Prompt engineering is the craft of designing prompts in order to get desired answers from language models such as ChatGPT. This thesis investigates how ChatGPT, specifically GPT-4, can be used to detect plagiarism in simple programming exercises. We used a dataset containing seven different original solutions for programming tasks. Every programming task also contained solutions that were plagiarizing the original as well as solutions that did not plagiarize the original. After testing various different prompts on a subset of the dataset, four different prompts were tested on the majority of the dataset. Three of the prompts produced unreliable results to the point that simply guessing whether or not the task solutions were plagiarized would have frequently been more accurate. The fourth prompt was more accurate although still not accurate enough for it to be recommended to use ChatGPT in order to identify plagiarism. / Promptkonstruktion (prompt engineering) är konsten att skapa instruktioner som ger bästa möjliga svar från språkmodeller (language models) såsom ChatGPT. Denna avhandling undersöker hur ChatGPT kan användas för att upptäcka plagiat i enkla programmeringsuppgifter. Vi använde ett dataset som innehåller sju olika originallösningar på enkla programmeringsuppgifter. Varje programmeringsuppgift har plagierade lösningar som löser samma uppgift och icke-plagierade lösningar som också löser samma uppgift. Efter att ha testat olika instruktioner med ChatGPT på en liten delmängd av datasetet, testades fyra olika instruktioner på majoriteten av datasetet. Tre av instruktionerna gav opålitliga resultat till den grad att det ofta skulle gett ett bättre resultat att gissa om lösningarna var plagierade eller inte. Den fjärde instruktionen gav bättre resultat, men fortfarande inte tillräckligt bra för att rekommendera att använda ChatGPT för att identifiera plagiat.

The purpose of this study was to better understand how the universities in Sweden work to prevent plagiarism, how they use plagiarism detection tools and what knowledge the students have or wish to have about plagiarism. This was studied through interviews with teachers and administration staff from one smaller university in Sweden together with a questionnaire for students attending any university in Sweden. The study shows that the information about plagiarism can be clearer from teachers according to the students, to prevent plagiarism as far as possible. It also shows that the university is already working to improve the information so that the students in a better way can understand, but it is hard to know how to give the information and what information that the students need. The examined university are using the system Urkund as a plagiarism detection tool and the study shows that teachers in general are satisfied with the system and how they use it. However, some teachers see an opportunity to use the detection tool in their teaching practises but need more knowledge of the system to do so efficiently. The students reportedly know what plagiarism means according to the study, but they do not have a deeper knowledge about it which they want from their universities, especially how the school is handling plagiarism cases and how the plagiarism detection tool works. The study concludes with recommendations for the universities to improve their work against plagiarism. / Syftet med denna studie var att ta reda på hur ett lärosäte i dagsläget arbetar för att motverka plagiat, hur man använder plagiatkontrollsystem och vad studenterna har för kunskap eller vilken information de känner att de saknar gällande plagiering. Detta undersöktes genom att intervjua lärare och förvaltningsanställda på en mindre högskola i Sverige och även genom en enkätundersökning som gick ut till studenter vid högre utbildning i hela Sverige. Studien visade att många studenter upplever att informationen från lärare och lärosätet kan bli tydligare för att i största möjliga mån undvika plagieringsfall. Den visar på att lärosätet redan jobbar för att förbättra informationen för studenterna men att det är svårt att veta vad som fungerar optimalt. Studien visar också på hur systemet Urkund används och i vilken grad. De allra flesta lärarna tycker att det är ett bra och användbartsystem och det känner sig bekväma med användandet, många kan också se en möjlighet till att använda systemet på ett mer pedagogiskt vis men behöver mer kunskap i hur det skulle kunna fungera. Studenterna anser sig veta vad plagiat innebär men en stor del tycker sig sakna mer djupgående information från sitt lärosäte för att få en bättre förståelse i främst förfarande vid upptäckt av plagiat och hur plagiatkontrollsystem fungerar. Slutligen ges rekommendationer till lärosäten för att kunna utveckla sitt arbete med att motverka plagiering och förbättra kommunikationen mellan lärare och studenter för att minimera plagiatfall.

The diploma thesis deals with the definition and explanation of the terms primary prevention, endangered child, social exclusion and the context of social exclusion or endangerment of a child by social exclusion with primary prevention. Component part of the work is a detection tool that can help kindergarten teachers in evaluating the child and his situation, so that any problems can be detected in time. Areas that the detection tool deals with and how it has been evolved are described here. It also suggests possible procedures for solving problems based on the cooperation of the kindergarten teacher with a special pedagogue. It points out the shortcomings of the current system and suggests possible changes to the system with regard to streamlining the primary prevention of endangering children (in kindergartens). Component part of the diploma thesis is research based on qualitative and quantitative methods, especially interviews and questionnaire surveys, the aim of which was, among other things, to map the primary prevention of threats to children in kindergartens and to map compulsory preschool attendance. Primary prevention of endangering children in kindergartens is not possible, primarily for children with disabilities or at risk of social exclusion, and with regard to this issue it is...

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.

The diploma thesis deals with the possibilities of early identification of a child's endangering in kindergarten, defining and explaining the concepts of primary prevention, endangered child, social exclusion. Furthermore, the work deals with the threat to the child due to social exclusion and in the end suggests how to address this issue. The main research goal of the work is to verify the functionality of the created detection tool for kindergarten teachers. The created detection tool provides kindergarten teachers with assistance in evaluating the child and his situation so that any problems can be detected in time. Areas that the detection tool deals with and how it has been evolved are described here. It also suggests possible procedures for solving problems based on the cooperation of the kindergarten teacher with a special pedagogue. With regard to the issue of social exclusion and early identification of child threats, the diploma thesis describes examples of good practice in preventing child threats from abroad and discussions about the possibilities of their implementation in our system. The research part of the diploma thesis is based on qualitative and quantitative methods, especially interviews and questionnaire surveys, and aims to verify the functionality of the created detection...