Hoppa till innehållet

Generativ AI och examinationsintegritet

Implementeringen av generativa AI-system inom högre utbildning omdefinierar grundläggande premisser för examinationsintegritet och pedagogisk bedömning. Spänningsfältet mellan automatiserad textgenerering och autentisk kunskapsverifiering kräver en förskjutning från reaktiv detektion mot processorienterad och kontextbunden examinationsdesign. Genom att integrera muntliga komponenter och tillämpningsfokuserade moment säkerställs rättssäker kompetensprövning utan beroende av osäkra tekniska övervakningsmetoder.

Arbetets mål

Hur kan examinationsformer inom högre utbildning utformas för att säkerställa akademisk integritet vid tillgång till generativ artificiell intelligens?

Metodik

Kvalitativ innehållsanalys och syntes av publicerade pedagogiska studier samt institutionella riktlinjer för högre utbildning.

Vetenskaplig nyhet

Undersökningen sammanför pedagogisk bedömningsdesign och etiska redovisningskrav för att ersätta osäkra tekniska detektionsmodeller med hållbar examinationspraxis.

Förhandsvisning av dokument

Granska formateringen och inledningen. Fullversionen anpassar strukturen efter standarden för den valda dokumenttypen.

Masteruppsats

Degree:
Generativ AI och examinationsintegritet

Author:

Group

First M. Last

Advisor:

Dr. First Last

City, 2026

Contents

Inledning
Problemformulering och syfte
Forskningsfrågor och avgränsningar
Teoretiska perspektiv på akademisk integritet och AI-stödd kunskapsbedömning
Konstruktiv länkning och examinationsformer i digitala miljöer
Spänningen mellan transparent redovisning och teknisk detektion
Metodologiskt ramverk och textanalytisk ansats
Urval av policydokument och pedagogiska studier
Kvalitativ tematisk analys och komparativa bedömningskriterier
Analys av examinationsformer och studenters förhållningssätt
Autentiska bedömningsformer och muntliga inslag som regleringsmekanismer
Sårbarheter i traditionella skriftliga hemtentamina och textinlämningar
Institutionella strategier och pedagogisk omställning
Rekommendationer för framtida examinationsdesign och etiska riktlinjer
Slutsats
Referenser

Introduction

Integreringen av storskaliga språkmodeller och generativa verktyg inom högre utbildning har i grunden förändrat förutsättningarna för kunskapsvalidering och självständigt studentarbete. När automatiserade system förmår producera språkligt koherenta och kontextuellt relevanta svar uppstår betydande osäkerheter kring traditionella examinationsformers tillförlitlighet och rättssäkerhet [2]. Denna utveckling utmanar etablerade normer för författarskap och försvårar distinktionen mellan genuint lärande och maskinassisterad textproduktion.

Tekniska övervaknings- och detektionsverktyg har visat sig otillräckliga för att säkerställa akademisk hederlighet, då de ofta genererar osäkra utfall och riskerar att undergräva det pedagogiska förtroendet mellan lärare och studenter [3]. Samtidigt belyser aktuell forskning att studenters val att använda eller avstå från artificiell intelligens är tätt sammankopplat med uppgiftsdesign, etiska överväganden och upplevt kunskapsdjup [1]. En ensidig fokusering på plagiatkontroll tenderar därmed att förbise behovet av en strukturell reformering av själva bedömningsformerna [4].

Föreliggande undersökning avser att kritiskt granska hur examinationsintegritet kan upprätthållas genom omdesign av bedömningsuppgifter snarare än reaktiv teknisk kontroll. Genom att syntetisera aktuell pedagogisk forskning och policystrategier belyses hur autentiska, processorienterade och multimodala examinationsmoment skapar robusta förutsättningar för rättssäker kunskapsprövning i en föränderlig akademisk miljö [2], [4].

Institutionella strategier och pedagogisk omställning

Balansen mellan automatiserad textgenerering och självständig kunskapsredovisning ställer rådande bedömningsmodeller inför en grundläggande omprövning. Som framgår i den pedagogiska debatten medför reaktiva kontrollmekanismer och textdetektionsprogram betydande osäkerheter, då systemen riskerar att producera felaktiga indikationer och därmed undergräva den akademiska tilliten [3]. En hållbar examinationsintegritet kan därför inte uteslutande vila på teknisk upptäckt av icke-auktoriserade hjälpmedel. Istället framträder behovet av en genomgripande pedagogisk omstrukturering, där examinationsmoment utformas för att synliggöra studentens faktiska resonemangsförmåga och processförståelse. Empiriska observationer visar att integrationen av autentiska tillämpningsuppgifter och muntliga uppföljningar fungerar som en verksam regleringsmekanism som minskar incitamenten att använda genererade textsvar okritiskt [1], [2]. Genom att knyta bedömningen till kontextbunden problemlösning och realtidsreflektion begränsas språkmodellernas förmåga att ersätta studentens eget intellektuella arbete. En sådan förskjutning i bedömningsfokus bevarar examinationens validitet och stödjer utvecklingen av en reflekterad digital kompetens.

References

  1. Choosing not to use generative AI in higher education: a mixed methods study of student reasoning, assessment design, and AI literacy
    Annica Lindkvist, Sophie Curbo, Catharina Hultgren
    DOI-länk
  2. Safeguarding Academic Integrity from AI-Assisted Cheating in Online Medical Examinations- short communication
    Hamid Saboorifar, Afarin Rabbani
    DOI-länk
  3. The Disclosure-Detection Nexus in Generative AI: An Integrated Analysis of Ethical Implications in Academia
    Jacob Holland
    Öppna källa
  4. Online Assessment and Artificial Intelligence: Beyond the False Dilemma of Heaven or Hell
    Linda Amrane-Cooper, Stylianos Hatzipanagos, Liz Marr et al.
  5. Generative Artificial Intelligence and the Ambiguity of Academic Integrity in Higher Education
    Katerina Zdravkova
  6. Can Artificial Intelligence Complete My Assessment? A Student Led Initiative to Stress Test the Academic Integrity of University Assessment Using Generative AI
    Aidan Duane
  7. The Impact of Generative Artificial Intelligence on Academic Integrity.
    Aidan Duane
  8. Exploring Factors Affecting Academic Integrity in Higher Education Environments Accompanied by Generative Artificial Intelligence
    Zhidong Zhang

Lägg till en litteraturlista till arbetet

Verifierade källorFormateringsstandarderHög unicitetPro-modeller
Launch Offer -25%

Forskning

Harvard (Swedish variant)

13 €17 €
  • 30–60 sidor.
  • Hög originalitet
  • Exportera till Word
  • Korrekt formatering
  • Offentlig förhandsvisning
    En förhandsvisning av en anderer författare kan inte göras privat. Ditt arbete kommer att vara privat och helt unikt.
  • Källförteckning (40+, Harvard)
    +2 €
  • Add alternative sources (News, .gov, .edu)

Forskning

Harvard (Swedish variant)