The popularity of Large Language Models (LLMs), such as ChatGPT-4 (GPT), is increasing rapidly. Simultaneously, anxiety is contributing to the global burden of disease. To date, little research is performed on how LLMs portray anxiety. This study aimed to investigate the quality of anxiety portrayals generated by LLMs by “How well do large language models produce realistic anxiety depictions?”, using a mixed-methods approach. Realism was defined as perceived realism and alignment with scientific literature. The quantitative analysis involved 42 participants (age M = 30) randomly assigned to a questionnaire representing one of four anxiety levels. Participants rated perceived level and perceived realism of anxiety descriptions in human-written and GPT-modified texts. Results revealed: GPT-generated anxiety descriptions were perceived significantly more realistic compared to human-written texts; regardless of anxiety level; participants were less accurate in rating anxiety levels of GPTgenerated stories when the levels differed largely from that of the human-written story. The qualitative narrative analysis provided deeper insights into how realistic GPT and a GPT based on the cognitive framework of anxiety (CGPT) depicted anxiety by assessing how well depictions aligned with scientific literature. GPT and CGPT effectively included general features of anxiety in depictions. CGPT focused more on cognitive thought patterns, but neither fully depicted distinctions between different levels of anxiety. Overall, findings suggest LLMs do well in producing realistic representations of anxiety, but fail to fully depict various levels of anxiety. The study contributes to understanding potential applications of LLMs in psychological contexts, including management training, therapeutic settings, and literature. Keywords: LLM, ChatGPT, anxiety, realism, cognitive framework / Språkmodeller (LLMs) som ChatGPT-4 (GPT) blir allt mer populära. Samtidigt påverkar ångest folkhälsan. Hittills har enbart ett fåtal studier utrett hur LLMs skildrar ångest. Syftet med denna studie var att undersöka kvaliteten på ångestskildringar genererade av LLMs med en blandad metodansats genom frågan “Hur väl producerar LLMs realistiska ångestskildringar?”. Realism definierades som upplevd realism och överensstämmelse med vetenskaplig litteratur. I den kvantitativa analysen tilldelades 42 deltagare (ålder M = 30) en enkät som representerade en av fyra ångestnivåer. Deltagarna bedömde upplevd ångestnivå och upplevd realism av ångestbeskrivningar i berättelser skrivna av människor och GPTgenererade berättelser. Resultaten visade att deltagarna uppfattade GPT-genererade ångestbeskrivningar som signifikant mer realistiska, oavsett ångestnivå, men var mindre korrekta i att bedöma ångestnivå i GPT-genererade berättelser när nivån skiljde sig mycket från den människoskrivna versionen. Den kvalitativa narrativa analysen gav djupare insikter i hur realistiskt GPT och en GPT baserad på det kognitiva perspektivet av ångest (CGPT) skildrade ångest genom att jämföra skildringarna med vetenskaplig litteratur. Skildringarna av GPT och CGPT överensstämde i stort sett med litteraturen. CGPT fokuserade mer på kognitiva tankemönster, men ingen modell lyckades fullt ut skildra skillnaderna mellan olika ångestnivåer. Sammantaget tyder resultaten på att LLMs är bra på att skapa realistiska representationer av ångest, men misslyckas med att fullt ut skildra olika ångestnivåer. Studien bidrar till kunskapen om potentiella tillämpningar av LLMs i psykologiska kontexter, såsom ledarskapsutbildning, terapi och inom litteratur. Nyckelord: LLM, ChatGPT, ångest, realism, kognitiv ångest

Syftet med studien är att bidra med ökad kunskap om gymnasieelevers erfarenheter och upplevelser av den digitala teknikutvecklingen, inklusive artificiell intelligens och algoritmiska tjänster, och hur elever formerar sina tankar om vilka konsekvenser det får för samhällskunskapsundervisningen och det framtida demokratiska deltagandet. För att uppfylla syftet har semistrukturerade samtalsintervjuer använts som datainsamlingsmetod där totalt elva elever intervjuats från två olika skolor. En öppen tematisk analys applicerades på datan som resulterade i åtta olika teman. Därefter analyserades resultatet utifrån Andrew Feenbergs teoretiska referensram som består av en kritisk förståelse för hur teknologi och dess utveckling formar och påverkar samhället och hur människor interagerar med den. Eleverna kom fram till att AI kan användas för att effektivisera industrin likväl som ett verktyg i skolan för att hjälpa elever med inlärningen. Däremot har AI negativa sidor också. Rädslan att AI tar över mänskligheten växer och det skapas innehåll som är deepfake där det är svårt att avgöra vad som stämmer. Algoritmer kan också bli ett problem då det många gånger baseras på vad du tittar på och att det blir som en konfirmeringsbias. Du får bara upp ett fåtal perspektiv. Elevernamenar att människor utnyttjas av producenterna av AI och algoritmer eftersom det styr oss i en viss riktning. Eleverna kommer fram till att det måste finnas någon kontroll för att inte kränka individer och skada demokratin och ger förslag på en statlig eller överstatlig kontroll. AI har även lett till att eleverna får en försvårad skolgång med fler prov. Tilliten mellan lärare ochelever minskar. AI måste integreras mer i skolan. Därtill menar eleverna att nya kunskaper kommer bli viktiga, däribland tekniska kunskaper, källkritik, öppenhet och förmågor så som att resonera och argumentera. Eleverna har en önskan om att de ska förberedas med de nya kunskaperna för att aktivt kunna ta del av det nya samhället som komma skall. / The purpose of the study is to contribute with knowledge about high school students’ experiences of the development of digital technology, including artificial intelligence and algorithms. The study aims to explain how the development of digital technologies might change the subject social studies in school and a future democratic citizenship. Semi-structuredconversational interviews have been used as a data collection method where a total of eleven students have been interviewed from two different schools. An open thematic analysis was used which resulted in eight themes. The results were analyzed based on Andrew Feenberg’s theory, which consist of a critical understanding of how technology and its development shape and influence society and how people interact with it. The students concluded that AI can be used as a tool to help students with learning. However, students felt a rising fear that AI might wipe out humanity and the fact that it can create deepfake content which makes it difficult to determine what is true. Algorithms, like your for-u-page can lead to a narrowed perspectivewhere you do not see the bigger picture. Furthermore, the students believe that humans are exploited by the producers of AI and platforms that uses algorithms since it steers us in a certain direction. The students concluded that AI needs to be controlled, for example by the state. They think that might avoid violations and a restriction of democracy. The development of AI hasled to an increase in tests for the students. The trust between teachers and students have decreased. The students wish to talk more about AI and the effects of it. They also believe that a new set of competences will become more important, for example technical knowledge, how to deal with a big amount of information as well as abilities such as reasoning and arguing, to be able to actively take part in the new society that is yet to come.

Det är svårt att undgå de återkommande diskussionerna om artificiell intelligens (AI), specifikt generativ AI och dess allt mer utbredda användning. Utvecklingen av exempelvis chatbotar, såsom ChatGPT, markerar en övergång mot teknik som anpassar sig efter människan och inte tvärtom, vilket väckt frågor kring användarupplevelser och design. Därför ämnar den här undersökningen att skapa djupare förståelse för vad som motiverar människor att börja och fortsätta använda ChatGPT, den senaste generationen av chatbot. För att göra det används Uses and gratification theory som ramverk för undersökningen då den kan identifiera bakomliggande motivation och vilka tillfredsställelser användaren får vid användandet av ett visst medium. I motsats till tidigare forskning som huvudsakligen använt enkäter och frågeformulär, använder denna studie semistrukturerade intervjuer för att få insikt i användarnas perspektiv och upplevelser. För att sortera den empiri som samlats in gjordes ett affinitetsdiagram. Den sorterade datan har sedan analyserats genom linsen av Uses and gratification theory.  Resultatet från undersökningen visar att det finns fyra primära motivationer för att börja och fortsätta sin användning av ChatGPT: tidseffektivitet, produktivitet, nyfikenhet och tillit. Det framgår att nyfikenhet initierar användningen medan tidseffektivitet och produktivitet är de primära motivationerna till fortsatt användning. Vidare anses tillit vara den kritiska motivationen som behöver tillfredsställas för att bibehålla användares engagemang. Slutsatsen är att framtida forskning och designprocesser kan med fördel inkludera personer som idag inte använder den här typen av tjänster för att kunna identifiera fler bakomliggande orsaker till bristande tillit och motivation. Det finns även ett behov av att utöka eller ta fram nya ramverk för att undersöka och identifiera nya motivationsfaktorer och tillfredsställelser i det föränderliga landskapet av digitala tjänster. Slutligen anses det kritiskt att den fortsatta utvecklingen av ChatGPT och liknande tjänster antar en användarcentrerad approach för att säkerställa en positiv användarupplevelse. / It is difficult to avoid the recurring discussions about artificial intelligence (AI), specifically generative AI and its increasingly widespread use. The development of chatbots, such as ChatGPT, marks a transition toward technology that adapts to humans rather than the other way around, raising questions about user experiences and design. Therefore, this study aims to create a deeper understanding of what motivates people to start and continue using ChatGPT, the latest generation of chatbots. To achieve this, the Uses and Gratifications Theory is used as the framework for the study, as it can identify underlying motivations and the gratifications users derive from using a particular medium. In contrast to previous research that mainly used surveys and questionnaires, this study employs semi-structured interviews to gain insights into users' perspectives and experiences. Affinity diagrams were used to sort the collected empirical data. The sorted data has then been analyzed through the lens of the Uses and Gratifications Theory. The results of the study show that there are four primary motivations for starting and continuing the use of ChatGPT: time efficiency, productivity, curiosity, and trust. It appears that curiosity initiates usage, while time efficiency and productivity are the primary motivations for continued use. Furthermore, trust is considered the critical motivation that needs to be satisfied to maintain user engagement. The conclusion is that future research and design processes could benefit from including people who do not currently use this type of service to identify more underlying causes of lack of trust and motivation. There is also a need to expand or develop new frameworks to explore and identify new motivational factors and gratifications in the evolving landscape of digital services. Finally, it is deemed critical that the continued development of ChatGPT and similar services adopts a user-centered approach to ensure a positive user experience.

Den här studien utforskar den textmässiga likheten mellan AI-genererade texter av ChatGPT och ursprungliga akademiska texter, jämför prestandan hos AI-detekteringsverktyg och maskininlärningsklassificerare, inklusive SVM, Logistic Regression och Random Forest, vid detektering av AI-genererat innehåll, och undersöker hur användarinstruktioner påverkar textkvaliteten. En rad mätvärden som stilometri, sentiment, textlikhet, läsbarhet och relevans användes för att analysera textegenskaper. Resultaten visar att även om AI-genererade texter uppvisar textegenskaper som originaltexter i viss utsträckning, finns det tydliga skillnader. Maskinlärande klassificerare, tränade på DistilBERT-inbäddningar, uppnådde ett F1 Score på 99 % för SVM och Logistic Regression och 96 % för Random Forest, vilket överträffade prestandan för AI-detektionsverktyget, som fick mellan 64– 83 % i F1 Score. Detaljerade instruktioner till ChatGPT visade sig förbättra likheten med originaltexter och minska effektiviteten hos detektionsverktyg. Denna studie bidrar till förståelsen av AI-genererat innehåll och hjälper till att utveckla mer effektiva identifieringsmetoder. / This study explores the textual resemblance between AI-generated texts by ChatGPT and original academic texts, compares the performance of AI-detection tools and machine-learning classifiers, including SVM, Logistic Regression, and Random Forest, in detecting AI-generated content, and investigates the influence of user instructions on text quality. A range of metrics such as stylometry, sentiment, text similarity, readability, and relevance were utilized to analyze text characteristics. Findings reveal that while AI-generated texts do exhibit textual characteristics like original texts to some extent, there are clear differences. Machine-learning classifiers, trained on DistilBERT embeddings, achieved an F1 score of 99% for SVM and Logistic Regression, and 96% for Random Forest, surpassing the performance of the AI detection tool, which scored between 64-83% in F1 measure. Detailed instructions to ChatGPT were found to improve the resemblance to original texts and reduce the effectiveness of detection tools. This study contributes to the understanding of AI-generated content and aids the development of more efficient identification methods.

New technology and digital transformations create disruptions for businesses, which new artificial intelligence (AI) technology is projected to do. Knowledge management (KM) and professional service firms (PSFs) play a critical role in the innovation-driven era of the knowledge economy. Both KM and PSFs rely on learning and knowledge, which are concepts that the AI-tool ChatGPT is also closely connected to. Since ChatGPT is newly launched, it is an uninvestigated phenomena. The research purpose is therefore to explore what role ChatGPT has in knowledge-creating processes within PSFs. An inductive, qualitative study is conducted through semi-structured interviews on a case study. Through thematic analysis weidentify who, how, when, and why ChatGPT is used in regards to knowledge-creating processes. The study concludes that ChatGPT is used by knowledge workers and primarily those who rely less on tacit knowledge. ChatGPT’s design results in it mainly being used for knowledge-creating processes involving explicit knowledge, and when such knowledge can be verified. Its main benefits are time efficiency and relevance. / Ny teknik och digitala transformationer gör att företag står inför förändring, vilket även ny artificiell intelligens (AI) förväntas orsaka. Knowledge management (KM) och professionella tjänsteföretag spelar en avgörande roll i den innovationsdrivna eran av kunskapsekonomin. Både KM och professionella tjänsteföretag förlitar sig på lärande och kunskap, vilket även AI-verktyget ChatGPT gör. Eftersom ChatGPT är nylanserat är det ett oundersökt fenomen. Forskningssyftet är således att utforska vilken roll ChatGPT har i kunskapsskapande processer inom professionella tjänsteföretag. En induktiv, kvalitativ studie genomförs genom semistrukturerade intervjuer på en fallstudie. Genom tematisk analys identifieras vem som använder ChatGPT, likaså hur, när och varför verktyget används i kunskapsskapande processer. Studien kommer fram till att ChatGPT används av kunskapsarbetare, främst de som förlitar sig mindre på tyst kunskap. ChatGPTs design resulterar i att den primärt används förkunskapsskapande processer som involverar explicit kunskap, samt när sådan kunskap kan verifieras. Dess främsta fördelar är tidseffektivitet och relevans.

Quality education is one of the United Nations Sustainable Development Goals. In pursuit of reaching this goal there are multiple available techniques today, where one of them is Artificial Intelligence, AI. How it can be used is not established but a potential area of use is explored in this thesis. It is investigated whether an AI, today available to the public, can be used to generate feedback for human produced multiple choice questions. It also reflects on to what extent the feedback produced is sufficient to be helpful to a student when learning. This area of study is of great importance due to feedback being a great contributor to learners' understanding. However, feedback needs to be available when a learner needs it, and it has to be specific for the learner. This is a big challenge and hard to achieve since feedback is hard to produce, and it is therefore of great importance to find a viable option. Multiple questions with feedback were provided and were sent into an AI with three different prompts, to produce new improved feedback. Ratings of the questions were also provided. The generated feedback was evaluated in two ways, it was rated according to criterias for good feedback and a survey was sent out. The survey gave outside opinions on what prompts were preferred and why. The results showed that feedback can be produced with the different prompts and that it was better and often preferred over the feedback created by humans. The feedback produced was mostly correct, but not always, making the AI not always trustworthy. The results also showed that the feedback produced was mostly considered sufficient. This shows that AI can be used to enhance learning. / Att kunna erbjuda utbildning av god kvalitet är ett av Förenta Nationernas Globala mål mot en hållbar framtid. I strävan för att uppnå detta mål har vi idag tillgång till flera nya tekniker, där en av de nyaste är artificiell intelligens, AI. Hur vi kan använda oss av AI för att uppnå målet är ännu inte fastställt, men ett alternativt användningsområde undersöks i detta arbete. Det kommer undersökas om en AI, som är tillgänglig för allmänheten idag, kan användas för att generera återkoppling till flervalsfrågor som är producerade av en människa. Arbetet reflekterar också över till vilken grad som den producerade återkopplingen är tillräckligt bra för att vara till hjälp vid en students inlärningsprocess. Det är av yttersta vikt att detta område fortsätter undersökas, då återkoppling är en bidragande faktor för studenters förståelse. Återkoppling måste finnas tillgängligt när studenterna behöver det. Detta är en utmaning eftersom bra återkoppling är svårt att producera, och det är därför av stor vikt att hitta ett hållbar alternativ. Flervalsfrågor med återkoppling tillhandahölls och skickades in till en AI med tre olika frågeformuleringar, med avsikt att producera ny förbättrad återkoppling. Värderingar av frågorna var också tillhandahållna. Den genererade återkopplingen utvärderades på två sätt, utefter kriterier för en bra återkoppling och med ett formulär. Formuläret gav utomstående åsikter om vilka återkopplingar som föredrogs och varför. Detta för att undersöka vilken inverkan frågeformuleringen hade på den genererade återkopplingen. Resultatet visade att återkoppling kan produceras med de olika frågeformuleringen och att återkopplingen var bättre och oftast föredragen framför återkopplingen skapad av människor. Återkopplingen var till mestadels korrekt, men inte alltid, vilket medför att AI:ns resultat inte alltid kan anses vara helt trovärdig. Resultatet visade också att den producerade återkopplingen vad tillräckligt bra för att kunna vara till hjälp för de svarande. En slutsats som kan dras är därför att AI kan användas för att förbättra inlärningen, även om det ännu finns förbättringspunkter.

Användning av AI har ökat i skolans värld, och med ökningen av användandet följer viss osäkerhet och kritik kring ämnet. En del av problematiken ligger i korrektheten och pålitligheten hos AI:n, medan annan problematik ligger i hur tillgången till AI ser ut mellan olika skolor, då detta kan skapa orättvisor. Ytterligare en aspekt där problematik kan uppstå är kring elevers integritet och säkerhet.  För att belysa ämnet AI i skolor har denna studie genomförts i syfte att identifiera och beskriva de för- och nackdelar som AI användningen kan ha på skolväsendet utifrån ett gymnasienivå perspektiv. Samt besvara frågan om användningen av ChatGPT kan vara ett stöd eller ett hinder för undervisningen, utifrån gymnasielärares perspektiv. Datainsamling har skett genom teoretisk litteraturstudie samt semistrukturerade intervjuer av fem gymnasielärare. Analysmetoden som har använts är en tematisk innehållsanalys.    Resultatet av insamlat material klargör för- och nackdelar gällande användandet av AI på gymnasiet. Några av fördelarna som synliggjordes var att AI skapar möjligheten till individanpassad utbildning, kan komplettera befintligt studiematerial och ge en sammanfattande beskrivning av utvalt material. Några av nackdelarna som uppmärksammades var att materialet som genereras av ChatGPT eller andra AI-verktyg saknar ansvarig utgivare och kan skapa möjligheten för eleverna att fuska.   Studiens slutsatser är att ChatGPT är ett bra utbildningsstöd om verktyget används på ett etiskt sätt. Skolverket med andra akademiska intuitioner måste ta fram riktlinjer och policyer som både elever och lärare kan ta del av och följa. Slutligen bör utbildning erbjudas till såväl lärare som elever på hur ChatGPT kan användas som ett studiestöd i stället för ett hinder.

Det problem som denna studie fokuserar på är den påverkan Open AI:s nya version av chattboten ChatGPT har på högskoleutbildningen. ChatGPT har fått en enorm spridning bland inte minst universitets- och högskolestudenter och snabbt skapat osäkerhet bland landets utbildningsanordnare. Samtidigt som verktyget ökar möjligheter för inlärning och motivation i studielivet, bidrar det till att minska tröskeln för fusk och plagiarism. Detta ställer krav på lärare att för att ta tillvara möjligheter och minimera risker se över sina undervisnings- och examinationsmetoder. Frågeställningen som valts är: “Hur påverkar ChatGPT den svenska universitets- och högskoleutbildningen sett från lärares perspektiv?”. Metoderna som tillämpades är kvalitativ strategi i form av fenomenologi, som till sin natur är djup och detaljerad. Semistrukturerade intervjuer genomfördes med videokonferensteknik och analyserades med hjälp av en tematisk analys. En utforskande urvalsstrategi användes där åtta kursansvariga högskolelärare från sju svenska lärosäten valdes ut slumpmässigt. Resultatet visar att samtliga lärare tycker sig se samt förutspå en påverkan på universitets-och högskoleutbildningen orsakad av ChatGPT. Synen på hur ChatGPT:s påverkan ser ut samt hur möjligheter tas tillvara och hur risker minimeras varierar väldigt mycket. Lärarna uttrycker oroskänslor kopplade till bristande information kring ämnet och önskar tydligare vägledning från skolledningen. Slutsatsen är att ChatGPT:s existens redan har och kommer att påverka den svenska universitets- och högskoleutbildningen på flera vis. Studien visar att det behövs åtgärder på institutionerna för att vidareutbilda lärarna, implementera ChatGPT i undervisningen, lära studenterna använda ChatGPT på rätt sätt samt ändra examinationsrutiner för att förhindra fusk. Möjligheter som användandet av ChatGPT kommer leda till är ökad jämlikhet, effektivare drift samt kvalitetshöjningar av utbildningar. Riskerna består av att studenternas kritiska tänkande och problemlösningsförmåga kan minska och att bekvämligheten med ChatGPT riskerar att göra studenterna lata samt att fusket kan öka. Lärarnas och skolledningarnas kompetens och förmåga att anpassa sin undervisning kommer att avgöra om generativ AI som ChatGPT kommer att höja eller sänka kvaliteten i högre utbildning. / The problem this study focuses on is the impact Open AI's new version of the chatbot ChatGPT has on higher education. ChatGPT has gained enormous popularity among not least university and college students and quickly created uncertainty among the country's education providers. While the tool increases opportunities for learning and motivation in student life, it helps to reduce the threshold for cheating and plagiarism. This places demands on teachers to review their teaching and examination methods in order to take advantage of opportunities and minimize risks. The chosen question is “How does ChatGPT affect Swedish university and college education from a teacher's perspective?. The methods applied are qualitative strategy in the form of phenomenology, which by its nature is deep and detailed. Semi-structured interviews were conducted using video conferencing technology and analyzed using a thematic analysis. An exploratory selection strategy was used, where eight course-responsible college teachers from seven Swedish universities were randomly selected. The result shows that all teachers think they see and predict an impact on university and college education caused by ChatGPT. The view of how ChatGPT's impact looks like and how opportunities are taken advantage of and how risks are minimized vary greatly. The teachers express concerns linked to a lack of information about the subject and wish for clearer guidance from the school management. The conclusion is that ChatGPT's existence has already and will affect Swedish university and college education in several ways. The study shows that measures are needed at the institutions to further train the teachers, implement ChatGPT in teaching, teach students to use ChatGPT correctly and change examination routines to prevent cheating. Possibilities that the use of ChatGPT will lead to are increased equality, more efficient operation and quality increases in education. The risks are that students' critical thinking and problem-solving skills may decrease and that the convenience of ChatGPT risks making students lazy and that cheating may increase. The competence and ability of teachers and school leaders to adapt their teaching will determine whether generative AI such as ChatGPT will raise or lower quality in higher education.

Problemlösning är en viktig aspekt i många yrken. Inklusive fabriksmiljöer, där problem kan leda till minskad produktion eller till och med produktionsstopp. Denna studie fokuserar på en specifik domän: en massafabrik i samarbete med SCA Massa. Syftet med studien är att undersöka potentialen av ett frågebesvarande system för att förbättra arbetarnas förmåga att lösa problem genom att förse dem med möjliga lösningar baserat på en naturlig beskrivning av problemet. Detta uppnås genom att ge arbetarna ett naturligt språk gränssnitt till en stor mängd domänspecifika dokument. Mer specifikt så fungerar systemet genom att utöka ChatGPT med domänspecifika dokument som kontext för en fråga. De relevanta dokumenten hittas med hjälp av en retriever, som använder vektorrepresentationer för varje dokument och jämför sedan dokumentens vektorer med frågans vektor. Resultaten visar att system har genererat rätt svar 92% av tiden, felaktigt svar 5% av tiden och inget svar ges 3% av tiden. Slutsatsen av denna studie är att det implementerade frågebesvarande systemet är lovande, speciellt när det används av en expert eller skicklig arbetare som är mindre benägen att vilseledas av felaktiga svar. Dock, på grund av studiens begränsade omfattning så krävs ytterligare studier för att avgöra om systemet är redo att distribueras i verkliga miljöer. / Problem solving is a key aspect in many professions. Including a factory setting, where problems can cause the production to slow down or even halt completely. The specific domain for this project is a pulp factory setting in collaboration with SCA Pulp. This study explores the potential of a question-answering system to enhance workers ability to solve a problem by providing possible solutions from a natural language description of the problem. This is accomplished by giving workers a natural language interface to a large corpus of domain-specific documents. More specifically the system works by augmenting ChatGPT with domain specific documents as context for a question. The relevant documents are found using a retriever, which uses vector representations for each document, and then compares the documents vectors with the question vector. The result shows that the system has generated a correct answer 92% of the time, an incorrect answer 5% of the time and no answer was given 3% of the time. Conclusions drawn from this study is that the implemented question-answering system is promising, especially when used by an expert or skilled worker who is less likely to be misled by the incorrect answers. However, due to the study’s small scale further study is required to conclude that this system is ready to be deployed in real-world scenarios.

In this study we explore the possibility of using ChatGPT, to summarise large contents of educational content and put it in a template that later can be used for dialogue purposes and will explore the challenges and solutions that occur during the implementation. Today there is a problem for users to create wellmade prompts for learning scenarios that fulfill all the requirements set by the user. This problem is significant as it addresses the challenges of information overload and how generating prompts for dialogue purposes can be trivialized for users. We solved this problem by doing an implementation for the company Fictive Reality in their application, conducting research, and performing tests. The implementation was made with the help of OpenAI’s application programming interface, ChatGPT-4 which is a model that is popular due to its wide range of domain knowledge, and we connected it to a web page where users could upload text or audio files. The method to find a suitable prompt to summarise text was primarily through experimentation supported by previous research. We used automatic metrics for evaluation like ROUGE, BERTScore, and ChatGPT(Self-Evaluation), we also had users give feedback on the implementation and quality of the result. This study shows that ChatGPT effectively summarizes extensive educational content and transforms it into dialogue templates for ChatGPT to use. The research demonstrates streamlined and improved prompt creation, addressing the challenges of information overload. The efficiency and quality were either equal to or surpassed user-generated prompts while preserving almost relevant information, and reduced the time-consumption of this task by a substantial margin. The biggest struggle we had was getting ChatGPT to grasp our instructions. However, with research and with an iterative approach the process became much smoother. ChatGPT exhibits robust potential for enhancing educational prompt generation. Future work could be dedicated to improving the prompt further, by making it more flexible. / I denna studie utforskar vi möjligheten att använda ChatGPT för att sammanfatta stora mängder utbildningsinnehåll och placera det i en mall som senare kan användas för dialogändamål. Vi kommer att undersöka de utmaningar och lösningar som uppstår under implementeringen. Idag finns det ett problem för användare att skapa välgjorda uppmaningar för lärandescenarier som uppfyller alla krav som användaren ställer. Detta problem är betydande då det tar upp utmaningarna med informationsöverbelastning och hur generering av uppmaningar för dialogändamål kan förenklas för användare. Vi löste detta problem genom att göra en implementation hos Fictive Reality där vi gjorde forskning, tester och programvara. Implementeringen gjordes med hjälp av OpenAI:s applikationsprogrammeringsgränssnitt, ChatGPT-4, som är en modell som är populär på grund av dess breda kunskap inom olika områden. Vi anslöt den till en webbsida där användare kunde ladda upp text- eller ljudfiler. Metoden för att hitta en lämpliga instruktioner för att sammanfatta texter var främst genom experimentering med stöd av tidigare forskning i området. Vi använde automatiska utvärderings verktyg, såsom ROUGE, BERTScore och ChatGPT (självutvärdering). Vi hade också användare som gav feedback om implementeringen och resultatets kvalitet. Denna studie visar att ChatGPT effektivt sammanfattar omfattande utbildningsinnehåll och omvandlar det till dialogmallar redo för ett lärnings scenario med ChatGPT. Forskningen visade bra resultat vid skapandet av instruktioner, vilket tacklar utmaningarna med informationsöverbelastning. Effektiviteten och kvaliteten var antingen likvärdig eller bättre än användarskapade instruktioner samtidigt som nästan all relevant information bevarades, och tidsåtgången för denna uppgift minskades avsevärt. Den största utmaningen vi stod inför var att få ChatGPT att förstå våra instruktioner. Dock blev processen mycket smidigare med forskning och en iterativ metodik. ChatGPT visar på stark potential för att förbättra genereringen av utbildningssammanfattningar. Framtida arbete kan fokusera på att ytterligare förbättra instruktionerna genom att göra den mer flexibel.