang til ferske interne bedriftsdata.

2. Persona: Sykepleier med lederansvar

Du er spesialsykepleier med femten års erfaring. Du har nå en lederstilling i kommunehelsetjenesten på Vestlandet.

Problemstilling: Hvilke etiske dilemmaer erfarer sykepleiere ved bruk av velferdsteknologi i hjemmetjenesten, og hvordan kan etikkrefleksjon implementeres i praksis?

• Fordel: Den kombinerer etikk, teknologi og din ledererfaring i en relevant kontekst.
• Ulempe: Svar kan bli subjektive uten kvantitativ analyse.

3. Persona: Historiker med fokus på digitalisering

Du er historiker og arbeider som arkivar i et regionalt museum. Du er opptatt av digital formidling.

Problemstilling: Hvordan har digitaliseringen av norske arkiver endret publikums tilgang til kulturarven, og hvilke utfordringer skaper dette for kildekritikk og historiefaget?

• Fordel: Den forener din praksiserfaring med akademisk kritikk av eget fagfelt.
• Ulempe: Emnet kan lett bli for deskriptivt uten en sterk analytisk ramme.

Ved å bruke denne strukturerte tilnærmingen sikrer du at din problemstilling ikke bare er faglig forsvarlig, men også dypt personlig og unik. Du legger grunnlaget for en sterk akademisk artikkel.

Konklusjon

Suksessen til denne metoden ligger i å kombinere alle de spesifiserte elementene i ett, sammenhengende instruksjonssett. Dette er promptet du laster opp til KI-en. Når du har definert din personlige persona, er det endelige promptet bygget opp på følgende måte:

1. Oppgavetekst og Vurderingskriterier: (Lim inn oppgavens offisielle dokument her).
2. Persona og Kontekst: «Du er [Din Persona med bakgrunn og arbeidssted]. Din oppgave er å skrive problemstillinger for en akademisk tekst på XXXX ord (fyll inn hvor mange ord).»
3. Hovedoppdrag: «Generer tretti (30) ulike problemstillinger basert på oppgaveteksten og min definerte persona.»
4. Vurderingskrav: «Hver problemstilling skal etterfølges av et kort avsnitt som beskriver fordeler og ulemper med problemstillingen. Dette avsnittet skal også vurdere hvor godt problemstillingen egner seg for oppgavens formål.»

Dette utgjør en meget egnet metode for å lage gode problemstillinger. Det er viktig å skrive antall ord som oppgaven skal være på, slik at ikke problemstillingen enten blir for snever eller for bred.

Vil du at jeg skal lage problemstilling for deg? Jeg tar 500 kroner for 30 problemstillinger, forhåndsbetalt i kryptovaluta. Ta kontakt via kontaktskjema om dette er ønskelig.

I dagens digitale verden har kunstig intelligens (KI) blitt et uunnværlig verktøy, spesielt for de som skal skrive lange, velstrukturerte tekster. Enten du skriver en artikkel, en masteroppgave eller en rapport, er en solid disposisjon fundamentet. Den sikrer logisk flyt og full dekning av emnet.

Denne guiden viser deg hvordan du bruker NotebookLM for å lage omfattende disposisjoner. Verktøyet baserer strukturen direkte på dine kilder.

Steg 1: Forstå oppgaven

Før du åpner KI-verktøyet, må du forstå oppgaveteksten og vurderingskriteriene. Dette steget er kritisk og kan ikke delegeres. Gå grundig gjennom oppgaven. Hva er kjernekonseptene? Hvilke teoretiske rammeverk skal brukes? Hva er ordkravet?

Denne analysen sikrer at du kan se om KI gjør feil. KI-hallusinasjoner er en risiko, og din kontroll er første forsvarslinje. Med klar forståelse gir du NotebookLM presise instruksjoner, ikke vage henvendelser som fører til generiske utkast.

Steg 2: Klargjør kildematerialet

NotebookLM er bare så god som dataene den får. Kildene dine blir en spesifikk kildedatabase.

Samle all relevant litteratur, fagartikler, videoer, lydfiler og dokumenter. Vær selektiv, overflødig og unødvendig informasjon forvirrer modellen og utvanner disposisjonen.

Teknisk Klargjøring av Kilder

• Tekstsøkbar PDF: Materialet bør være digital tekst, ikke bare et scannet materiale. Bruk PDF-format med søkbar tekst. Hvis du må skanne bøker, sørg for at sidene er lyse og skarpe. Hovedårsaken til at det bør være tekst, er at det er mye lettere å finne nøyaktig hvor kilden hvis det er søkbart. Men om du har boken du scanner, så kan det fungere med scannet materiale også.
• Filnavnstrategi: Gi filene gjenkjennbare navn, for eksempel: Tittel_Forfatter_År. Dette hjelper deg med å holde oversikt og hjelper KI indirekte.
• Metadata: Skann alltid med forside og informasjon om opphavsrett. KI henter automatisk tittel, forfatter og ISBN herfra. Dette sikrer nøyaktig sitering og referanseføring senere.

Steg 3: Last opp valgte kilder

Når kildene er klare, last dem opp til NotebookLM. Systemet indekserer dokumentene og gjør innholdet tilgjengelig for den store språkmodellen.

Fokuset er på relevans. Disposisjonen må forankres i kildene du har valgt. Dette sikrer at de strukturelle punktene KI foreslår er kildebelagte, ikke generiske. Konsepter og argumenter må være til stede i det opplastede materialet.

Steg 4: Sett opp instruksjonsdokumentet

Kvaliteten på instruksjonssettet er det mest avgjørende steget. For lange oppgaver er det best å lage et strukturert instruksjonsdokument som NotebookLM kan lese.

Lag en fil som heter instruksjoner.docx. Lim inn hva du får av data nedenfor, punkt for punkt. Dette er nøkkelen for at du skal få gode disposisjoner for den videre produksjonen av oppgaven, uavhengig om du skal skrive oppgaven selv eller bruke kunstig intelligens for å skrive selve oppgaven også.

1. Oppdrag

Dette punktet er essensielt for å styre KI-ens tone og kompleksitet. Dette er nødvendig for å definere det konkrete oppdraget. Samtidig skal man etablere den nødvendige personaen. Du må være helt presis med hva NotebookLM skal levere som sluttprodukt.

Oppdraget er å skrive en meget detaljert disposisjon. Du må angi det nøyaktige antall ord disposisjonen skal ha. Målet er at disposisjonen skal danne et komplett rammeverk for et langt akademisk arbeid.

Personaen dikterer hvilken spesifikk bakgrunn og erfaring du skal fremstå å ha i oppgaven. Dette sikrer at teksten får riktig faglig tyngde og riktig perspektiv. Noen eksempler:

• «Du er en erfaren mastergradsstudent i samfunnsøkonomi.»
• «Du er en nøytral, kritisk journalist.»
• «Du har jobbet med programmering i 30 år…»

Mine instruksjoner for en oppgave for en lærerstudent kan se slik ut:
Du er en lærerstudent som jobber som ufaglært lærer på en barneskole. Du har tidligere jobbet som rørlegger for Rør og Dritt AS i 20 år. I dag skal du skrive en akademisk oppgave på 2500 ord med følgende problemstilling: «Hvordan kan tidligere yrkeserfaring som rørlegger forstås som en ressurs i arbeid med mestring, motivasjon og praktisk tilnærming til læring i barneskolen?«

2. Skriveinstruksjoner

Dette avsnittet definerer nøyaktig hvordan NotebookLM skal formulere utkastet ditt. Du må spesifisere ønsket skrivestil for å sikre at disposisjonen er klar og konsistent med den endelige artikkelen. Klare stilkrav hindrer KI i å falle tilbake på generisk eller vagt språk.

NotebookLM skal skrive på norsk og alltid benytte seg av tredje person. Språket må være aktivt og direkte, noe som sikrer at teksten har fremdrift og autoritet. Teksten skal være skrevet i klarspråk og tilpasset målgruppen, med en lesbarhetsindeks (LIX) på 35–45. En slik språklig utforming legger til rette for faglig dybde samtidig som teksten forblir tilgjengelig og oversiktlig. Hensikten med dette er å unngå det tydelige AI-språket.

Det er strengt nødvendig å unngå klisjeer og buzzord som kan svekke den faglige tyngden. KI-en må aldri produsere passive setninger. For å ivareta lesbarheten og flyten, skal ingen setning overstige tjueto ord. Likevel må teksten ikke virke oppstykket, da flyten og sammenhengen er avgjørende. Teksten skal også være objektiv og nøytral i sin fremstilling, og fremmedord skal utelates.

Disposisjonen skal struktureres med avsnitt og overskrifter. Overskriftene skal kun ha stor bokstav i det første ordet, ikke på hvert ord. Det er kritisk at det er en logisk flyt og en klar rød tråd mellom alle delene og gjennom hele oppgaven.

Alle påstander i hoveddelen av artikkelen skal refereres med kilder. Henvisninger skal følge APA 7th-standarden, inkludert sidetall der det er tilgjengelig, for eksempel (Forfatter, År, Sidetall). Kildereferanser og sidetall skal utelates i innledningen og i avslutningen/konklusjonen.

Nedenstående er min skriveinstruksjoner

• Skriv på norsk
• Skriv i tredje person
• Bruk et aktivt språk
• Skriv i klarspråk – teksten skal være lettlest
• Skrive med en lesbarhetsindeks (LIX) på 35-45
• Unngå klisjeer og buzzord
• Unngå passive setninger
• Kun stor bokstav i første ord i en overskrift, ikke på hvert ord.
• Aldri mer enn 22 ord per setning, men ikke begrens til bare korte setninger. Det er viktig med flyt i språket, og ikke noe som ser ut som det er oppstykket og delt.
• Ikke bruk fremmedord
• Ikke bruk lister
• Vær objektiv og nøytral i fremstillingen
• Strukturer teksten med avsnitt og overskrifter
• Sørg for en logisk flyt og sammenheng/rød tråd mellom delene og gjennom hele oppgaven.
• Påstander skal refereres med kilder, som (Forfatter, År, Sidetall) men ikke i innledning eller avslutning/konklusjon
• Alle kilder skal henvises til i henhold til APA 7th og sidetall hvis det er tilgjengelig, men ikke i innledning eller avslutning/konklusjon

3. Oppgavetekst og Vurderingskriterier

Lim inn hele oppgaveteksten og alle vurderingskriteriene under skriveinstruksjonene.

Dette gir NotebookLM en direkte referanse for å krysse sjekke disposisjonen mot de formelle kravene. Det reduserer sjansen for at disposisjonen går utenfor mandatet.

4. Stykk opp oppgaven

Be om at oppgaven deles i deler på ca 20% av oppgavens innhold, men hvis hver del overstiger 1200 ord, så bør det man dele opp i enda flere deler.. Del opp med tall 1, 2, 3, 4 etc. Men underavsnitt under hver del, skal også nummereres med antall ord.

Dette er viktig for at du skal få en strukturert oppgave som KI faktisk klarer å produsere.

Steg 5

Last opp instruksjonsdokumentet til NotebookLM, og skriv deretter følgende i tekstfeltet. «Følg instruksjonene i instruksjoner.docx». Når den da prosesserer kildene dine sammen med instruksjonene dine, så får du svært gode disposisjoner. Da vil du få dødelig nøyaktige disposisjoner, etter dine egne kriterier.

Ønsker du at jeg skal lage disposisjon for deg? Jeg tar 1000 kroner per disposisjon for oppgaver opp mot 5000 ord, forhåndsbetalt i kryptovaluta. Ta kontakt i kontaktskjemaet.