karakterer

Tester ut kunstig intelligens til begrunnelser

Universitetet i Agder tester ut å bruke kunstig intelligens når faglærere skriver begrunnelser for eksamenskarakter. Så langt er resultatene positive, mener viserektor.

Universitetet i Agder har fått lovende resultater på bruk av kunstig intelligens til å hjelpe med å skrive begrunnelser.
Publisert Sist oppdatert

FAKTA

Store språkmodeller

Store språkmodeller er basert på maskinlæring, nevrale nettverk eller statistikk, og er en teknologi som genererer svar basert på datamaterialet den har fått tilgang til. 

Når en stor språkmodell får en oppgave, typisk et spørsmål, vil den generere et svar basert på data den har sett og hva som er mest sannsynlig i en gitt kontekst. 

Eksempler på dette er ChatGPT, der en bruker stiller et spørsmål og ChatGPT ved hjelp av en stor mengde data genererer et svar. Andre slike tjenester er Google Bard, Microsoft CoPilot, og Sikt KI-chat. 

En stor språkmodell kan ikke tenke selv, og kan kun gi svar basert på dens datamateriale. Det betyr at hvis den trenes med tekst som har faktafeil, vil også svar kunne inneholde faktafeil. En stor språkmodell kan også gi feil svar uten at treningsmaterialet er feil. 

ChatGPT er et verktøy som har skapt mye debatt om fusk dersom studentene bruker tjenesten på arbeid de leverer fra seg. 

Kilde: SNL , Khrono

I høst kom endringer i universitets- og høgskoleloven som gir utdanningsinstitusjonene kortere tid til å gi begrunnelser på eksamenskarakterer. Istedenfor at man normalt skal gi respons innen to uker, man nå gi responsen innen to uker. 

Det kan skape en presset situasjon for faglærere med mye å gjøre. Universitetet i Agder (UiA) har i høst derfor testet ut om store språkmodeller kan lette arbeidsmengden. 

— UiA har hatt et pilotprosjekt hvor vi har testet ut bruk av kunstig intelligens i å utforme begrunnelser på eksamenskarakter. Vi inviterte emneansvarlige til å delta og testet ut opplegget på skoleeksamen, på ti eller elleve emner fra ulike fagområder, sier viserektor Hilde Inntjore til Khrono.

Prosjektet går ut på at universitetet forer store språkmodeller med sensorveiledning, eksamensoppgave og eksamensbesvarelse fra en student. Det gir et utkast til begrunnelse som faglærer kan jobbe videre med, før det gis til studenten.

Faglærere sparte tid

 — Det er et lite paradoks at sensorer kan bruke tekst generert av kunstig intelligens, mens det slås hardt ned på når studenter gjør det samme. Dette er en god anledning til å ta en større diskusjon om hvordan studenter kan gjøre dette i sitt arbeid, sier Magnus Moen, leder av Studentorganisasjonen i Agder, til Khrono. 

Viserektor Inntjore sier at prosjektet så langt har vært en suksess. Den kunstige intelligensen skaper et utkast til en begrunnelse som faglærer vurderer og eventuelt arbeider videre med før det sendes til studenter. 

— Resultatet er at ingen faglærere brukte mer tid på begrunnelser, noen brukte samme mengde tid og noen bruker kortere tid med hjelp av kunstig intelligens, sier Inntjore. 

Det skaper et grunnlag for at UiA vil øke skalaen på prosjektet og gjøre flere forsøk. 

— Vi ønsker å bistå faglærerne der vi kan. De gir tilbakemeldinger om at de vil bruke mer tid på kjerneaktiviteten, som å veilede studenter, utvikle undervisningsopplegg og ha prosjekter der studenter kan delta. Det er et ønske om å balansere en ganske presset arbeidshverdag, sier Inntjore. 

— Har dere konkludert med om dette skal tas i bruk?

— Nei, vi har ikke konkludert. Vi skal ha pilotprosjekt på større skala, og vil bruke den tiden det tar. Finner vi ut at dette ikke er hensiktsmessig, så har vi uansett bygget et verktøy vi får bruk for. 

Mister menneskelig perspektiv

Studentleder Moen ser både positive og negative sider med et slikt opplegg. 

— Studentparlamentet mener det har en egenverdi og gir trygghet til studentene at de vet at et menneske har vurdert oppgavene deres. Det kan man miste ved mer utstrakt bruk av kunstig intelligens.

Han påpeker at kunstig intelligens kan si noe om hva som er riktig og galt, men ikke kan gi den samme tilbakemeldingen om hvordan studenten kan jobbe videre.

— Vi tenker det menneskelige perspektivet er det aller viktigste med begrunnelsen, og det er noe studentene bryr seg om. Kunstig intelligens er ikke utviklet til et punkt at det kan overta her, så man må være påpasselig med å ikke lene seg for mye på det i begrunnelsene studentene får.

Ønsker mer dialog

Sigmund Trageton er universitetslektor ved Institutt for medie- og samfunnsfag ved Universitetet i Stavanger. Han skrev nylig et debattinnlegg om mulige fallgruver fra kunstig intelligens sitt inntog i undervisning. 

— Jeg er skeptisk til verdien av dette, både bruk av kunstig intelligens og begrunnelsessystemet i det hele tatt. Men ressursene til å lage begrunnelser må komme fra et sted. Kolleger med 150 besvarelser fra en eksamen kan få ganske mange forespørsler om begrunnelser. Det er klart at det tar jo tid fra for eksempel å forberede opplegg til neste semester, sier Trageton.

I hans egne fag, der studenter leverer inn film, ville det vært vanskelig å bruke kunstig intelligens i begrunnelsesprosesser. I tekniske fag ville det kanskje gått helt fint.

— Kunstig intelligens genererer enkle argumenter og generiske formuleringer, så du går glipp av den personlige stemmen. Samtidig kan en presset faglærer benytte seg av standardformuleringer i begrunnelsene sine. Da er kanskje ikke forskjellen mellom kunstig intelligens og gjenbruk av tilbakemelding så stor, sier Trageton. 

Satser stort

Viserektor Inntjore er ikke bekymret for å involvere kunstig intelligens i begrunnelsesprosessen. 

— Det er et hjelpemiddel for faglærere, som går gjennom alt som blir produsert av tekst. Det er viktig at sensorveiledningen er god. Jo mer presis den er, jo bedre utkast til svar gir den faglærere. Dette er heller ikke et verktøy som går direkte til studenten, sier Inntjore.

— Vi sender ikke ut generert tekst direkte til studentene uten at faglærerne har gått gjennom det. 

Alt som puttes inn i språkmodellen av eksamensoppgaver og veiledninger er kun tilgjengelig for personer som ellers ville jobbet med sensur. I tillegg lagres ikke dataene og svarene til den store språkmodellen, og språkmodellen trener ikke med dataene utenfor prosessen med begrunnelser. UiA har hatt stort fokus på personvern og GDPR.

— Er dette bra nok for studentene?

— Ja, det mener jeg. Vi sikrer at faglærere er involvert. Og det som er viktig for mange studenter er å få begrunnelsen sin raskt, sier Inntjore. 

— Vi satser stort på dette. Vi har vedtatt i styret at kunstig intelligens skal inn i alle studieprogram. Fagmiljøene jobber med å se hvordan de kan bruke kunstig intelligens hensiktsmessig og i så fall i hvilket omfang. 

UiA har for øyeblikket 14 prosjekter internt som tester ut bruk av kunstig intelligens.

Endringslogg. 19.november kl. 11:30 har det blitt lagt til en setning i faktaboks om faktafeil i store språkmodeller. 

Powered by Labrador CMS