I takt med att tekniken går framåt krävs det att företag håller sig ständigt uppdaterade genom att vidareutbilda sina medarbetare. Inom företagsutbildning finns behovet av att utveckla metoderna för lärande samt att hitta sätta att utbilda personalen mer effektivt. I tidigare forskning har det framkommit att frågebaserat lärande kan effektivisera utbildningen med 50 %. Den här studien vill undersöka en ny metod som kallas rent frågebaserat lärande, utvecklat av Bälter och Glassey. Rent frågebaserat lärande innebär att lära sig endast genom att svara på frågor och av återkopplingen som följer därefter. Studien som presenteras i detta examensarbete syftar till att utvärdera och undersöka beteendet och erfarenheterna hos deltagare på en kurs som är uppbyggd med metoden rent frågebaserat lärande. Ett existerande utbildningsmaterial om Scanias ledarskapsmodell har först omvandlats med hjälp av den givna metoden och sedan har en grupp medarbetare på Scania testat och utvärderat kursen. Genom enkäter med både kvalitativa och kvantitativa frågor har totalt 27 kursdeltagares upplevelse av sitt eget lärande analyserats med hjälp av tematisk analys och kursmaterialet har utvärderats. Detta har sedan jämförts med resultatet från 15 personer som gick den ursprungliga kursen med individuellt internetbaserat lärande. Det visar sig att gruppen som deltagit i den utvecklade kursen hade mer aktivt lärande jämfört med de som deltagit i den ursprungliga kursen. Kursdeltagarnas uppfattning av hur mycket de har lärt sig skiljer sig inte åt mellan grupperna. Tiden det tog att slutföra kursen har analyserats och av detta framkommer att kursen som är utvecklad med rent frågebaserat lärande kortar ner inlärningstiden med ca 33 %. / As technology advances, companies need to stay updated by continuously training their employees. Therefore, there is a need to make the learning material more efficient and in previous research, question-based learning has been shown to do just that by up to 50%. This study seeks to investigate a new method called pure question-based learning, developed by Bälter and Glassey. Pure question-based learning means learning only by answering questions and the feedback that follows. The study that is presented in this thesis aims to evaluate and investigate the behavior and experience of participants in a course that is structured with the method pure question-based learning. An existing training material on Scania's leadership model has first been transformed using the given method and then a group of employees at Scania has tested and evaluated the course. Through surveys with both qualitative and quantitative questions, 27 course participants' experience of their own learning has been analyzed with the help of thematic analysis and the course material has been evaluated. The result has since then been compared to the results of 15 participants in the original course with individual internet-based learning. It turns out that the group that participated in the developed course had more active learning compared to the group that participated in the original course. The course participants' perception of how much they learned does not differ between the groups. The time it took to complete the course has been analyzed and from this it appears that the course that is developed with pure question-based learning shortens the learning time by approximately 33 %.

Artificial Intelligence (AI) is a useful tool in education, with the potential to enhance teaching through the use of digital learning environments (DLEs) such as intelligent tutoring systems (ITSs). This thesis investigates the development and evaluation of an AI-assisted web-based platform for pure question-based learning (pQBL) in upper secondary school mathematics. The study aims to assess the prototype's effects compared to traditional classroom instruction and the quality of AI-generated multiple-choice questions (MCQs) using OpenAI’s GPT-4. To do this, the following research questions were formulated: (1) How can an AI-assisted platform for pQBL be designed and implemented? (2) To what extent do GPT-4 generated MCQs meet quality criteria? (3) How do learning outcomes compare between students using AI-assisted pQBL materials and those receiving traditional instruction? The study utilized principles of Question Construction and Prompt Engineering, ensuring AI-generated MCQs adhered to predefined quality standards. Human evaluation by a Teacher Quality Control panel refined and validated the generated MCQs. The effectiveness of the developed prototype was tested using a pretest/posttest design where score changes were analyzed using paired-samples t-tests. The findings indicate that generating high-quality MCQs remains a challenge. Human evaluation is essential to ensure educational efficacy, as only a fraction of the AI-generated MCQs met quality standards. User testing revealed comparable learning outcomes between the pQBL and control groups, with statistically significant results, though limitations in the pretest/posttest design may have influenced these findings. This research highlights the potential and limitations of AI in education, suggesting the need for further studies on AI-assisted tools, including exploring other language models and conducting longitudinal assessments to optimize learning outcomes. / AI utgör en viktig resurs inom utbildning och har potential att förbättra undervisningen genom digitala lärmiljöer (DLE), såsom intelligenta handledningssystem (ITS). Detta examensarbete undersöker utvecklingen och utvärderingen av en AI-stödd webbaserad plattform för rent frågebaserat lärande (pQBL) i matematik på gymnasiet. Studien syftar till att bedöma plattformens effektivitet jämfört med traditionell klassrumsundervisning och att utvärdera kvaliteten på flervalsfrågor som genereras av OpenAI:s GPT-4. För att uppnå detta formulerades följande forskningsfrågor: (1) Hur kan en AI-stödd plattform för pQBL designas och implementeras? (2) I vilken utsträckning uppfyller GPT-4- genererade flervalsfrågor fördefinierade kvalitetskriterier? (3) Hur skiljer sig inlärningsresultaten mellan elever som använder AI-stött pQBL-material och de som får traditionell klassrumsundervisning? Studien tillämpade principer för fråge- och promptkonstruktion för att säkerställa att de AI-genererade flervalsfrågorna följde fördefinierade kvalitetsstandarder. En panel av lärare genomförde mänsklig utvärdering för att förbättra och validera de genererade flervalsfrågorna. Effekten av den utvecklade prototypen testades genom en förtest/eftertest-design där poängförändringen analyserades genom parvisa t-tester. Resultaten indikerar att det finns utmaningar i att generera högkvalitativa flervalsfrågor. Mänsklig utvärdering är nödvändig för att säkerställa kvaliteten hos de AI-genererade flervalsfrågornas eftersom endast en mindre del av dem uppfyllde kvalitetskraven. Användartester visade jämförbara inlärningsresultat mellan pQBL-gruppen och kontrollgruppen med statistiskt signifikanta resultat även om begränsningar i förtest/eftertest-designen kan ha påverkat dessa resultat. Denna forskning belyser AI:s potential och begränsningar inom utbildning och föreslår behovet av ytterligare studier kring AI-drivna verktyg, inklusive undersökning av andra språkmodeller och genomförande av longitudinella studier för att optimera inlärningsresultaten.