Akademisk integritet i møte med kunstig intelligens

Hvordan påvirker kunstig intelligens universitetenes viktigste oppgaver – læring, vurdering, undervisning og forskning? I artikkelen til denne leksjonen undersøkte forskerne 14 fagfellevurderte studier for å kartlegge hva forskningslitteraturen sier om KI og akademisk integritet i høyere utdanning.

Relevant litteratur for denne leksjonen

Relevant litteratur kan søkes opp og finnes i Oria.

Hensikten med denne artikkelen er ikke å gjøre deg kjent med alle problemstillingene i skjæringspunktet mellom KI og akademisk integritet, men å bevisstgjøre deg på hvorfor det er komplisert å lande på entydige regler for KI-bruk ved universitetet. Vi anbefaler derfor at du leser artikkelens diskusjon og konklusjon, sammen med oppsummeringen på denne canvassiden.

Academic Integrity and Artificial Intelligence in Higher Education (HE) Contexts: A Rapid Scoping Review. (u.å.). CANADIAN PERSPECTIVES ON ACADEMIC INTEGRITY. https://doi.org/10.55016/ojs/cpai.v7i3.78123

Hva er akademisk integritet?

Akademisk integritet handler om seks kjerneverdier: ærlighet, tillit, rettferdighet, respekt, ansvar og mot (Moya et al. 2023, s. 2).

Hovedtemaer fra artikkelen

Forskningsoversikten til Moya et al. (2023) deler problemstillingene omkring akademisk integritet inn i to hovedgrupper: etablerte utfordringer hvor det er bred enighet blant fagfolk, og uavklarte spørsmål som krever nye diskusjoner, retningslinjer og terminologi. Du vil kjenne igjen flere av disse problemstillingene fra modulene du allerede har gjennomgått i kurset.

1. Etablerte etiske utfordringer

Høy enighet i forskningen

Forskningen peker på tre konkrete risikofaktorer når generative modeller tas i bruk i høyere utdanning. Du er allerede kjent med flere av disse utfordringene gjennom arbeidet med dette kurset.

Les mer om de etablerte utfordringene

Skjult juks og måter å omgå deteksjonsverktøy: Dagens språkmodeller og oversettelsesverktøy produserer så god og naturlig tekst at den ikke lenger har et åpenbart «robotpreg». Samtidig viser forskningen at teknologiske deteksjonsverktøy (KI-detektorer) er upålitelige og lett kan omgås ved hjelp av parafrasering, «spinning» eller oversettelsesverktøy (back-translation).
Fabrikasjoner og oppdiktede kilder (hallusinasjoner): Modellene beregner statistisk sannsynlighet, ikke sannhet. De kan dikte opp fiktive vitenskapelige artikler, sitater eller historiske fakta som høres overbevisende ut, noe som truer den akademiske etterretteligheten.
Forplanting av skjevheter og fordommer (bias): Fordi modellene er trent på historiske internettdata, reproduserer de samfunnsmessige skjevheter, stereotypier og diskriminerende språk knyttet til kjønn, etnisitet og kultur.

2. Uavklarte spørsmål

Pågående debatt

Hvor går grensen mellom lovlig læringsstøtte og akademisk uredelighet? Litteraturen avdekker fire store spørsmål uten entydige svar.

Utforsk de fire uavklarte spørsmålene

Er det å skrive med KI plagiat?
Som vi har gjennomgått i kursets første modul, "klipper" ikke språkmodeller direkte fra én kilde, men genererer ny tekst basert på statistisk sannsynlighet. Tradisjonelle definisjoner av plagiat (stjele andres arbeid) strekker derfor ikke alltid til. Mange forskere foreslår at uautorisert KI-bruk snarere bør forstås som en form for kontraktsjuks (at noen/noe annet gjør jobben for deg) eller krever helt nye begrep.
Hvor trekker vi grensen for hva som er akseptabelt?
Mens stavekontroll og enkel grammatikkhjelp som oftest regnes som uproblematisk, er det stor uenighet om oversettelsesverktøy og tekstgeneratorer. Det varierer også mellom fagområder om dette er akseptabelt – f.eks. kan automatisk generering av metodeavsnitt i laboratorierapporter bli vurdert annerledes enn i humanistiske essayoppgaver.
Hvem er forfatteren når man skriver med KI?
En KI-modell kan ikke holdes juridisk eller etisk ansvarlig, og kan derfor ikke stå som medforfatter. Når man som tekstforfatter samarbeider med KI, glir forfatterrollen over i en slags "redaktørrolle", der man som forfatter må ta det fulle ansvaret for å verifisere, kuratere og sette sammen innholdet.
Kan man vise faktisk læring når KI gjør jobben?
Dersom man overlater oppsummering, analyse og språklig formulering til KI (kognitiv avlastning), risikerer man å miste muligheten til å utvikle grunnleggende akademiske ferdigheter, som kritisk lesing, kildekritikk og selvstendig resonnement.

3. Legitim bruk og likeverdig utdanning

Muligheter

Når KI brukes ansvarlig og transparent, kan verktøyene være en verdifull læringsstøtte og bidra til å jevne ut sosiale forskjeller.

Se eksempler på legitim bruk

Idémyldring og skrivehjelp: Få forslag til disposisjoner, finne alternative innfallsvinkler, overvinne skrivesperre eller be om enklere forklaringer på komplekse teorier.
Språklig støtte: Hjelpe dem som skriver på et fremmedspråk med å forbedre flyt, finne presise begreper og forstå akademiske sjangertrekk – men husk likevel det Eirik nevner i videoen: språklig støtte kan være uheldig for læringen i emner der hensikten nettopp er å tilegne seg språkferdigheter.
Kritisk analyse: Bruke KI-generert tekst som et øvingsobjekt for å avdekke faglige feil, unøyaktigheter og svake argumenter.

Artikkelens hovedkonklusjon

Forbud og overdreven tro på teknologiske detektorer er en blindvei. Veien videre krever opplæring i kritisk KI-kompetanse, tydelige faglige rammer, og en åpen kultur preget av transparens og etisk bevissthet. Vi håper dette kurset oppleves som en start mot nødvendig kritisk KI-kompetanse, slik at du blir bedre i stand til å vurdere egen KI-bruk når du lærer og arbeider med akademiske tekster.

Hvorfor er KI-bruk tillatt i ett emne men forbudt i et annet?

Utfordringene som nevnes over viser noen av problemstillingene som gjør det vanskelig å lande på entydige regler. I denne videoen forklarer undervisningsleder Eirik Welo (Institutt for filosofi, idé- og kunsthistorie og klassiske språk – IFIKK) hvorfor reglene må variere ut fra det du skal lære.

Tips til videospilleren

🖥️ Du kan bytte mellom ulike visningsmoduser ved å bruke ikonet øverst i høyre hjørne av videovinduet når to skjermer vises samtidig.
🔍 Alt innhold er søkbart: Klikk på den lille pilen nederst i videovinduet, deretter på forstørrelsesglasset, og søk etter nøkkelord!

Kjernen i regler for KI-bruk ved UiO: Validitet og læringsutbytte

Reglene er ikke der for å kontrollere deg, men for å sikre validitet – at en vurdering faktisk tester at du har lært det emnet har som mål å formidle. Altså at du har fått det læringsutbyttet som beskrives i emnebeskrivelsen. Når en vurdering gjennomføres eller kompetanse skal dokumenteres, må både du og andre være trygge på at kunnskapen faktisk er din.

Grunnleggende emner og innføringsfag er byggeklosser for videre fordypning. Hopper du over grunnarbeidet ved å la KI bli en for stor del av læringsprosessen, mangler du kanskje ferdighetene du trenger når du senere skal skrive større oppgaver, faglige rapporter eller selvstendige analyser.

Øvelse: Forsøk å finne ut hva som gjelder i et emne

Gå til emnesiden for et emne du tar eller er nysgjerrig på på uio.no (eller et fagområde du jobber innenfor) og bla ned til overskriften «Hva lærer du?»:

Står det for eksempel at du skal «kunne utforme egne forskningsspørsmål»? Da skal du ikke bruke KI på Nivå 1 (Problemstilling).
Står det at du skal «kunne gjøre selvstendige kildeanalyser»? Da skal du ikke overlate analysen til KI på Nivå 2 (Metode og analyse).
Står det at du skal «kunne oversette eller skrive grammatisk korrekt på målspråket»? Da er KI ikke tillatt på Nivå 4 (Tekstnivået).

Du vil finne ulike læringsmål for hvert enkelt emne. Begynn med å finne ut hva det enkelte emnet skal lære deg, for deretter å tilpasse KI-bruken deretter. Når en emneansvarlig eller underviser formidler at KI-bruk ikke er tillatt, er dette ofte begrunnet med å beskytte selve læringsprosessen og sikre at du faktisk utvikler de nødvendige ferdighetene.

Er du i tvil? Les alltid emnebeskrivelsen nøye og spør faglærer!