Meanderslingorna i en flod och rotsystemet hos ett träd är båda resultat av naturliga processer. Vi kan förstås debattera vad som egentligen är “naturligt” tills korna kommer hem, men låt oss för ett ögonblick lämna den intressanta diskussionen därhän. Även om vi kanske inte förstår alla detaljer så inser vi att det någonstans finns en naturvetare som kan förklara för oss exakt vad det är som ligger bakom hur floder och rötter sprider ut sig. Vi tillskriver därför inte dessa processer några intentioner. Det ligger inget medvetande bakom att det ser ut så här. Det bara blir så. Det betyder inte att vi inte kan tycka att det är vackert. De flesta människor har förmågan att bli hänförda av både stora och små företeelser i naturen.
Konst, och andra kulturella artefakter producerade av människor, brukar vi däremot anta är resultatet av ett medvetet arbete, ofta med en tydlig intention. Även om grottmålningarna har flera tusen år på nacken är de med största sannolikhet gjorda av mänsklig hand. Och vi är rätt säkra på att nedanstående text är skriven av en människa, även om han kanske var ett udda exempel med ibland oklara intentioner.
Vi har länge trott oss lätt kunna avgöra vad som är producerat av en människa och vad som är resultatet av en naturlig process. Men med generativ AI kan vi inte längre vara helt säkra. Generativ AI kan producera många olika slags media som är förvillande likt något människoproducerat. Jag bad DALL-E producera “a cave painting, on a wall of stone, with crude images of wild animals in red-brown color” och fick något som mycket väl skulle kunna vara ett foto från någon sydeuropeisk grotta. Jag bad ChatGPT skriva “en kort inledning (runt 200 ord) till en roman och försök få det att låta som att August Strindberg hade skrivit den” och fick en text som visserligen innehåller ett par böjningsfel, men som har någon typ av mörkt stråk i sig.
Någonstans finns en datavetare eller ingenjör som kan förklara för oss exakt vad det är som ligger bakom att DALL-E producerar en grottmålning eller att ChatGPT skriver en inledning till en roman. Det går att bryta ner dessa processer i sina beståndsdelar, till ettor och nollor om man så vill. Det är inget magiskt eller mystiskt. Det är helt naturligt. Generativ AI har inga intentioner, inget medvetande. Intentionen sitter alltid hos den som håller i verktyget. Och mina intentioner med att välja just dessa exempel bland biljoner andra möjliga är att få dig att fundera över vad som egentligen är naturligt, vad som är äkta eller autentiskt. Och jag vill få dig att inse att vi nog behöver definiera om de här orden, eftersom världen numera är lite annorlunda.
Vi kan lära oss mycket om ett fenomen genom att studera dess motsatser. Vad är till exempel motsatsen till lärande? Eftersom lärande är en ständigt pågående förändrings- och utvecklingsprocess kanske motsatsen är stagnation, ett statiskt och låst stillastående. Vad finns det då för krafter i världen som vill förhindra lärande? En sådan kraft är förbjudandet av böcker. Det är lätt att tänka sig att förbjudande av böcker mest var något som katolska kyrkan ägnade sig åt på medeltiden, rädda för att folk skulle tänka själva, eller att det främst var nazister som var rädda för degenererad konst. Men förbjudande av böcker är tydligen inget vi har lämnat bakom oss. Det äger rum här och nu, i stater som många skulle klassa som “demokratiska”.
9-15 oktober äger Banned Books Week Sverige rum. Den lite större tillställningen som inspirerat detta kommer förstås från det land som kanske har störst anledning att ta tag i frågan. Jobbar du i en organisation som inte tar detta på så stort allvar som den borde? I brist på tydligt ledarskap får väl stenarna ropa. Här är några motståndshandlingar som du kan ägna dig åt under veckan:
Låna en förbjuden bok på biblioteket och läs den, förstås!
Köp en förbjuden bok, om du har råd, för att stödja författarna!
Diskutera förbjudna böcker, både i fikarummet och online!
Hotet mot det fria ordet är också ett hot mot det fria tänkandet. Passa på att tänka och skriva medan du kan.
I dagarna publicerade även LiU sin vägledning för lärare som på olika sätt kommer i kontakt med generativ AI i relation till utbildningsfrågor. Eftersom denna vägledning primärt ligger i ett slutet intranät för anställda har vi valt att skapa en något reviderad – men ändå öppen resurs så att fler kan ta del av hur vi resonerat. Att ta del av andras öppna lärresurser och informationsmaterial har varit ovärderligt i arbetet med att skapa en uppfattning om hur vi bäst stöttar våra kollegor vid LiU. Sharing is caring!
Utveckling av vägledningen
Denna vägledning är hämtad 2023-10-03 från ett dynamisk webbsida på LiU:s intranät för anställda, som kommer uppdateras efter hand.
Den här vägledningen är baserad på det arbete som gjorts under våren 2023 av medarbetare och studenter vid Kognitionsvetenskapsprogrammen vid LiU (kandidat, master).
Denna vägledning bör även läsas tillsammans med Beslut om vägledning för lärares och studenters användning av generativ AI i utbildning vid Linköpings universitet (dnr LiU-2023-02660). Revisionen av vägledningen är gjord av Tobias Trofast, Stina Hellberg, Anna F Söderström och Lena Strömbäck under september 2023. Vägledningen syftar till att stötta lärare och annan undervisande personal vid LiU till konstruktiv användning av AI i utbildning.
Vilka generativa AI-verktyg omfattas i vägledningen?
Denna vägledning är inspirerad av verktyget ChatGPT:s snabba utbredning och användning inom högre utbildning. Vägledningen är dock avsedd att täcka verktyg och modeller inom hela begreppet Generativ Artificiell Intelligens, som kan generera innehåll av olika karaktär såsom till exempel text, bild, musik, video eller kod. ChatGPT är ett exempel på verktyg som använder sig av LLM (Large Language Models) för att generera innehåll och har blivit känt då det lanserades för allmänheten i slutet av 2022.
Med den snabba tekniska utvecklingen på detta område är det svårt att tillhandahålla en tydlig lista på verktyg som faller in under begreppet generativa AI-verktyg, och verktyg som faller utanför. Den teknik som underbygger verktyg som ChatGPT införlivas i rask takt i andra verktyg som har använts under lång tid, till exempel Outlook och andra mailprogram, söktjänster som Google eller Bing, eller ordbehandlingsprogram som Word.
Vägledningen har därför skrivits för att ha ett öppet förhållningssätt till alla olika typer av generativa AI-verktyg, och lärare på LiU uppmuntras att hålla sig uppdaterade på den kommande utvecklingen och uppdatera kurser och kursinformation vid behov.
Grundläggande förhållningssätt till generativ AI i utbildning
Generativ AI bör användas konstruktivt och rättssäkert i utbildning vid LiU. I Beslut om vägledning för lärares och studenters användning av generativ AI i utbildning vid Linköpings universitet (dnr LiU-2023-02660) förtydligas vilka rekommendationer som LiU har för både lärare och studenter avseende AI i undervisning och examination.
Kurser bör i dagsläget inte kräva att studenterna använder ett specifikt AI-verktyg, om inte LiU har en licens eller motsvarande som garanterar att studenterna har fri och tillförlitlig tillgång till verktyget över tid. Eftersom de allra flesta AI-verktygen är molntjänster är det viktigt att läraren följer LiU:s riktlinjer för användning av molntjänster. Om arbete med verktygen ska integreras i en kurs måste det göras med eftertanke och med möjlighet att snabbt ställa om undervisningen ifall verktygen av någon anledning blir obrukbara (till exempel hamnar bakom en betalvägg). Det är upp till varje lärare att fundera över studentgruppens digitala mognad (kompetens) i förhållande till användningen av generativ AI, då det kan se väldigt olika ut i en heterogen studentpopulation.
Generativ AI i kurser
Användningen av AI-verktyg i en kurs är sällan binär; ja eller nej. Det finns en mängd olika verktyg, med olika användningsområden, och många av dem kan även användas i olika steg av en process eller på olika nivåer av automatisering. Figur 1 illustrerar ett sätt att tänka kring detta, för fallet med en student som ska arbeta med att ta fram en text inom ramen för en kurs. Figur 1 illustrerar ett sätt att tänka kring detta, för fallet med en student som ska arbeta med att ta fram en text inom ramen för en kurs.
Figur 1: Människocentrerat – AI-centrerat: ett sätt att illustrera eller tänka kring AI och var gränsen för tillåten användning går. Grafiken är anpassad av lärare på Kognitionsvetenskapliga programmen med utgångspunkt från Matt Miller på DitchThatTextbook.com.
Var på skalan får eller bör studenter ligga i din kurs? Hur vill du justera skalan för att passa din kurs? Var tror du studenterna kommer vara i sin framtida yrkesutövning? Var är du i ditt arbete?
Exemplen på ”gråskalan” från människocentrerat till AI-centrerat kan vara flytande, och variera baserat på uppgiftens natur, men det underliggande resonemanget att ett AI-verktyg kan användas mer eller mindre, i olika delar, eller till olika syften är viktigt. För kursansvarig lärare gäller det att ta ställning inte bara till om ett specifikt verktyg är tillåtet eller ej, utan snarare vilken typ av verktyg som är tillåtna i vilka uppgifter (examinerande eller andra) och då på vilket sätt.
Rättssäker och tydlig kursinformation
De beslut som fattas gällande tillåten och otillåten användning av AI-verktyg i en kurs bör med tydlighet skrivas in i den skriftliga kursinformationen . Tydlighet i informationen hjälper både dig som lärare och studenterna att sätta gemensamma regler och förväntningar inför kursen. Den text som används i kursinformationen bör skrivas med tanke på att vid misstanke om fusk, plagiat eller vilseledande vid examination är kursinformationen en del av det underlag som granskas av disciplinnämnden vid en anmälan.
Kursinformationens innehåll
Exempel på vad som bör tas upp i denna informationstext är vilka verktyg som får respektive inte får användas, samt vad som är tillåten användning av dessa (se Figur 1), hur användning av verktygen ska dokumenteras om de används och om några särskilda regler gäller för olika examinerande moment.
Förklara varför
Att tydligt förklara varför AI-verktyg får eller inte får användas på vissa sätt men inte andra ökar sannolikheten för efterlevnad och förankring hos studenterna. Utgå från kursens design och lärandemål och förklara den pedagogiska motiveringen till kursens AI-regler.
Dokumentation av användning
Om AI-verktyg används under en kurs bör detta dokumenteras tydligt av studenterna.
Att kunna dokumentera hur AI-verktyg har använts i en process är en viktig färdighet för studenterna att lära sig och ett bra stöd för lärare som ska bedöma om studenterna tillgodogjort sig lärandemålen i en kurs. Dokumentationen bör innehålla en beskrivning av vilka verktyg som använts, vilken version av verktyget och hur det genererade innehållet har använts eller bearbetats.
Dokumentation som en läraktivitet
Att be studenterna skriva en reflektionsuppgift kopplat till denna dokumentation kan vara ett sätt att hjälpa dem att reflektera över AI-verktygens styrkor och svagheter, deras egen användning av verktygen och hur det har format deras inlämning.
Generativ AI som källa
Den som skriver en akademisk text ska ange källa för vad som är ursprunget till en specifik information eller fakta. Då en AI-genererad text är baserad på annan text är tjänsten som används inte en primär källa. Observera till exempel att ChatGPT inte anger vilka källor som används för att generera ett svar, och svaret på samma fråga kan variera mellan olika tillfällen. Studenten bör därför avrådas från att använda ChatGPT som källa (om det inte är ChatGPT som är studieobjektet) och i stället uppmanas att söka fram en källa där ursprunget till informationen går att härleda.
Generativ AI och examination
En vanlig fråga som rör AI och utbildning är när verktyg används för examinerande uppgifter i en kurs. Därför bör den information som ges till studenterna inom detta område vara särskilt noga beskrivet för att undvika olika tolkningar mellan lärares och studenters uppfattning om vad som är tillåtet och vad som riskerar att leda till anmälningar till disciplinnämnden.
Fusk och plagiat med AI-verktyg
Disciplinnämnden vid LiU skriver att en disciplinföreteelse är när en student ”med otillåtna hjälpmedel eller på annat sätt försöker vilseleda vid prov eller när en studieprestation skall bedömas.”
I en kontext där AI-verktyg är aktuella innebär det att det är en disciplinföreteelse i alla fall där en student:
använder sig av specifika AI-verktyg (hjälpmedel) som uttryckligen ej är tillåtna för uppgiften
använder sig av något AI-verktyg på ett sätt som är specifikt och uttryckligen ej tillåtet för uppgiften; och
använder AI- verktyg för att vilseleda vid examination, genom att exempelvis presentera AI-genererad text som sin egen (en form av plagiat).
På motsvarande sätt kan AI-verktyg vara tillåtna hjälpmedel vid en examination, och även i dessa fall är det bra om detta är specifikt och tydligt uttryckt i instruktionerna till uppgiften.
Plagiat är en vanlig form av vilseledande vid examination. Det kan diskuteras i vilken utsträckning detta är applicerbart för AI-genererad text, eftersom AI-verktyg normalt inte ses som författare eller ägare till den text som genereras. Om man som kursansvarig väljer att se kopierad, AI-genererad text som plagiat behöver detta förtydligas i kursinformationen.
Examinationsdesign – hur påverkas det av generativ AI?
AI-verktyg är i dag bra på att generera text, programkod och bilder. Det gör att examinationsformer där detta är centralt blir problematiska att använda på samma sätt som tidigare för att examinera. Exempel på examinationsformer som berörs är hemtentamen, essäer, reflektionsuppgifter, VFU-rapporter, projektrapporter, labbrapporter, programmeringslabbar m.fl.
Det rekommenderas att lärare själva testar att använda AI-verktyg för att besvara eller utföra examinerande moment eller laborationsuppgifter för att få ökad förståelse för vilka möjligheter och utmaningar som kan finnas.
Tips på hur examinationsformer kan anpassas med hänsyn till utvecklingen inom generativ AI.
Fokusera på processen, inte bara produkten
Genom att arbeta med stegvisa inlämningar eller andra kontroller av arbetet med en produkt (hemtenta, essä, rapport, etc) kan studentens bidrag visas tydligare. Till exempel kan man be studenterna lämna in utkast under kursens gång, och ge studenterna återkoppling på dessa. I nästa stegvisa inlämning ombes sedan studenterna dokumentera eller skriva en reflektion över hur de använt sig av återkopplingen i arbetet, vilket tydliggör hur de har arbetat med texten.
Bygg på personliga erfarenheter
Om möjligt, be studenterna inkludera personliga reflektioner eller kopplingar till egna, levda erfarenheter. Detta är främst ett sätt att försvåra direkt kopiering av genererad text.
Inkludera empiriska data
Examinationsformer som bygger på någon form av data (antingen given av läraren eller insamlad av studenten själv) gör det svårare att använda AI-verktyg för att generera text.
Inkludera detaljer från kursen
Kräv till exempel referenser till kurslitteraturen med sidnumrering, eller att studenterna i de skriftliga arbetena använder sig av och refererar till föreläsningar (med slidenummer) eller seminarier under kursens gång. Även detta gör det svårare att direkt använda genererad text.
Bygg in fler modaliteter
Uppmuntra till dokumentation och redovisning genom bild, ljud och video tillsammans med text i uppgifterna samt användning av analogt material (mixed media).
Använd generativ AI
Utforska möjligheterna att själv generera innehåll som underlag för diskussion, analys eller variation i uppgifter som i sin tur ligger till grund för examination.
Byt examinationsform
Om de nya AI-verktygen skapar stora problem med rättssäker examination bör kursansvarig lärare överväga att byta examinationsform. Salstentamen, seminarier, muntlig tentamen, eller redovisningar är i dagsläget inte lika berörda av de nya AI-verktygen. Tänk på att förändringar i examinationsform kan kräva en ny kursplan, vilket tar tid att realisera.
Att upptäcka fusk med AI
Det finns verktyg som säger sig kunna detektera om en text är genererad av AI eller skriven av en människa. Dessa verktyg fungerar dock dåligt och rekommenderas därför inte. Arbeta därför hellre med alternativa examinationsformer för att säkerställa rättssäker examination.
———–
Denna vägledning är hämtad 2023-10-03 från ett dynamisk webbsida på LiU:s intranät för anställda som kommer uppdateras efter hand.
För många år sedan var jag examinator för en projektkurs där några av lärandemålen kretsade kring rapportskrivning och källkritik, sådant som vi numera ibland talar om under rubriken akademisk litteracitet. Och självklart plockade jag in experter. Kursen involverade många olika lärare. Förutom särskilt utsedda projektledare hade vi några som var språkexperter och föreläste om rapportskrivning, några från biblioteket som pratade om sökning och värdering av källor. Något som jag, anekdotiskt, lade märke till var att studenterna inte riktigt tog dessa experter på samma allvar som resten av kursen. Studenterna kände inte att de var där främst för att lära sig skriva rapporter. Det var liksom inte riktigt kärnan i deras valda ämnesområde. Och de såg att jag, som ju kunde det “riktiga” ämnet, lämnade över till nån form av tanter (om uttrycket ursäktas) som fick göra det tråkiga men nödvändiga jobbet att lära studenterna det där andra, mindre viktiga. Jag kände inte att det här upplägget blev bra och funderade på möjliga förbättringar. Min första tanke var att jag skulle ta över dessa inslag själv, så att studenterna fick höra det från en ämnesexpert, så att de förstod att det här också var viktigt. Men jag insåg snabbt att jag aldrig skulle kunna göra ett lika bra jobb. Istället försökte jag på alla möjliga sätt tydliggöra för studenterna hur viktiga de här inslagen var för deras framtida yrkesliv, även om det inte var ett kärnämne. Och framför allt satt jag med och var aktiv vid de flesta av passen, för att markera att de här färdigheterna är en integrerad del av att vara ingenjör, inte något vi slänger på i efterhand för att det ska se bra ut. Jag vet inte om det blev så himla bra alla gånger, men det var i alla fall ett försök. Och ingen skugga ska falla över mina mycket duktiga kollegor i kursen.
Jag har senare hamnat i många andra sammanhang där olika ämnesområden ska mötas. Ofta har det handlat om ett kärnämne i vilket ett annat ämne ska integreras. Inte sällan är kärnämnet ett klassiskt teoretiskt ämne, medan det integrerade ämnet ofta handlar om färdigheter. Och det uppstår alltid problem. Det finns en tydlig hierarki. Kärnämnet är mycket viktigt och det integrerade ämnet är mindre viktigt. Det innebär att lärarna i kärnämnet, i studenternas ögon, tillmäts större makt. Det som lärarna i det integrerade ämnet säger kan man i lite större utsträckning ta med en nypa salt och prioritera lite lägre.
Vad händer i gränslandet mellan två ämnesområden? Ofta behöver det integrerade ämnet fyllas med något konkret, instansieras av exempel från kärnämnet, för att inte bli allt för torrt. Och kärnämnet behöver då kanske komma ner på jorden och bli lite mer tillämpat, insatt i ett större sammanhang. För att det här ska kunna ske krävs ett mycket nära samarbete mellan lärarna på båda sidor, ett arbete som präglas av ömsesidig förståelse och respekt för varandras kompetenser, vilket också måste synas gentemot studenterna. Du kan inte, som lärare i kärnämnet, sitta och gäspa under tiden som ett integrerat moment pågår. Du måste vara med på riktigt. Du måste förstås själv besitta de färdigheter som studenterna förväntas förvärva så att du kan svara vettigt på elementära frågor och inte bara skjuta ifrån dig allt. Du måste ha det i fingrarna. Och du kan inte, som lärare i det integrerade ämnet, helt ignorera innehållet i kärnämnet. Du behöver inte bli ämnesexpert, men du behöver förstå åtminstone de grundläggande förutsättningarna för kärnämnet, kanske dess syn på kunskap och kunskapsproduktion, dess publiceringstraditioner, de stora aktuella forskningsfrågorna, de klassiska tänkarna. Integration är ett givande och ett tagande. Ingendera parten kan gå ur ett integrationsprojekt och vara samma människa. Då har projektet misslyckats.
Vi som föddes i mitten av 70-talet växte upp mitt under den stora hemdatorvågen under 80-talet. Nästan så länge jag kan minnas har jag först lekt och därefter arbetat med datorer. Till en början skrev jag av korta program från olika tidskrifter som pappa prenumererade på, men så småningom började jag förstå hur det funkade och skrev egna program. Ett tag var det mycket Commodore-datorer. Först kom VIC-20, sedan C64 och senare även 128D.
Någon gång i skiftet mellan 80- och 90-talet hade jag fått för mig att jag skulle skriva ett datorprogram som kunde simulera mänskligt språk. Jag minns inte varifrån inspirationen kom, men tanken var i alla fall att mata datorn med information om olika ord och deras böjningsformer, för att sedan låta datorn slumpmässigt skapa några olika syntaktiskt korrekta meningar. Vid den här tiden var det PC-datorer som gällde och jag tror att jag skrev den första versionen i GW-BASIC.
På sommarlovet hängde jag med min kusin och vi fick för oss att vi skulle utveckla det här programmet vidare. För att göra research åkte vi till kommunbiblioteket och lånade lite böcker om hur det här med grammatik funkade. Vi försökte sätta oss in i konjugationer, ackusativobjekt och nominalfraser. Jag har fortfarande kvar en del av anteckningarna som vi gjorde.
Den nya versionen av programmet, kallat “Language – the ultimate språkbusprogram”, skrevs i Amiga Basic på min kusins dator. Vi tog en ordlista och matade mödosamt in olika roliga substantiv, verb och adjektiv. Sedan körde vi igång programmet och lät datorn generera en massa slumpmässiga meningar som vi läste högt för vår omgivning och fnissade glatt åt. Det kunde se ut så här:
Jonas kastade en soffa på bilen.
En telefonkatalog leker bakom svansen.
Katten ångar.
Köttbullarna äter soptunnorna.
Kanske måste man ha varit med själv under de där sena kvällarna för att förstå hur roligt det var.
I dessa tider, när betydligt mer avancerad generativ AI sveper över världen, kan jag inte låta bli att tänka tillbaka på den där sommaren när min kusin och jag pluggade grammatik, satt i källaren och kodade och skrattade åt datorns tokiga meningar. Tänk om vi då kunnat ana var vi är idag, trettio år senare. Delar av programkoden finns fortfarande kvar, utskriven på klassiskt pyjamaspapper. Kanske skulle jag dra igång programmet igen?
