Vad gör du på jobbet?
– Jag jobbar inom ett område som heter ”Computer-Assisted Language Learning” (CALL), ”datorstödd språkinlärning” på svenska. Språkmodeller är centralt inom detta område och för många har de också blivit en del av vardagen, både på jobbet och privat. Så jag forskar om stora språkmodeller och hur de fungerar. Jag är ganska skeptisk till hur de används, men för att kunna argumentera för eller emot tekniken behöver jag förstå både dess möjligheter och begränsningar. Jag undersöker till exempel hur tillförlitliga språkmodeller är när de används för att bedöma texter, en metod som kallas LLM-as-a-Judge. En språkmodell kan ge en text ett betyg och förklara sin bedömning, men ibland stämmer inte betyget och förklaringen överens. Jag vill förstå varför det blir så.
Jag är också intresserad av hur språkmodeller påverkar våra egna bedömningar. På konferensen LREC 2026 presenterade jag och tre kollegor en studie om vad som händer när människor får se en språkmodells bedömning innan de själva ska analysera en text. Om någon till exempel uttrycker en viss känsla i en text kan vi komma fram till olika slutsatser om orsaken till denna känsla. Varför är personen arg, ledsen eller frustrerad? Men om vi först får se hur en språkmodell har tolkat texten finns en risk att vi påverkas av dess bedömning. Vi kan börja lita mer på språkmodellen än på vårt eget omdöme och därmed gå miste om andra perspektiv.
Vad händer just nu?
– Jag arbetar med att granska befintliga datorbaserade metoder för att förbättra språkinlärning. När jag var tio år använde jag ett datorspel för att lära mig tyska. Det väckte mitt intresse för att kombinera språk och datavetenskap. I dag finns många bra appar för språkinlärning, men andra är snarare utformade för att få användarna att fortsätta spela än att faktiskt lära sig språket. En viktig fråga är hur vi kan veta om den återkoppling som AI ger är hjälpsam eller inte. Om en språkmodell förklarar ett grammatiskt fel, hur kan vi avgöra om förklaringen faktiskt hjälper studenten? Just nu undersöker jag om språkmodeller kan användas för att utvärdera kvaliteten på sådan återkoppling.
Inom Språkbanken finns redan SweLL, en stor samling texter skrivna av personer som lär sig svenska. Jag vill samarbeta med svensklärare för att skapa en datamängd med läraråterkoppling på svenska. Varför ska man till exempel använda ”han” eller ”sin”? Genom att samla in den typen av återkoppling kan vi träna språkmodeller att ge bättre och mer pedagogiska förklaringar på svenska. Målet är att utveckla teknik som inte bara rättar studenternas texter, utan faktiskt hjälper dem att förstå språket och lära sig mer.
Vad händer framöver?
– Jag vill utveckla system som verkligen hjälper människor att lära sig språk. Min dröm är att utveckla en öppen, icke-kommersiell plattform där studenter kan få hjälp att förstå och rätta grammatiska fel. Ett verktyg som lärare kan använda och som bygger på öppna data och ansvarsfull AI. Det är komplicerat, men kanske kan det bli verklighet om tio år.
Läs mer
SweLL är ett forsknings- och infrastrukturprojekt vid Språkbanken som samlar in, digitaliserar, normaliserar och språkligt annoterar texter skrivna av vuxna inlärare av svenska som andraspråk.