AI och akademisk integritet: En mixed-methods studie av otillåten AI-användning, detektionsmetoder och disciplinära åtgärder inom högre utbildningar

Sammanfattning

Studien undersöker hur mängden disciplinärenden i form av avstängningar och varningar har förändrats sedan ökningen av AI verktyg, hur dessa verktyg har påverkat studenters lärande och den akademiska integriteten inom högre utbildningar i Sverige. Detta utförs genom datainsamling och analysering av statistik om antal avstängda och varnade studenter relaterade till otillåten AI-användning för åren 2021 och 2024. Intervjuer utförs för att få akademikers perspektiv kring studenternas lärande och den akademiska integriteten efter AI:ns utveckling. Studien fortsätter med att granska vilka detektionsverktyg som lärosätena använder idag och hur effektiva de är för att identifiera innehåll genererat av AI. Arbetet använder mixed-methods ansats för datainsamling. Den kvantitativa delen består av datainsamling från högre utbildningar om avstängda och varnade studenter relaterat till otillåten AI-användning, datan analyseras och används för att skapa statistik för att visa skillnader mellan år 2021 och år 2024. Den kvalitativa delen består av semistrukturerade intervjuer med en programledare från Malmö universitet och en universitetslektor från Lunds universitet kring deras syn på otillåten AI-användning, hur det har påverkat studenters lärande, hur det har påverkat den akademiska integriteten och även vad de tycker om de nuvarande detektionsverktygen. Studiens resultat visar att 17 av de 25 högre utbildningslärosäten som deltog i studien har haft disciplinärenden relaterat till AI samt att majoriteten av studenterna som har kallats till disciplinnämnden har resulterat i avstängning. Resultaten visar även att otillåten AI-användning har ökat sedan 2021, men att antalet totala avstängningar har minskat från 2021 till 2024 trots ökningen av otillåten AI-användning. Vidare visar studien att det finns akademiker som undervisar men inte använder detektionsverktyg som Ouriginal utan granskar studenters texter själva.