Slik gjør du notatene dine om til øvingsspørsmål det er verdt å svare på

Skrevet av Nicholas. Sjekket 20. september 2026.

Å få brukbare øvingsspørsmål ut av én forelesning koster omtrent fjorten minutter før du svarer på noe som helst, og det meste av det er at du skriver tre for hånd for å sette en standard. Å generere tar to minutter, og det gjør også kontrollen som avgjør om settet er verdt å svare på. Gjennomkjøringen sist i denne artikkelen tar femti minutter fra ende til ende, fordi det å svare uten oppvarming og lese gjennom bommene er den delen som lærer deg noe. Hopper du over kontrollen, leser du på det modellen gjettet. En systematisk oversikt publisert i mai 2026 satte feilraten på tvers av 71 studier til alt fra under 1 prosent til 45 prosent.

Skriv tre for hånd først, og så aldri igjen

Åpne lysbildesettet. Finn tre linjer som kunne avgjort et svar på egen hånd: en mekanisme, en grenseverdi, et førstevalgsmiddel, et karakteristisk funn. Lag ett spørsmål av hver, fem alternativer, ett riktig. Ti minutter, og så er du ferdig med å skrive for hånd for godt.

De ti minuttene kjøper deg en standard. Når du har skrevet tre, vet du at en brukbar stamme spør om noe du kunne svart på med alternativene tildekket, at fem alternativer må være samme slags ting i samme grammatiske form, og at nøyaktig én setning i kilden din må avgjøre svaret. Du lærer også hvor tregt det går, og det er derfor ingen skriver førti.

Behold de tre. De blir målestokken din for alt en modell gir deg senere, og når et generert spørsmål ser galt ut uten at du kan si hvorfor, finner du som regel problemet i alternativene ved å sette det ved siden av et av dine egne.

Hva du skal be om, med ordene som endrer resultatet

Lag en quiz på dette gir deg pussigheter om dokumentet i stedet for spørsmål om faget. Seks instruksjoner endrer det du får tilbake. Lim dem inn over teksten din, og bytt ut antallet og faget.

Bruk bare teksten under. Skriv 12 spørsmål med ett beste svar om kardiovaskulær fysiologi på andre studieår, hvert med fem alternativer og nøyaktig ett riktig svar. Etter hvert spørsmål skriver du ut setningen ordrett fra teksten som gjør svaret riktig, og side- eller lysbildenummeret den står på. Ikke skriv et spørsmål med mindre den ene setningen avgjør svaret av seg selv. Ingen alle de ovennevnte, ingen ingen av de ovennevnte, ingen stammer av typen hvilket av følgende er sant. Hold de fem alternativene i samme lengde og samme grammatiske form.

Bruk bare teksten under. Uten det leddet svarer modellen ut fra det den kan fra før, og du øver på stoff sensoren din aldri har undervist i.
Skriv ut setningen ordrett og sidetallet. Det leddet gjør mest av arbeidet av de seks. Sitater du kan slå opp, avgjør en uenighet med fasiten på ti sekunder, og en modell som må levere ett, skriver færre påstander den ikke kan belegge.
Én setning må avgjøre det. Ellers får du spørsmål som trenger den siterte linjen pluss tre fakta fra andre steder, umulige å kontrollere og urimelige å svare på.
Nevn spørsmålsformatet. Sier du bare spørsmål, får du sant eller usant, fyll inn det som mangler og enlinjes gjenkalling om hverandre.
Forby de to stammene. Alle de ovennevnte og hvilket av følgende er sant er de feilene generatorer lager flest av, og begge forsvinner når du sier fra.
Samme lengde, samme form. De som skriver spørsmål, utdyper alternativet de vet er riktig, og en modell som er trent på arbeidet deres, kopierer vanen.

Be om et antall materialet ditt kan bære. Innlegget om daglig tilgang på spørsmål teller én linje av gangen og lander nær antallet lysbilder, som er et tall på linjer det går an å lage spørsmål av, ikke på spørsmål du beholder. I praksis gir et lysbildesett på 40 lysbilder 15 til 20 du ville beholdt, fordi det å be om 50 stort sett kjøper duplikater som kontrollene så fjerner.

Hva som kommer tilbake galt, og hvor ofte: 71 studier, talt opp

To publiserte tall setter en rimelig forventning. En systematisk oversikt i Postgraduate Medical Journal, publisert 20. mai 2026, samlet 71 studier fra 24 land om flervalgsspørsmål skrevet av AI i medisinsk utdanning. Feilratene gikk fra under 1 prosent til 45 prosent. Median vanskelighetsgrad var 0,67 og median diskriminering 0,28, som beskriver et spørsmål som skiller studenter som kan stoffet fra dem som ikke kan det, men ikke skarpt. De fleste av disse studiene vurderte spørsmålene ved ekspertgjennomgang i stedet for å legge dem fram for studenter, og oversikten konkluderer med at kunnskapsgrunnlaget ennå ikke støtter "unsupervised use in summative assessment".

Eldre og mer nådeløst: Boston Universitys Chobanian and Avedisian School of Medicine rapporterte i desember 2023 at ChatGPT laget et riktig spørsmål med riktig svar og forklaring i 32 prosent av tilfellene da den ble bedt om å skrive spørsmål til en eksamen ved et medisinsk fakultet.

Tredje tall, fra dette nettstedet, som teller hva kontrollene kaster ut og publiserer tallet. Lest 20. september 2026: mellom 14. september, der kalloggen begynner, og den datoen skrev modellene 3 564 spørsmål over 1 398 kall. Av dem overlevde 43,1 prosent alt. Strukturregler fjernet 32,8 prosent, duplikatkontrollen 13,5 prosent, en annen modell som svarte ut fra sitatet uten fasiten 6,7 prosent, og 2,2 prosent siterte enten en setning kontrollen ikke fant på siden de viste til, eller viste til en side utenfor avsnittet. De siste 1,7 prosentene kom inn etter at jobben allerede var full, eller kom tilbake i en form innleseren ikke kunne lese.

Disse andelene flytter seg med hver jobb, og duplikatandelen flytter seg mest. Innlegget som ble publisert dagen før talte den til 17,6 prosent over et kortere vindu, 14. til 19. september 2026; denne avlesningen teller 13,5 prosent over 14. til 20. september 2026. Begge er riktige avlesninger av den samme rullerende rapporten, og derfor har siden om avvisningsrater det ferske tallet, mens alt ovenfor er ett øyeblikksbilde av det.

Satt sammen sier de tre ikke at du skal la være å generere spørsmål. De sier at nær halvparten av det som kommer tilbake hører hjemme i søpla, og det eneste du bestemmer, er hvem som kaster.

Når du bør slutte å kontrollere, og hva et strøket spørsmål er verdt

De tre kontrollene som fanger mest av det, står allerede skrevet ut på siden bak disse tallene: finn den siterte setningen i dokumentet ditt, dekk til fasiten og svar ut fra sitatet alene, og les så de fem alternativene uten stammen. Kjør dem på de fem første spørsmålene i et sett, ett minutt i alt, og artikkelen om treffsikkerhet går gjennom hva hver av dem fanger og hvorfor.

Disse kontrollene er ikke mine. De kommer fra taksonomien for spørsmålsskriving som de to kildene legger fram: de 31 reglene Haladyna, Downing og Rodriguez la fram i Applied Measurement in Education i 2002, og den praktiske versjonen de som skriver spørsmål som regel får, NBME Item-Writing Guide, nå i sjette utgave og lagt ut i februar 2021.

Det den siden ikke sier, er når du skal stoppe. Her er tallet: kontroller de fem første spørsmålene og ikke flere. Ved to bom av fem slutter du å kontrollere og går tilbake til instruksjonen. Et sett som ryker to ganger så tidlig, ryker nesten alltid av én grunn, og én grunn er som regel én linje i instruksjonen, så å stramme den og generere på nytt koster to minutter. Å kontrollere alle femten koster tjue og lar den samme feilen stå i neste bunke.

Et spørsmål som ikke består, går i søpla og ikke til reparasjon. Å skrive om en stamme der den siterte setningen ikke avgjør svaret, betyr at du bestemmer svaret selv, og da er det du som skriver spørsmålet, og modellen har kastet bort kvelden din. Er det under én bom av fem, kaster du den ene og svarer på resten.

Det kasserte spørsmålet gir likevel noe. Du åpnet lysbildet for å kontrollere det, og det betyr at du leste linjen spørsmålet var bygd på, med kildens ord. Skriv den linjen ned der bommene dine står. Et spørsmål som strøk på en kontroll og et spørsmål du svarte feil på, havner på samme sted, og det er starten på morgendagen.

Sykepleierversjonen, og det et forelesningslysbilde ikke gir deg

Sykepleierstudenter kommer som regel hit med en smalere oppgave: å få spørsmål i NCLEX-stil ut av et utdelingsark fra undervisningen. Situasjonen er brikken som mangler. Lysbildet ditt om patofysiologi gir deg en mekanisme, mens et spørsmål i NCLEX-stil trenger en pasient, en setting, noen funn og en innledning som spør etter en prioritering eller et tiltak, med fire alternativer som alle er forsvarlige og ett som er best. Ingenting av det står på lysbildet, så instruksjonen må legge det inn.

Legg til en linje: skriv hvert spørsmål som et kort pasientscenario på sykehus, som ender med hvilket tiltak sykepleieren bør gjøre først, og la alle fire alternativene være forsvarlige sykepleietiltak. Legg til en fjerde kontroll for disse: bærer stammen nok informasjon til å velge mellom de fire? Der hvilket som helst av dem med rimelighet kunne vært først, er spørsmålet ikke vanskelig, det er umulig å svare på, og det lærer deg å gjette.

Helt utenfor rekkevidde fra et utdelingsark: Next Generation-formatene. Case study, matrix, bow tie, highlight og drop down er bygd rundt pasientdata som rulles ut etter hvert, med egne poengregler, og ingenting generert fra et forelesningssett gir deg dem. Den som selger deg det ut fra en PDF, lover for mye. NCLEX-RN-siden her sier det samme. Dette er ingen NCLEX-spørsmålsbank og har ingen forbindelse med NCSBN; spørsmålene skrives i den stilen fra filen du laster opp.

Slik gjør du det i mengde uten å drukne i nesten like spørsmål

Be om 60 spørsmål fra et utdelingsark på 12 sider, og du får de samme 12 faktaene i 60 forkledninger. Ingenting i et chatvindu hindrer det: ved spørsmål 47 har modellen mistet spørsmål 14, og det er vanskelig å kjenne igjen en omskriving av noe du svarte på for tjue minutter siden.

Tre vaner holder et langt løp ærlig. Generer ett kapittel om gangen i stedet for en hel modul, fordi duplikater klumper seg inne i én kilde. Bytt spørsmålstype på runde to, så ett beste svar blir en klinisk vignett og det samme faktumet prøves som resonnement. Skum stammene før du svarer på noen av dem, siden en gjentakelse som fanges tidlig ikke koster noe, mens en som fanges på spørsmål 30 koster deg økten.

Maskiner er bedre enn deg på akkurat denne delen. En generator som sammenligner hvert nye spørsmål med alt som allerede er skrevet fra det samme dokumentet, forkaster en nesten lik gjentakelse før du i det hele tatt ser den, og det er nettopp det de opptalte duplikatavvisningene ovenfor er: spørsmål som aldri nådde en leser.

En gjennomkjøring av ett lysbildesett med 40 lysbilder

Tirsdag kveld, en kardiologiforelesning på 40 lysbilder, én økt. Under står tidene det faktisk tar, ikke de en plan skulle ønske.

De ti første minuttene. Tre spørsmål for hånd, fra lysbilder der du husker at foreleseren satte ned tempoet.
To minutter. Lim instruksjonen inn over teksten fra lysbildesettet og be om 15 spørsmål, ikke 50. Femten er omtrent det 40 lysbilder bærer når gjentakelsene er ute.
To minutter til. Kjør kontrollene på de fem første spørsmålene. Regn med at ett eller to faller. Ved to bom retter du instruksjonen og genererer på nytt, noe som koster to minutter og sparer tjue.
Tjuetre minutter. Svar på alle 15 uten oppvarming, omtrent 90 sekunder på hvert, med alternativene tildekket til du har bestemt deg.
Tretten minutter. For hver bom åpner du lysbildet spørsmålet viser til, og leser linjen det kom fra. Skriv den av med kildens ord, ikke med ditt eget sammendrag.
I morgen. De bommene åpner neste økt, før noe nytt. Hvor i ukene som følger de kommer tilbake, er temaet for planen for spredt repetisjon.

Femti minutter, 15 spørsmål du kan stå for, og en håndskrevet liste over faktaene som slo deg.

Spørsmål folk stiller

Hvilken instruksjon får ChatGPT til å skrive gode eksamensspørsmål fra notatene mine?

Fire ledd bærer nesten hele verdien. Si at den bare skal bruke teksten du limte inn, oppgi formatet som ett beste svar med fem alternativer og ett riktig, krev setningen ordrett og sidetallet som gjør svaret riktig, og forby stammene alle de ovennevnte og hvilket av følgende er sant. Legger du til at den siterte setningen må avgjøre svaret alene, forsvinner det meste av det som er igjen.

Hvor nøyaktige er øvingsspørsmål laget av AI?

Publiserte studier gir ikke ett tall. En systematisk oversikt over 71 studier i Postgraduate Medical Journal, publisert 20. mai 2026, fant feilrater fra under 1 prosent til 45 prosent, og Boston University rapporterte i desember 2023 at ChatGPT laget et riktig spørsmål med riktig svar og forklaring i 32 prosent av tilfellene. Det som avgjør ditt eget sett, er om noe kontrollerte det. Dette nettstedet publiserer hva kontrollene kaster ut: lest 20. september 2026 hadde 43,1 prosent av 3 564 genererte spørsmål overlevd alle kontrollene, og duplikatkontrollen sto for 13,5 prosent av resten. Disse andelene flytter seg med vinduet, så siden om avvisningsrater har det ferske tallet.

Hvor mange øvingsspørsmål bør jeg lage fra én forelesning?

Teller du linjer det går an å lage spørsmål av, lander et lysbildesett på 40 lysbilder nær ett per lysbilde, siden det er så mange linjer som kan avgjøre et svar på egen hånd. Teller du spørsmål du ville beholdt etter kontrollen, er det nærmere 15 til 20, fordi ikke hver slik linje overlever. Å be om 50 lager ikke flere fakta, det sier de samme med nye ord, og duplikatkontrollen fjerner dem. Generer én forelesning om gangen, og stopp når de nye spørsmålene slutter å overraske deg.

Når bør jeg slutte å kontrollere et generert sett og begynne på nytt?

Kontroller de fem første spørsmålene og stopp der. Ved to bom av fem går du tilbake til instruksjonen i stedet for å reparere settet, for et sett som ryker to ganger så tidlig, ryker som regel av én grunn, og én grunn er som regel én linje i instruksjonen. Å generere på nytt koster to minutter; å reparere femten spørsmål ett om gangen koster kvelden.

Kan AI skrive spørsmål i NCLEX-stil fra notatene mine fra undervisningen?

Den kan skrive scenariospørsmål i den stilen hvis du ber den bygge en pasientsituasjon med en innledning om prioritering eller tiltak og fire forsvarlige alternativer, siden et forelesningslysbilde gir patofysiologien, men aldri settingen. Next Generation-formatene, altså case study, matrix, bow tie, highlight og drop down, kan ikke lages fra et dokument. Dette er ingen NCLEX-spørsmålsbank og har ingen forbindelse med NCSBN.

Publisert 20. september 2026.