Generativ AI och undervisning – råd för lärare

Allmänt tillgänglig generativ AI-teknik (som ChatGPT) har skakat om i den akademiska världen. Det erbjuder både nya möjligheter och väcker frågor. Hur kan KI:s undervisnings- och examinationspraktik anpassas till teknik som kan generera text eller bilder som inte går att skilja från det en människa skapat? Här hittar du råd och förslag.

En illustrativ bild för ett webbinarium om ‘Generativ AI i studenters skrivande’, med symboler för AI och skrivande.
Generative AI and writing Photo: Generated by Bing Chat/Dall-E

Vad är generativ AI? Hur påverkar det min roll som lärare?

Generativ AI är ett samlingsbegrepp för AI-modeller som har tränats på enorma mängder digitala data i form av text, bilder etc. Baserat på denna data kan sedan generativ AI generera 'nya' statistiska sannolika, men inte nödvändigtvis korrekta texter, bilder och andra media genom en prompt, dvs en uppmaning. Exempel på generativa AI är ChatGPT (text), Midjourney och Dall·e (bild). Personal på KI har nu tillgång till Bing Chat Enterprise/Bing Co-Pilot, som kan bearbeta och generera både text och bild. En pågående trend är integration av generativ AI i välbekanta tjänster som Microsoft Office och Grammarly.

Inträdet av generativ AI driver förändringar, och denna nya teknik väcker frågor om hur den akademiska världen kan anpassa sig. Just nu är utmaningen hur vi ska hantera övergången till ett nytt sakernas tillstånd, även om användande av generativ AI på sikt sannolikt kommer att integreras som en del i vardagliga akademiska praktiker. Vi behöver därför utveckla AI-kompetens för att kunna nyttja dessa nya verktyg, samtidigt som vi undviker nackdelarna.

Tänk på - om den här sidan

Den här sidan ger råd och förslag och ska inte tolkas som riktlinjer. Tänk på att information på sidan är allmän och inte anpassad efter något specifikt område, program eller kurs. Det är också viktigt att känna till att AI-teknik utvecklas snabbt och kontinuerligt. Sidan kommer därför att uppdateras regelbundet.

Sidan har skapats av Enheten för undervisning och lärande (UoL) inom ramarna för projektet "Användning av generativ AI i undervisning och examination" (hösten 2023), på uppdrag av Kommittén för utbildning på grundnivå och avancerad nivå (KU).

Viktigt att tänka på vid användning av generativ AI

Användningen av generativ AI är komplext både etiskt (Holmes, 2023; Porayska-Pomsta & Holmes, 2022) och juridiskt. Här listas kort några nyckelområden att tänka på.

  • Faktariktighet: AI kan generera faktafel även om man med stöd av AI kan producera sammanhängande text som upplevs autentisk och mänsklig. Ett exempel är att AI kan ’hitta på’ referenser till böcker och artiklar (Walters & Wilder, 2023)
  • Bias: AI är inte neutrala. Generativ AI baseras på algoritmer (regler för att hantera stora mängder data) men har inget ’omdöme’. Värderingar finns inbakade i den data (text, bild) som AI tränas på. Det innebär att olika typer av ’bias’ speglas i det material man genererar med hjälp av AI. Det vill säga, det finns alltid någon form av partiskhet i det innehåll som skapas. 
  • Tillgång till och o/jämlikhet i utbildning: Vi bör se upp så att AI inte befäster befintliga ojämlikheter inom utbildning. Vad händer till exempel om bara resursstarka studenter har tillgång till de bästa generativa AI-modellerna?
  • Informationssäkerhet: Den data du matar in i en generativ AI lär den sig av och alla data hamnar sedan i händerna på företag som kan göra som de vill med informationen. Därför ska man inte använda skyddat material som patientdata, personuppgifter eller forskningsdata när du tar stöd av generativ AI. Det är inte heller lämpligt att lämna in studenternas arbeten till sådana AI-tjänster utan uttryckligt samtycke.
  • GDPR: GDPR gäller alltid och ska tas hänsyn till när man använder generativ AI. Tänk på att om du uppmuntrar studenter att skapa egna konton för tjänster får det konsekvenser när det gäller deras personuppgifter.
  • Immateriella rättigheter: När man använder generativa AI finns risken att det material som genereras kan bryta mot varumärkes- och upphovsrättsskydd. I både USA och Europa pågår juridisk prövning av hur AI-genererat material ska betraktas ur ett upphovsrättsligt perspektiv. 
  • Annat att tänka på:  Energiförbrukningen för att träna och använda AI-algoritmer är hög (Bender et al, 2021) och vissa tjänster förlitar sig på lågavlönade arbetare för att manuellt screena efter skadligt material i träningsdata (Perrigo, 2023).

Hur påverkar generativ AI förutsättningarna för säkra examinationer?

En vanlig farhåga är att generativa AI möjliggör fusk, men gränserna mellan fusk och innovativ akademisk användning av AI är inte alltid tydliga. En studie på Chalmers belyser att det finns problem i hur vi kommunicerar om akademisk integritet, vilket kan skapa skillnader i studenters och lärares tolkningar och värderingar. I studien (som inte är statistiskt representativ) uppgav drygt hälften av studenterna att de såg på användningen av chattbotar vid examination som fusk, och endast en minoritet hade fått någon vägledning om användningen av AI (Malmström, Stöhr & Ou, 2023).

En annan viktig aspekt i den nya framväxande AI-praktiken är behov av AI-detektion för att identifiera AI genererat material.

En bild av en silvervåg med en digital bakgrund. Vänster sida av vågen är fylld med binär kod, medan höger sida är fylld med handskriven text.
Skapad med Bing Chat/Dall-E.

Är det möjligt att på ett tillförlitligt sätt upptäcka AI-skrivet arbete?

Det finns inga verktyg tillgängliga på marknaden som tillförlitligt kan upptäcka AI-skrivna texter (Webb, 2023; Weber-Wulff et al, 2023). Det finns indikationer på att sådana verktyg tenderar att felaktigt flagga studenter som skriver på ett andra språk som fuskare (Liang et al, 2023). Om studenters arbeten lämnas in till AI-tjänster (som KI saknar avtal med) för att kontrollera fusk överlåts studenternas arbete till en tredje part som sedan kan godtyckligt kan använda materialet. Som det ser ut nu använder KI Ouriginal (Urkund) och iThenticate för att upptäcka eventuella plagiat. Dessa erbjuder inte AI-detektion. 

Det bör också noteras att generativa AI-tjänster inte är konstruerade för att svara på frågor som "Har du skrivit den här texten?".

Hur kan jag anpassa min bedömningspraktik?

Eftersom det för närvarande inte finns någon teknik för att på ett tillförlitligt sätt upptäcka AI-genererat arbete, och då studenter kommer att behöva använda AI in sina framtida yrken, rekommenderar vi att studenterna stöttas i användningen av AI i sina studier när det bedöms som lämpligt eller användbart, samt i att utveckla sin AI-kompetens som helhet.

I skriftliga bedömningar använder vi ofta SOLO-taxonomin (Biggs, 2011). I vissa kurser måste vi se till att studenterna kan grunderna innan de börjar på nästa nivå - deklarativ kunskap.  Ett förslag kan vara att be studenterna att inte använda externa resurser (böcker och AI) under bedömningen. Däremot för att nå de "relationella" och "utvidgade abstrakta" nivåerna kan någon form av AI vara användbart för att hjälpa studenterna att först organisera sin deklarativa kunskap och därefter försöka göra den mer funktionell. Eftersom giltigheten i den information som AI producerar inte alltid är korrekt behöver studenter kunna analysera och bedöma resultaten, och uppmanas att använda AI med försiktighet.

Syftet med bedömningen

Du kan använda diagrammet (nedan) som hjälp för att besluta om hur du ska formge bedömningar. Om syftet är att bedöma grundläggande begrepp som studenter bör komma ihåg och förstå är det mest tillförlitligt att genomföra bedömningen i en examinationssal utan tillgång till internet. Alternativt behöver vi anpassa och förändra hur bedömningen genomförs så att denna kan fungera i en situation där generativ AI annars skulle kunna påverka utfallet.

Man kan till exempel ställa andra smartare frågor än vi gjort tidigare och frågor som kräver kännedom om något specifikt sammanhang. En annan möjlighet är att ändra eller komplettera en skriftlig tentamen till att omfatta muntlig examination. En nackdel är att muntliga examinationer kan bidra till ökad arbetsbörda, samt påverka tillförlitligheten i en examination.

Fundera över syftet med bedömningen. Vilken kunskap är det du vill ha belägg för? Reflektera över den nuvarande utformningen av bedömningen och om användningen av AI skulle snedvrida resultaten. Om du upplever att examinationen behöver göras om, tänk på lärandemålen (vad du behöver evidens för) och fundera på alternativa sätt att få syn på studentens lärande. För uppsatser och kortsvarsfrågor i hemtentor kan du överväga att lägga till transparent användning av AI som en del av den bedömda uppgiften. 

Flödesschema över bedömningsmetoder och strategier. Beskrivning: 'Bedömning' delas upp i 'Formativ' ("Använd AI vid behov") och 'Summativ'. Summativ inkluderar "Prov utan internet" och "Muntliga prov".
Ett flödesschema som illustrerar skillnaden mellan formativa och summativa bedömningar, med specifika strategier och fokusområden. Foto: N/A

Utformning av bedömningen

I en uppsats ska studenterna skriva löpande text. Denna form av bedömning är ett av de mest effektiva sätten att kontrollera om studenten kan ge ett komplext svar på svåra frågor (Swanwick, Forrest & O'Brien, 2018). Uppsatsformatet används ofta för hemtentor. Som för alla val av bedömningsform bör syftet beaktas. Fråga dig själv, vilket lärande/kunskap/färdighet är det du vill få syn på? Att anpassa eller omforma en uppsats eller hemtentamen kan innebära att du omformulerar de frågor du ställer.

En annan möjlighet är att diskutera uppsatser i seminarier och därmed lägga till en muntlig del. Lärare och studenter kommer att använda artificiell intelligens på olika sätt i vardagen.

Process eller produkt

Fundera på hur du kan få syn på studentens lärprocess när AI används. En viktig aspekt att beakta blir att få syn på studentens lärprocess och inte förlita sig helt på att bedöma en slutprodukt.

  • Lägg till muntliga moment i bedömningar.
  • Formulera frågor där svaren kräver tillämpad kunskap eller kännedom om specifika sammanhang eller erfarenheter som bör vara obekanta för AI
  • Lägg till moment där du kan få syn på processen. När det gäller uppsatser kan man lägga till att studenten ska lämna in utkast 1, 2 ,3 … och sedan bedöms den sista texten. 
  • Ta med AI i processen med krav att studenten ska redovisa hur man "promptade" och vad svaret blev. Om man använder AI kan ett förslag vara att studenten ska ge samma prompt till minst två olika AI och jämföra och problematisera resultatet.

Att läsa:

Tänk på följande när du formger dina examinationer

Eftersom AI integreras i vanliga skrivverktyg, som Word, är det opraktiskt att helt förbjuda användningen av AI i öppna examinationsformat som hemtentor. De flesta generativa AI-tjänster erbjuder många olika funktioner (textgenerering, sammanfattning, förbättring osv.). Därför är det förmodligen mer användbart att tänka på ditt sammanhang och vilka användningsfall du ser som lämpliga eller olämpliga.

Du kan till exempel välja att tillåta användning av AI som ett hjälpmedel för översättning av citeringar mellan olika språk. Användningen av AI-drivna tjänster för att föreslå grammatiska/tydliga förbättringar som Microsoft Editor och Grammarly väcker sällan invändningar men du kan välja att dra gränsen vid att använda generativa AI-verktyg för att skriva om (eller generera) stycken i sin helhet, om det inte hänvisas till dem på rätt sätt. På samma sätt kan det finnas miljöer där specifik användning av generativ AI uppmuntras eller är nödvändig. Vi hänvisar dig till den här artikeln för mer djupgående om komplexiteten i formuleringar.

Vid bedömning av studenternas arbeten finns det flera aspekter att ta hänsyn till, dels vilka lärandemål som ska uppnås för godkänt betyg, dels vad studenterna är tillåtna att använda/göra under examinationen. I de fall när student misstänks för försök att vilseleda så är det viktigt att det som är tillåtet har beskrivits i instruktionerna för examinationen, och utifrån det - vad som inte är tillåtet.

Annat att tänka på

  • Är det okej att använda generativ AI för att ge struktur åt en uppsats i form av rubriker?
  • Är det okej att konsultera tjänsten för inspiration innan jag producerar mitt eget arbete?
  • Ska studenterna berätta var och hur de har använt AI för att underlätta sitt arbete?
  • Eftersom generativ AI ofta fabricerar referenser kan det vara värt att justera betygskriterier för att lyfta vikten av korrekta referenser.

Om du vill anpassa din examinationspraxis ytterligare, till exempel ändra examinationsformatet, kan det vara nödvändigt att anpassa din kursplan för att till exempel använda muntlig examination  som komplement till en inlämningsuppgift, eller att flytta fokus i den skriftliga bedömningen från produkt till process. Ändringar i kursplaner måste godkännas.

Det är viktigt att tydligt kommunicera dessa regler med studenterna.

En robot hand med svarta leder, vilar på ett träskrivbord, håller en guld penna och skriver på krämfärgat papper i en kontorsmiljö
Foto: Skapad med Bing Chat/Dall-E.

Hur påverkar generativ AI studenters lärande?

Hur generativ AI påverkar studenternas lärande när de skriver beror helt på hur studenterna använder AI-verktyg. 

Om studenterna använder AI-verktyg för att skapa långa stycken eller till och med hela texter utan ytterligare reflektion kommer det sannolikt påverka lärandet negativt. AI-resultat ofta innehåller felaktigheter eller är kraftigt partiska (Ho, 2023), och inte ens om AI-resultatet är korrekt skulle kopiering och inklistring vara ett effektivt sätt att lära sig något.

Å andra sidan, om studenterna använder AI-verktyg till exempel som hjälp med idéer eller som ett bollplank för att putsa på sina argument, samtidigt som de noggrant överväger varje föreslagen förändring innan de genomför eller förkastar den. I detta fall kan de lära sig lika mycket som de gjorde när de skrev på mer traditionella sätt – om inte mer.

Dessutom, om studenterna använder AI-verktyg på ett klokt sätt, kan bedömningen potentiellt bli mer rättvis. Att använda AI-verktyg för att göra grundläggande aspekter i skrivandet mer effektiva kan vara fördelaktigt för studenter som skriver på andra språk än sitt modersmål (Nordling, 2023). Enkla uppgifter som stavning och basala grammatiska fel kan enkelt åtgärdas med hjälp av AI-verktyg (Huang & Tan, 2023) – även om studenterna naturligtvis fortfarande måste kontrollera eventuella AI-förslag. Detta skulle också kunna frigöra tid för att lägga på mer avancerade aspekter av skrivandet, till exempel analys. Det är ett exempel hur stöd av AI kan skapa möjligheter studenter att använda sin tid mer effektivt.

Att använda AI-verktyg kan också hjälpa studenterna att hantera skrivkramp (Nordling, 2023). En student som stressar över att inte kunna börja skriva kan be ett AI-verktyg att ta fram några ord om ämnet, och på så sätt slippa börja skriva på en tom sida.

För att studenterna ska kunna använda AI-verktyg på ett bra sätt måste de veta vad bra skrivande är. Studenterna behöver vara medvetna om flera aspekter av skrivandet, till exempel hur en akademisk text ska struktureras, vad det innebär att anpassa sin text till en avsedd publik, hur man använder ämnesspecifik terminologi och att ordförrådet alltid är kontextuellt; att ordens betydelse kan förändras beroende på sammanhanget.

För att säkerställa att studenterna använder AI-verktyg på ett klokt sätt – som utvecklar kritiska färdigheter och som främjar lärande – måste vi hjälpa studenterna att göra bra val (van Dis et al, 2023). Vi behöver nyansera diskussionen om AI-verktyg och undvika kategoriska påståenden som "det är förbjudet att använda AI-verktyg". Istället kan vi ge tydliga exempel på möjliga och acceptabla sätt att använda AI, och potentiellt olämpliga sätt. Vi behöver också vara tydliga med om, och på vilka sätt, studenter får använda AI-verktyg i examinationer.

Dessutom behöver vi sträva efter öppen kommunikation om AI, så att studenterna känner sig bekväma med att ställa frågor och ha en dialog med sina lärare. Om budskapet är att all användning av AI är förbjuden och att all användning per automatik är lika med fusk förlorar du möjligheten att bli inbjuden till diskussioner med studenterna, och du kommer inte att kunna påverka dina studenters användning av AI.

En del av att främja kloka sätt för studenter att använda AI-verktyg är att lära dem att vara så transparenta i sin användning av generativa AI-verktyg.  Det gör att du kommer kunna se hur studenterna använde AI-verktyg i varje text, och du kommer att kunna bedöma det aktuella arbetet på ett rättvist sätt. Du kan naturligtvis fortfarande berätta för studenten att hen inte har uppfyllt kurskriterierna och därför behöver göra om examinationen. Dessutom kommer du att få chansen att ha ännu en diskussion om effektiv AI-användning.

Användningen av generativ AI som lärarassistent eller studieassistent är populär, men det finns några viktiga områden att se upp med! Här är några av de förslag som vi har sammanställt. När du väljer aktiviteter behöver du ta hänsyn till vilka konsekvenser det kan få för studenterna att om de använder AI genererat material med faktafel eller i sammanhanget felaktig information (för lärande eller bedömning). Det är också viktigt att föreslå AI-drivna aktiviteter som är lämpliga i förhållande till studenternas nivå av AI-kompetens och erfarenhet.

  • Som bollplank - AI-chatbots kan ge snabb feedback – men de är inte alltid korrekta!
  • Som debattpartner
  • Inom programmering - AI kan vara ett användbart hjälpmedel vid programmering och kan generera kod för olika sammanhang. AI:n kan också förklara hur kod fungerar, kommentera den och föreslå hur den ska felsökas.
  • Undvika skrivkramp - Även om det i de flesta sammanhang är olämpligt att kopiera och klistra in text från generativ AI i ditt arbete, kan det vara mycket användbart för att skapa startmeningar eller en struktur för ditt arbete.
  • Som språkcoach - Dessa verktyg kan hjälpa till att pedagogiskt korrigera språk eller till och med fungera som en samtalspartner när man lär sig ett annat språk.

Viktiga ämnen att prata om med dina studenter

Vårt mål som universitet bör vara att producera studenter som är AI-kunniga, kompetenta och ansvarsfulla, men eftersom detta är ett nytt område kommer definitionerna sannolikt att skifta. Diagrammet nedan kan till exempel användas som utgångspunkt för diskussioner om akademisk integritet, säkerhet och generativ AI.

Flödesschema för generativ AI: överväger sanningsoutput, användarexpertis och ansvar. Resultat: "Säkert", "Möjligt", "Osäkert".
Ett flödesschema som visar hur användare ska bedöma sitt förhållande till generativ AI. Anpassad från Aleksandr Tiulkanovs originalverk. Används under en Creative Commons CC-BY-licens. Foto: N/A

Som det ser ut nu har KI ingen egen definition av AI-kompetens som omfattar generativ AI, men författarna till denna sida ger följande punkter som utgångspunkt för diskussion:

Principer för ansvarsfull AI

  • Juridiska aspekter: Dela inte skyddade data, såsom personuppgifter, forskningsdata och patientdata, med generativa AI-tjänster. Beakta immateriella rättigheter, och dela inte upphovsrättsskyddat material. Det är värt att notera att även studenters texter omfattas av upphovsrätt.
  • Säkerhet: Det krävs informationskompetens för att kunna identifiera felaktigheter och hallucinationer (rena påhitt) i AI genererat material. Detta är en särskilt viktig punkt när det gäller studieteknik - att läsa sammanfattningar som genereras av AI bör inte betraktas som ett lämpligt eller säkert alternativ till att studera det rekommenderade kursmaterialet och aktiviteterna.
  • Ansvarstagande:Tydliggör att studenten alltid är ansvarig för de texter de skapar med stöd av generativ AI, då det är ett verktyg, och inte ska ses som exempelvis medförfattare.
  • Transparens: Studenter bör kunna förklara eller dokumentera hur de har använt generativ AI, och diskutera hur användandet kan ha påverkat resultatet
  • Rättvisa: De data som AI tränas på är fullt av olika bias och skevheter i perspektiv, till exempel syns en övervikt av angloamerikanska perspektiv, men också uttryck för rasism, sexism, ålderism, etc.

Skriva prompter

Hur skriver man uppmaningar (prompter) för att få önskade resultat?

Informationssökning

Informationssökning med hjälp av stora språkmodeller (LLM) rekommenderas inte eftersom AI kan hallucinera (fabricera) referenser. Universitetsbiblioteket kan ge vägledning om andra AI-drivna tjänster för den här typen av användningsfall.

Samtal om generativ AI kan också vara en bra utgångspunkt för diskussion om annan AI-driven teknik.

ChatGPT and artificial intelligence in higher education: quick start guide & Guidance for generative AI in education and research
Här är de två UNESCO-guiderna för generativ AI inom högre utbildning som vi har använt när vi skapade den här guiden. Quickstart-guiden riktas mot både lärare och studenter.

On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?
Detta är något av en klassisk artikel om generativ AI och etik, och täcker bias, felaktigheter, miljöpåverkan och en rad andra frågor.

How AI chatbots like ChatGPT or Bard work – visual explainer
En lagom teknisk, men lättläst förklaring av hur stora språkmodeller fungerar som publicerades i The Guardian.

The Unintended Consequences of Artificial Intelligence and Education

Författare

Sidan har skrivits av Andrew Maunder och Henrika Florén, med textbidrag och stöd från Anna Borgström, Arash Hadadgar & Jenny Siméus.

Projektet leds av Henrika Florén.