Bruk av KI i høyere utdanning

Ved UiT Norges arktiske universitet har KI-teamet fokus på utvikling av KI-kompetanse hos ansatte og studenter

KI-potensialet

KI-teamet på UiT Norges arktiske universitet (UiT) spiller en sentral rolle i å tilby opplæring for både lærere og studenter, slik at de kan forstå og utnytte KI-teknologier på en god og forsvarlig måte. Teamet har også ansvaret for å utvikle retningslinjer for hvordan KI kan brukes i undervisning og vurdering, noe som er avgjørende for å sikre etisk bruk av teknologien.

Retningslinjer for bruk av KI på UiT er under utvikling. Dette er en del av en større strategi for å sikre at AI integreres på en måte som er i tråd med universitetets verdier og mål. Hovedbekymringen over lengre tid har vært å finne gode løsninger for eksaminering, der både skoleeksamener og hjemmeeksamener diskuteres. KI kan potensielt revolusjonere hvordan eksamener utformes og gjennomføres, ved å tilby mer individtilpassede vurderingsformer.

KI kan også brukes til formativ vurdering, eller til å designe eksamener og kurs. Dette gir lærere muligheten til å skape mer dynamiske og engasjerende læringsopplevelser. Studenter bruker KI i gruppearbeid, noe som gir dem verdifulle ferdigheter i samarbeid og problemløsning ved hjelp av teknologi.

Behov for kartlegging av kompetanse

Universitetet jobber med å kartlegge KI-kompetansen blant sine ansatte. Teamet jobber med å utvikle en ressurs i nanolæring for ansatte om hvordan man bruker generativ KI.

KI-teamet mener at kunstig intelligens har et potensial til å redusere arbeidsbyrden for lærere, spesielt de som underviser svært store kurs. Ved å automatisere rutineoppgaver kan lærere fokusere mer på pedagogisk utvikling og individuell studentstøtte. Mange lærere finner i dag egne løsninger for å integrere KI i undervisningen, men det er et klart behov for mer systematisk integrering av KI i utdanningen.

Egenutviklede verktøy og støtte

UiT følger Russell Group principles on the use of generative AI tools in education, som anerkjenner de mulighetene som språkmodeller slik som ChatGPT kan tilby for undervisning og læring, og oppfordrer til styrket KI-kompetanse for studenter og ansatte. ChatUiT ble lansert i oktober 2023, og per nå har universitetet til sammen fire godkjente KI-verktøy:

• ChatUiT
• Klartekst (transkriberingstjeneste)
• Keenious (forskningsartikler)
• Bing Copilot

I tillegg har UiT opprettet en tjenestelinje for KI. Mens KI-teamet ikke har en teknisk rolle, er tjenestelinjen utviklet for å ha en mer teknisk støttefunksjon. Tjenestelinjen har ansvar for å utvikle og vedlikeholde KI-tjenester ved UiT og for å sikre at KI-verktøyene er i samsvar med datasikkerhetsreguleringer.

Veiledning om bruk av KI på eksamen

For å fremme konsistent og etisk bruk av KI på eksamen har UiT valgt 5 nivåer for KI-bruk:

1. Ingen KI-bruk: Eksamensoppgaven må fullføres uten hjelp av KI-verktøy. Du må opplyse om at KI-verktøy ikke har vært benyttet i eksamensarbeidet.
2. KI-støttet idemyldring og strukturering: KI kan brukes for idemyldring, skape struktur og gi forslag til forbedringer i eksamensarbeidet. Den endelige innleveringen skal være i egne ord. Til oppgaven skal du beskrive hvordan KI er benyttet og legge ved chathistorikk (export data).
3. KI-støttet redigering: KI kan brukes til å klargjøre og forbedre studentskapt arbeid (for eksempel forbedret språk), men ikke til å opprette nytt innhold. KI kan brukes, men studentens originale arbeid uten KI-innhold må leveres i et vedlegg. Følgende skal vedlegges oppgaven:a) En beskrivelse av hvordan KI er brukt og b) chathistorikk (export data) og c) originalt arbeid uten KI-innhold.
4. KI-støttet fullføring av utvalgte oppgaver: KI brukes til å fullføre utvalgte elementer i besvarelsen og studenten drøfter eller kommenterer det KI-genererte innholdet. Dette nivået krever en kritisk tilnærming til KI-generert innhold og vurdering av utdataene. Kandidaten må:a) legge ved en beskrivelse av hvordan KI er brukt, b) chathistorikk må sendes inn sammen med besvarelsen og c) alt KI-opprettet innhold må refereres til, eventuelt siteres om det er klipt og limt uten endringer etterpå.
5. Full KI: Studentene kan bruke KI gjennomgående som støtte til eksamensarbeidet på den måten de anser som nødvendig eller hensiktsmessig. KI kan brukes som en "co-pilot" for å svare på eksamensoppgaven. Studenten er ansvarlig for et menneskelig overblikk og å nøye evaluere alt KI-generert innhold. Kandidaten må: a) beskrive hvordan KI er brukt, b) chathistorikk må sendes inn sammen med besvarelsen og c) all KI-opprettet innhold må siteres.

KI-teamet har følgende formål:

• Koordinere KI-initiativer: KI-teams primære formål ville være å koordinere alle KI-relaterte aktiviteter og initiativer innen universitetet, og sikre at de er i tråd med institusjonens mål og objektiver.
• Utvikle og implementere retningslinjer: Det er avgjørende å etablere klare og omfattende retningslinjer for bruk og utvikling av KI. Teamet vil formulere politikker som fremmer etisk og ansvarlig bruk av KI innen det akademiske samfunnet.
• Fremme KI-aktiviteter: KI-teamet vil aktivt fremme KI-relaterte aktiviteter og oppmuntre til deltakelse fra studenter, fakultet, og ansatte. Dette inkluderer å organisere workshops, seminarer, og diskusjoner for å fremme en dypere forståelse av KI.
• Fremme nasjonalt samarbeid: Det er essensielt å styrke bånd med andre universiteter og forskningsinstitusjoner på nasjonalt nivå. KI-teamet vil samarbeide med eksterne enheter for å dele kunnskap, ressurser, og ekspertise innen KI, og forbedre det generelle akademiske og forskningsmiljøet.

På Universitetet i Bergen har UiB AI ansvar for å koordinere og synliggjøre KI-initiativer på tvers av universitetet

En overordnet struktur for mer synlighet og tverrfaglighet

UiB AI ble opprettet for å koordinere og synliggjøre all forsknings-, utdannings- og innovasjonsaktivitet innenfor kunstig intelligens ved Universitetet i Bergen, og legge til rette for samarbeid og kontakt mellom fakultetene og med partnere utenfor UiB. Initiativet ledes av en tverrfaglig styringsgruppe med representanter fra alle de syv fakultetene ved UiB.

UiB AI har som mål å øke kompetansen, forbedre forståelsen og utvikle KI som er både pålitelig og rettferdig. For å oppnå dette, er det viktig å samle ekspertise fra ulike fagområder og sektorer. Derfor er det behov for en enhet som har et overordnet ansvar for å oppfordre til tverrfaglig samarbeid og synlighet for hele universitetet.

UiB har sterke, internasjonalt anerkjente forskningsgrupper innen KI, og ingen andre universiteter i Norge kan matche deres tverrfaglige kompetanse på dette området. Anvendt KI-forskning foregår på alle fakulteter, og UiBs styrke vises i antallet forskningssentre (SFF, SFI og FKB) der universitetet er vert eller deltager. Samarbeid med næringslivet skjer gjennom ulike teknologi- og kunnskapsklynger som involverer KI.

Bruk av KI i utdanningen

UiB er opptatt av kombinasjonen av både spesialisert fagkunnskap og generell digital forståelse for fremtidens arbeids- og samfunnsliv. UiB var derfor først ute i Norge, og er unik i europeisk sammenheng, med emnepakken DIGI (Digital forståelse, kunnskap og kompetanse). Dette omfatter mikroemner i kunstig intelligens og digitale ferdigheter. Mikroemnene er tilgjengelige for alle studenter og ansatte, og kan tas i kombinasjon med de fleste studieprogram ved UiB.

Gjennom UiB AI arrangeres også to seminarer hvert semester for å skape en møteplass for ansatte, studenter og samarbeidspartnere på tvers av fagområder. Disse seminarene fokuserer på ulike temaer relatert til KI og er åpne for alle interesserte.

DIGUiB emnepakke (mikroemner):

• DIGI110 Fantastiske daga
• DIGI111 Algoritmer og programmering
• DIGI112 IKT-sikkerhet
• DIGI113 GDPR og personvern
• DIGI114 Kunstig intelligens
• DIGI115 Data og demokrati
• DIGI116 Medical Data Science
• DIGI117 Språkteknologi
• DIGI100 Digital student - Nettkurs i digitale verktøy, metoder og teknologi for å forbedre læring (innføringsemne)
• DIGI101 Digital kildekritikk (innføringsemne)

Handelshøyskolen BI har satt ned en AI ekspertgruppe som koordinerer, påvirker og fremmer KI-initiativ

BI – AI Expert Group

Ekspertgruppen for KI koordinerer og driver sentrale initiativer innen læring, undervisning og forskning. Gruppen består av faglige medlemmer fra ulike institutter med solid KI-kompetanse og forskningserfaring, samt administrative medlemmer som bidrar til operativ gjennomføring og spredning av innovasjon på tvers av BI.

Sentrale initiativer fra ekspertgruppen

Høst 2023: KI-undersøkelse blant studenter, faglige og alumni for å kartlegge bruk, behov og relevans
Høst 2023: Publisering av interne ressurser for læring og forskning
Høst 2023: Rapport med strategiske anbefalinger
Høst 2023: Anskaffe GPT-UiO

Vår 2024: Retningslinjer for KI-bruk for studenter og KI-deklarasjon for hjemmeeksamen
Høst 2024: Implementering av retningslinjer
Høst 2024: Seminarrekke om KI, eksamen og læring med BI use-cases

Vår 2025: Anbefalinger om eksamensformater og tiltak mot KI-relatert juks
Vår 2025: Kort kurs for alle ansatte på BI
Vår 2025: 20-timers kurs om KI i høyere utdanning, integrert i BI sitt pedagogiske kompetanseprogram

Noen høydepunkter fra BI

Økt KI-kompetanse

To undersøkelser av studentenes KI-bruk med ett års mellomrom viser økt modenhet. Sammenlignet med høsten 2023, ser vi at flere nå forstår hvordan KI og LLM kan forbedre oppgaver, men at dette krever faglig innsikt og iterativ justering av output.

Utvikling av KI-assistenter

Flere faglige på BI har utviklet KI-assistenter som studentene kan bruke til faglig sparring. Se for eksempel Bjarte Askelands løsning! I enkelte kurs får studentene også utvikle og tilpasse egne KI-applikasjoner for å løse faglige caseoppgaver – en verdifull erfaring for arbeidslivet.

Læring i skjæringspunktet mellom fag og KI-kompetanse

En effektiv øvelse er å la studentene lese og oppsummere en forskningsartikkel, deretter be KI gjøre det samme og sammenligne resultatene. Dette gir et godt utgangspunkt for diskusjon om både fallgruver og muligheter ved bruk av KI i akademisk lesing og skriving – et område stadig flere studenter utforsker.

Hvorfor må vi forholde oss til KI-kompetanse?

• Studenter bruker KI i læring, skriving og lesing.
• Forskning viser at intuitiv KI-bruk avlaster kognitive oppgaver vi tidligere måtte utføre selv. Dette kan svekke læring, kritisk tenkning og informasjonskompetanse.
• Vi må derfor lære studentene å bruke KI som et læringsverktøy – ikke en erstatning for læring.
• Dybdelæring og KI-kompetanse må utvikles sammen. Fremtidens arbeidsliv krever både evnen til å utnytte KI-verktøy og dyp faglig forståelse: 
  • KI-mestring er avgjørende i arbeidslivet studentene utdannes til
  • Faglig innsikt er nødvendig for å forstå, vurdere og iterere KI-output på en kompetent måte.

CustomGPT i jusstudie på Handelshøyskolen BI

Hva

I sitt kurs Erstatningsrett og forsikringsrett har Bjarte Askeland utviklet en egen KI-Assistent for å løse en konkret caseoppgave innen erstatningsrett (Praktikumoppgave).

Hvordan

Studentene skal først løse et case «manuelt» som et arbeidskrav. Deretter skal det samme caset løses av KI-assistenten. Vi ønsker også at studentene skal se og vurdere kjerneprompten til KI-assistenten, foreslå forbedringer og nye kunnskapskilder, og se hvorvidt tiltakene bidrar til forbedret output.

Hvorfor

At studenten først løser en oppgave manuelt og deretter med KI vil gi studenten bevissthet på flere plan med bibehold av utvikling av tradisjonell, “manuell” kompetanse:

• KI sine sterke og svake sider, kapasitet og begrensninger
• Lære å bygge KI-assistenter og kvalitetssikre KI output.
• Lære hvordan K I kan brukes heuristisk

Bruk av KI i eksamensbesvarelse på NTNU

Digital transformasjon og bærekraft i finanssektoren

Emnet Digital transformasjon og bærekraft i finanssektoren er et emne ved NTNU som er utviklet sammen med finansnæringen, med støtte fra Direktoratet for høyere utdanning og kompetanse. Emnet er delt inn i fire nettbaserte kurs, samt en hjemmeeksamen som totalt gir 7,5 stp. Hovedtematikk for emnet er digital transformasjon med kobling til bærekraft, mål om å forstå teknologiendringer, hvordan organisasjoner fungerer i endring og hvordan prosesser kan optimaliseres.

Bruk av KI på eksamen

Sommeren 2023 testet emnet bruk av språkmodeller i utarbeidelsen av eksamensbesvarelsene som en pilot. Her var ett av kravene for god besvarelse å bruke ChatGPT eller annen språkmodell som sparringspartner, og at sparringen kunne loggføres for å sikre sporbarhet.

Bruk av KI var dermed inkludert i pensum som ett av de fire kursene. Dette var basert på et finsk kurs kalt Elements of AI, med formål om å forstå ulike varianter av clusters, dype nevrale nettverk og GenKI. NTNU oversatte kurset til norske forhold, og ble holdt på NTNU Digit (Open EdEx). Dette tilrettela dokumentasjon av oppmøte for å sikre at studentene gjennomførte modulene i kurset. Krav til bruk av chatboter på eksamen var også en motivasjon i seg selv til å ta kurset.

Ettersom pilotprosjektet ble gjennomført tidlig etter at chatboter ble tatt i bruk, ble det også lagt vekt på å sikre at studentene forsto hvordan språkmodeller fungerer og innføring i prompting.

Tilretteleggelse på eksamen

Under eksamen ble det lagt ved instrukser på kilder til best practice ved bruk av chatboter, samt instrukser på hvordan gjennomføre prompting. Det ble stilt krav til at studentene skulle bruke egne refleksjoner, samt innsikt fra kurset, for å sikre at de både reflekterte selvstendig og demonstrerte forståelse av pensum. I tillegg måtte studentene dokumentere hvordan de benyttet chatboter under eksamen. Dette skulle gi sensor innsikt i studentens fremgangsmåte og tankegang gjennom prosessen.

Resultater og respons fra sensur

Sensureringen av faget ble utført av erfarne sensorer som har lang erfaring med faget og kravene. Deres subjektive inntrykk var at de beste besvarelsene ble forbedret av KI, “midt på treet”-besvarelse viste noe forbedring, mens de dårligste besvarelsene var omtrent som før. Dette understreket verdien av opplæring i generativ KI.

Veien videre

Selv om piloten kun ble gjennomført én gang sommeren 2023, er det planer om å videreføre formatet. En avtale med BI er signert, med oppstart sommeren 2025, hvor samme format med bruk av generativ KI på eksamen vil bli gjentatt. Dette gir en mulighet til å utforske hvordan generativ KI kan integreres i ulike fagdisipliner, og tilpasse eksamensformer slik at KI kan brukes som en sparringspartner. Eksempelvis kan både chatbots og prompt-instrukser byttes ut etter behov.

Hvordan kan dette videreføres til andre institusjoner?

• Utforsk hvordan generativ KI kan tas i bruk for ulike fag. Ulike fagdisipliner har ulike utfordringer. Eksempler på bruk av KI på ulike områder:
  • Implementere KI for å analysere store mengder data og trekke ut innsikter, eks. relevant i økonomi og samfunnsvitenskap.
  • Anvende KI til å simulere scenarier eller modellere komplekse systemer, eks. relevant i naturvitenskap eller miljøstudier.
  • Bruk av KI til å tilpasse læringsopplevelser basert på individuelle studenters behov og læringsstiler. Generelt relevant for læringsutbyttet på alle fagområder.
• Integrer bruk av KI i undervisning og pensum:
  • Eksempelvis tilby kurs som gir en grunnleggende forståelse av KI-teknologier og deres anvendelser, eller oppmuntre til prosjekter som kombinerer KI med andre fagområder.
• Tilpass eksamensformer slik at generativ KI kan brukes som en sparringspartner og ikke gir løsningen på oppgaven:
  • Utarbeide eksamensoppgaver som krever kritisk tenking og refleksjon, hvor KI kan brukes til å generere ideer eller forslag, men ikke direkte svar.
• Etabler krav til dokumentasjon på bruk av generativ KI for å sikre transparens og forståelse ved sensur:
  • Utvikle retningslinjer for hvordan KI-bruk skal dokumenteres, og hva som forventes av studentene i forhold til å vise hvordan KI bidro i arbeidet.
  • Krav om loggføring av integrasjonene med KI-verktøyene, inkludert spørsmål som stilles og svarene man får.

Bruk av KI-verktøy til beslutningsstøtte i vurdering av realfagsoppgaver ved USN

Testing av KI-verktøy i samarbeid med studentene

Bruk av KI for å sammenfatte og organisere informasjon og for vurdering av oppgaver er til stor hjelp i undervisningen, både for studenter og undervisere. På Universitetet i Sør-Norge (USN) har professor Jose Ferreira testet verktøyet Notebook LM sammen med sine studenter for å se på potensialet for økt læring og mer effektiv vurdering.

Bruk av KI for økt læring

KI-verktøyet er i utgangspunktet laget for å organisere informasjon. Man kan laste opp ulike filformater som pdf, video- og lydfiler og presentasjoner laget i Googles formater. Verktøyet fletter informasjonen sammen, kan lage sammendrag eller vise sammenhenger. Det kan også lage podcaster av utvalgte informasjonselementer, om man ønsker å lytte til en KI-generert diskusjon og analyse av utvalgte temaer som behandles i informasjonen som er lastet inn. KI-verktøyet bruker kildehenvisninger for å vise hvor den har hentet ulike informasjonselementer fra, noe som gjør det enklere å ettergå det resultatet som presenteres.

KI for bruk i vurdering

KI-verktøyet kan også brukes til vurdering. Når man bruker KI-assistert vurdering, vil promptet være vurderingskriteriene. Vurderingskriteriene må gi KI-verktøyet kontekst nok til å kunne vurdere det som skal vurderes. Verktøyet oppgir kildehenvisninger ved vurdering, så man enkelt kan finne ut hvor i oppgaven verktøyet har hentet informasjon som er vurdert.

Dersom man skal bruke KI-assistert vurdering, er det viktig å teste ut hvordan verktøyet best analyserer de oppgavene som blir innlevert. Dette kan variere fra fag til fag, ut ifra fagets egenart. Testing kan innebære om den skal vurdere mange ulike elementer samtidig, eller om man skal be om ulike vurderinger av ulike aspekter/ deler av en oppgave.

Når Jose Ferreira testet KI-assistert vurdering med sine studenter, vurderte han selv først alle oppgavene før verktøyet gjennomførte en vurdering.

Promptet/vurderingskriteriene var kjent for studentene på forhånd. Oppgaven som ble vurdert var delt i flere deler som ble vurdert hver for seg, før de fikk en samlet vurdering, basert på de ulike delene. Det var liten forskjell mellom resultatene professoren fikk ved sin vurdering og det KI-verktøyet presenterte.

Der det var ulike karakterer, skilte det med én karakter. Etter en uke testet han alle oppgavene en gang til, for å se om verktøyet var konsekvent i sin vurdering. De aller fleste oppgavene fikk samme vurdering, men noen få fikk en bedre eller dårligere karakter.

Ved nærmere undersøkelse, var dette oppgaver som vippet mellom to karakterer, og i den situasjonen var KI-verktøyet, i likhet med mange lærere, litt usikker på hva som var den riktigste vurderingen.

Muligheter for egenvurdering

Vurderingskriterier bør alltid være kjent for studentene. Deling av prompts for vurdering er derfor også riktig å gjøre. Dette fører til at studentene kan bruke promptet for å få vurdert sin egen oppgave mens de jobber med den. Dette vil effektivisere elevenes oppgaveskriving, fordi de vil bruke mer tid på de delene de er svakest på. Det kan også redusere tiden lærere bruker på underveisvurdering og veiledning, da studentene selv kan gjennomføre evaluering av eget arbeid.

Åpenhet og rettferdighet

For å skape tillit mellom lærere og studenter ved KI-assistert vurdering, har det vært viktig for Ferreira å være åpne med studentene om hvordan vurderingen foregår. Dette handler om hvilke prompts som brukes, men det handler også om å ha en god diskusjon på hvorfor en oppgave blir vurdert til et bestemt nivå. Spesielt nå som KI fremdeles er så nytt, er åpenhet om hvordan man bruker et KI-verktøy viktig.

KI-assistert vurdering kan også hjelpe lærere med å sikre objektivitet i vurdering.

Beskyttelse av data

KI-verktøyet bruker ikke data til trening av modellen. Dette ivaretar hensynet til personvern og informasjonssikkerhet.

Sjekkliste for bruke av KI-støtte til vurdering

• Vurder først oppgavene selv, så har du et sammenligningsgrunnlag før verktøyet vurderer oppgavene
• Test så vurdering med verktøyet, og sjekke at verktøyet vurderer det du vil at det skal vurdere
• Test gjerne med ulike prompts, for å trene på å gi instrukser
• Del vurderingen av oppgaven i flere deler, det kan gjøre verktøyet mer treffsikkert
• Gjør vurderingspromptet kjent - studentene skal uansett vite hva de skal vurderes på
• Dersom verktøyet vurderer annerledes enn du ville gjort, analyser om avviket er innenfor det “normale” for oppgaver som ligger litt mellom to karakterer
• Start gjerne med å la verktøyet hjelpe deg med å formulere gode begrunnelser for karakter