Reseliens av examinationer mot AI verktyg

Projektet syftade till att utvärdera den påverkan generativ AI har på högre utbildning med fokus på plagiering, uppgifter och examinationer.

Under projektets gång analyserade man hur generativa AI-system förstod sin egen påverkan på akademisk integritet utföras och strategier, detta för att ta fram strategier för AI-resilienta uppgifter och examinationer. Man arbetade även med riktlinjer för examinationer med fokus på att förhindra akademisk ohederlighet med generativ AI. Metoder skulle tas fram för att utrusta lärare med erfoderliga arbetssätt för att upprätthålla akademisk standard och på ett rättssäkert sätt kunna utvärdera studenters kunskap, även i en värld där AI är under frammarsch.

Resultat

Efter projektet kan man se att man hittat en struktur att utgå ifrån när man utformar examinationer. Detta har även påverkat lärosätets strategier på övergripande nivå. Man har också tagit fram en workshop kring sina resultat.

Man har bland annat funnit att uppgifter som är tekniknära, kontextbundna eller kräver flera steg av kritisk analys är betydligt mer motståndskraftiga mot AI‑genererade lösningar. Detta gäller även examinationer som inkluderar implementeringsmoment, simulering, felsökning, reflektion och kontextberoende resonemang.

Läs mer

Shallari, Hussain. (2024). Assignments in the ChatGPT-era: Case Study on Plagiarism in Digital Systems Design Courses. https://scholarspace.manoa.hawaii.edu/items/9800e0fd-b252-414c-b532-265259b21a99

Hussain, Pietrosanto, Liguori, Paciello, De Santo. (2025). ChatGPT in the Engineering Classroom: A Pre-Study on Students’ Perceptions and Experience. https://scholarspace.manoa.hawaii.edu/items/f52d021d-aabb-48bd-9e11-1876a8f9c8fd

Zhao, Chen, Huang, Rollins, Carratù, Shallari . (2025). Students' Use and Attitudes Toward Generative Artificial Intelligence: A Comparative Study Between the UK and China. https://scholarspace.manoa.hawaii.edu/items/7eaa4053-1c65-4b02-90a7-2e2d23e7159b