Generativ AI för studenter

Två studenter står framför en Ipad med orden "Ask anything"

Generativ AI är en snabbt växande teknik som kan skapa och bearbeta text, bilder, ljud och annat innehåll. Men vad innebär tekniken egentligen, och vad behöver du som student tänka på när du använder den? Här får du en introduktion till generativ AI, dess möjligheter och begränsningar samt hur du kan använda AI som ett stöd i dina studier på ett medvetet, källkritiskt och ansvarsfullt sätt.

Generativ AI - vad är det?

Artificiell intelligens (AI) finns idag runt omkring oss i form av teknik som försöker efterlikna vanliga mänskliga förmågor såsom att strukturera, sammanfatta och dra slutsatser utifrån ett material. Tekniken kan vara inbyggd i appar, i din mobiltelefon, på webbsidor och i olika programvaror.

En viktig del i utvecklingen av AI är generativ AI. Det som karakteriserar just generativ AI (GenAI), är att tekniken kan generera nytt innehåll, baserat på maskininlärning och sannolikhetslära. Idag kan generativa AI-verktyg skapa texter, bilder, ljud och video i olika former, men tekniken är under ständig utveckling och vad som kommer vara möjligt i framtiden är svårt att förutse.

En typ av generativ AI bygger på stora språkmodeller, eller Large Language Models (LLM), som det benämns på engelska. När det gäller olika chattverktyg som exempelvis ChatGPT och Copilot, så används stora språkmodeller. De stora språkmodellerna visar på hur vårt språk är uppbyggt och hur vi brukar formulera oss i tal och text.

Generativ AI och DINA studier

Generativ AI kan vara ett värdefullt stöd i studierna för att förstå svåra begrepp, strukturera arbete eller komma vidare när du har fastnat. GenAI är idag en del av många professionella sammanhang. En ökad kunskap om generativ AI minskar risken för olämplig eller otillåten användning.

För att utveckla din egen kompetens behöver du förstå hur GenAI fungerar, vilka begränsningar som finns och använda det på ett reflekterat sätt som stärker ditt lärande. För att veta när GenAI är ett stöd och när du bör avstå behöver du kritiskt kunna granska AI-genererat material.

Eftersom lärande är det främsta syftet med dina studier behöver du både lära dig saker och att få kvitto på det du lärt dig (t.ex. examen). Att lärandet är i fokus betyder att det inte enbart är slutprodukten som är intressant, utan även vägen dit och vad du lär dig under vägen.

Att ta till snabba lösningar – exempelvis att be AI utföra en större del av uppgiften kan leda till att du inte lär dig tillräckligt. Men om du använder AI på ett bra sätt kan det istället utgöra ett effektivt sätt att lära sig.

  • Skaffa dig en överblick över nya och komplexa ämnen genom att be om förtydliganden eller olika infallsvinklar på ett ämne. Tänk på verktygen har begränsningar och inte vet vad som är sant eller falskt.
  • Få hjälp med stavning, grammatik, och textstruktur. Förbättra din språkinlärning genom att be om exempeltexter eller be om återkoppling på ditt eget språk i en konversation med verktyget.
  • Förbättra din skriftliga och muntliga förmåga genom simuleringar och övningar.
  • Skapa quiz eller annat för att träna inför exempelvis en tenta.

Ditt ansvar som student

Riktlinjer för AI-verktyg kan variera mellan olika kurser, delkurser, program och institutioner.

Det är lärare och examinatorer som ansvarar för att kommunicera riktlinjer kring AI till studenter. Utifrån specifika förhållanden kan de rekommendera, begränsa eller förbjuda användning av GenAI.

Som student ansvarar du för:

  • det innehåll du genererar
  • att hålla dig uppdaterad gällande och följa riktlinjer för GenAI, inklusive eventuella begränsningar rörande användning av generativ AI för att slutföra kursarbete och examinationer. Det är därför av största vikt att ta del av de riktlinjer som gäller för just din utbildning och kurs.
  • att känna till vad som gäller kring Fusk och otillåten användning av AI samt de eventuella påföljder fusk kan ge. Det kan ibland vara svårt att veta var gränsen går mellan tillåten och otillåten användning av GenAI. Vid misstanke kan otillåten användning av AI rapporteras till disciplin- och överprövningsnämnden vid Marie Cederschiöld högskola.

Generativ AI – begränsningar och källkritik

När man använder GenAI-verktyg finns det en del saker man behöver tänka på då dessa verktyg har sina begränsningar. Liksom med andra verktyg och resurser som du använder på högskolan uppmuntras du att tänka på hur användningen av GenAI påverkar ditt lärande och din förmåga att nå kursens lärandemål.

Det är du som student som är ansvarig för att fakta i dina texter och det arbete du producerar under studierna är korrekta.

Som student behöver du:

  • förstå hur GenAI fungerar och vilka begränsningar som finns
  • kunna granska GenAI-genererat material kritiskt
  • veta när GenAI är ett stöd – och när du bör avstå från att använda verktygen.

Om du använder GenAI behöver du vara medveten om de begränsningar som finns i dessa verktyg och avgöra om du har tillräckligt med kunskap och kompetens för att bedöma validiteten och autenticiteten av svaren du får för att skapa bra faktabaserat innehåll.

  • En begränsning är att verktyg som t ex ChatGPT (OpenAI), Copilot (Microsoft), Claude (Anthropic) och Gemini (Google) kan generera texter som innehåller faktafel och påhittade referenser. Det finns tendenser att dessa verktyg reproducerar och förstärker fördomar som finns i verktygens data som den tränats med. Det kallas bias när data som GenAI-verktygen tränats på ger svar som är partiska eller vinklade på något sätt.
  • Tidigare versioner av många AI-verktyg byggde helt på stora språkmodeller, vilket ofta ledde till problem med så kallade hallucinationer (felaktiga svar), samt inaktuella svar. Idag kan många AI-verktyg komplettera svaret från den stora språkmodellen med en sökning i realtid efter information på nätet. Detta för att öka sannolikheten att faktauppgifter är korrekta och aktuella.
  • En annan begränsning är att det svar du kan få från ett GenAI-verktyg, vare sig det är bilder, text eller filmer, bygger på den data som tjänsten är tränad på och vilken exakt data eller text som använts för att träna verktygen är ofta oklart. De företag som står bakom GenAI-verktygen är vinstdrivande och kan ha olika ideologier, vilket kan påverka de svar du får av de olika verktygen.
  • Den data som använts för att träna de olika GenAI-verktygen har ibland gjorts på upphovsrättsskyddat material utan tillstånd, vilket resulterat i juridiska processer.
  • Om du använder dig av GenAI-verktyg ska du tänka på att inte skriva eller använda information som är privat, känslig eller sekretesskyddad. Detta innebär även information som adresser, personnummer och registreringsnummer.
  • Stora mängder energi och vatten används för att generera AI i globala datacenter. Inte minst generering av bild och video kräver mycket resurser, och det kan vara bra att ha det i åtanke som användare av dessa verktyg.

Under dina studier är det viktigt att du är källkritisk, och detta gäller även när du använder GenAI-verktyg. Källkritik är att granska om en källa, så som en referens eller ett fakta, är trovärdig eller inte.

  • Du behöver ha tillräckligt med ämneskunskap för att bestämma om det som genererats av GenAI-verktyg verkligen är relevant och korrekt.
  • Det är viktigt att se igenom eventuella språk- och faktafel eller bias när du får svar på din prompt. Jämför gärna med andra källor än bara den genererade texten.

Olika AI-verktyg för informationssökning

Olika sorters AI-verktyg används ibland för att söka efter information. Men AI-chattbottar i sig räknas inte som en källa som du kan belägga ett fakta med.

Det är bra att känna till de övergripande skillnaderna mellan olika sorters AI-verktyg, så att man kan avgöra vilket verktyg som är lämpligast i vilket syfte. Här kommer vi att kort beskriva skillnaden mellan mer generella chattbottar, och verktyg som är inriktade på vetenskaplig informationssökning.

De olika generativa AI-verktygen nedan bygger i olika utsträckning sina svar på stora språkmodeller (Large Language Models, LLM) som helt enkelt utgår ifrån modellens träningsdata och vilka ord som är mest statistiskt sannolika att följa på varandra. Att använda dessa verktyg för informationssökning kräver källkritik och att man dubbelkollar eventuella faktauppgifter mot pålitliga källor.

I denna kategori finns en växande skara av generativa AI-verktyg. Några välkända exempel är ChatGPT (OpenAI), Copilot (Microsoft), Claude (Anthropic, konto krävs) och Gemini (Google). Chattbottarna finns ofta i begränsade gratisversioner, samt mer avancerade betalversioner.

Svaren som användarna får av dessa verktyg är till stor del baserade på den stora språkmodellen, alltså vilka ord som är statistiskt sannolika att komma efter varandra. Ibland kompletteras språkmodellen med en sökning efter information på nätet, t.ex. för frågor som rör aktuell eller föränderlig information.

Svaren kan både se bra ut och vara faktamässigt korrekta. Men det finns fallgropar med att använda dessa verktyg för informationssökning, t.ex.:

  • Hallucinationer. Detta innebär att AI-verktyget helt enkelt säger saker som inte stämmer. Det kan visa sig i faktafel, men även helt påhittade referenser till vetenskapliga artiklar. Detta trots att svaret kan levereras med en säker ton från det aktuella AI-verktyget.
  • Bias. De stora språkmodellerna har tränats med den data som den har tillgång till. Det innebär att eventuella bias, fördomar och stereotyper i datan lätt plockas upp och förstärks ytterligare av de svar som de stora språkmodellerna ger.

Utvecklingen går snabbt och hur de olika verktygen rent praktiskt fungerar förändras. För en aktuell bild, sök specifik information om det verktyg som du funderar på att använda.

Det finns också generativa AI-verktyg som är särskild anpassade för vetenskaplig informationssökning. Några exempel är t.ex. Elicit, Consensus, SciSpace och Perplexity. Dessa verktyg finns i begränsade gratisversioner, samt mer utbyggda betalversioner.

I dessa verktyg läggs mer fokus på så kallad retrieval augmented generation (RAG). RAG innebär att verktyget alltid söker information i faktiska källor, t.ex. vetenskapliga databaser eller en sökmotor. Dessa källor kombineras sen med en stor språkmodell (som i de "vanliga" chattbottarna) för att ge användaren ett svar. När den ger en faktauppgift så finns alltså en konkret hänvisning till källan där detta fakta är taget ifrån. Genom att konsekvent ha faktiska källor som bas så är förhoppningen att t.ex. problemet med hallucinationer ska minska.

I en akademisk kontext kan sökningar efter vetenskapliga publikationer i ett AI-verktyg med RAG-teknik vara användbart som ett komplement till strukturerade sökningar i traditionella databaser. Det är dock inte lämpligt som ett alternativ till traditionella databaser, när det gäller mer ambitiösa, strukturerade sökningar. Detta eftersom:

  • AI-verktyget kan inte utvärdera källorna det hittar. Det är inte säkert att det har valt ut de mest kvalitativa och relevanta källorna.
  • De källor som RAG hittat och hänvisar till existerar, men det är inte säkert att AI-verktygets språkmodell har förstått innehållet korrekt. Så det svar man får på sin fråga kan vara felaktigt. Du behöver läsa källan själv för att vara säker på vad som står där.

Sidinformation

Senast uppdaterad:
14 september 2026