Den föreliggande studien undersöker hur svenskämneslärare beskriver sin skrivundervisning med närvaro av generativ AI samt deras uppfattningar om vilka kunskaper och förmågor som blir särskilt viktiga i relation till att skapa och bearbeta text med närvaro av generativ AI. Dessutom besvarar studien frågan om vilka uppfattningar som svenskämneslärare har om vad begreppet AI-litteracitet kan innebära. Frågorna besvaras genom analys av intervjudata framtagen genom semistrukturerade intervjuer med 13 svenskämneslärare. Resultatet visar att skrivundervisning utformas med stöd av generativ AI som idégenerator, intresseväckande inslag, som grund för utveckling av aspekter av elevernas språkliga förmåga, i syfte att föra källkritiska diskussioner, och som ett medvetandehöjande inslag. Att lära sig utveckla en grundläggande litteracitet, få kunskap om hur generativ AI kan användas, och utveckla förmågor som självreglering för att kunna använda generativ AI är kunskaper och förmågor som lärarna anser att elever behöver utveckla i skrivundervisning i relation till generativ AI. Resultatet visar avslutningsvis också i likhet med föregående beskrivning att AI-litteracitet kommer att utgöras av teknisk kompetens, grundläggande litteracitet och självreglerande förmåga. Utöver det framhävs vikten av en kritisk litteracitet som kommer att bli en avgörande förmåga för att utvecklas till en demokratisk medborgare med förutsättningar för att ge sitt bästa i ansvarig frihet.

Title: Who is that GAI?  – A qualitative study on Swedish journalists’ imaginaries of how generative artificial intelligence affects the professionalization of journalism.  The increasing discourse surrounding the role of generative artificial intelligence (GAI) in journalism has recently been widely discussed as it brings both opportunities and challenges for the journalism profession. How do technological advancements impact and challenge the journalism profession? This study aims to explore the imaginaries that Swedish reporters, AI-strategists and newsroom managers have regarding how the journalistic profession can change based on the new conditions and challenges that GAI has contributed to. Conducting a study on the subject based on a Swedish context is relevant to understanding Swedish journalists’ imaginaries of GAI and how an implementation of GAI may lead to a reconfiguration of previously given professional roles. The study answers to the following research questions:  What imaginaries do journalists in Swedish newsrooms have about generative artificial intelligence? How do the imaginaries about how generative artificial intelligence can affect the professionalization of journalism differ between reporters and managers or AI-strategists in Swedish newsrooms? Based on the interpretive nature of the research subject the study adopts a qualitative approach, hence the material was collected through eleven qualitative interviews. The empirical data was analyzed using the constant comparative method together with the study's theoretical framework consisting of sociotechnical imaginaries, professionalization and boundary work. The findings indicate that the Swedish journalists predominantly perceived GAI as a tool to enhance work efficiency, which results in the journalists being able to focus more on the creative parts of the profession. Furthermore, the journalists imagined GAI as a smart colleague to consult with, and the majority imagined that GAI primarily will function as a supplement rather than a replacement, and that GAI to some extent will reshape the profession.

The purpose of the study was to examine whether it was possible to discern any effect on the perception of the content of a copytext in terms of credibility and conviction, depending on whether the writer was ChatGPT or a human copywriter, and whether it was possible to discern any effect on the perception of the writer in terms of creativity and professionalism. To achieve the purpose of the study, the following questions were formulated: 1. How credible is an AI-generated text perceived compared to a text written by a human copywriter? 2. How convincing is an AI-generated text compared to a text written by a human copywriter? 3. How credible is ChatGPT compared to a human copywriter? 4. Is there a connection between the attitude towards AI and the perception of the content? The theoretical framework of the study consisted of theory and previous research regarding generative artificial intelligence (GAI), recommendations for writing a prompt, attitudes towards AI, the copywriting competence and recommendations for writing an effective copytext. The theoretical concepts of credibility and persuasion are two central concepts of the study that have been operationalised into competencies and recommended content as well as unique selling proposition (USP), call to action (CTA), rhetoric and storytelling. The results show that those who read the AI-generated copy text had a more positive perception of the content and the writer than those who read the human-written copy text. However, the results show that the creativity of the writer was perceived equally by both experimental groups. Overall, there were no statistically significant relationships between the perception of the content and the attitude towards AI. Based on the significance of the results and their mean values, the study's conclusions are that the text written by ChatGPT is perceived to be more credible in terms of competence and recommended content than the text written by the human copywriter and that the text written by ChatGPT is perceived to be more convincing in terms of USP, CTA, rhetoric and storytelling than the text written by the human copywriter. We can also conclude that ChatGPT is perceived to be more credible in terms of competence operationalised to professionalism, than the text written by the human copywriter, which, however, could be due to chance as the result was not statistically significant. The result of the study shows that ChatGPT threatens copywriting skills. However, it is not the AI tool itself that threaten the professional role, as it currently still requires human involvement. Instead, it is the competence in prompt engineering that threatens the profession, as this knowledge, according to the study, is crucial for achieving a credible and convincing AI-generated copytext. / Syftet med studien var att undersöka om det gick att urskilja någon effekt på upplevelsen av innehållet i en copytext i form av trovärdighet och övertygelse, beroende på om skribenten var ChatGPT eller en mänsklig copywriter, samt om det gick att urskilja någon effekt på upplevelsen av skribenten i form av kreativitet och professionalitet. För att uppnå studiens syfte formulerades följande frågeställningar: 1. Hur trovärdig upplevs en AI-genererad text jämfört med en text skriven av en mänsklig copywriter? 2. Hur övertygande upplevs en AI-genererad text jämfört med en text skriven av en mänsklig copywriter? 3. Hur trovärdig upplevs ChatGPT jämfört med en mänsklig copywriter? 4. Finns det ett samband mellan attityden till AI och upplevelsen av innehållet? Studiens teoretiska ramverk bestod av teori och tidigare forskning gällande generativ artificiell intelligens (GAI), rekommendationer för att skriva en prompt, attityder till AI, copywritingkompetensen och rekommendationer för att skriva en effektiv copytext. De teoretiska begreppen trovärdighet och övertygelse är två centrala begrepp för studien som har operationaliserats till kompetens och rekommenderat innehåll samt unique selling proposition (USP), call to action (CTA), retorik och historieberättande. Resultaten visar att de som fick läsa den AI-genererade copytexten hade en mer positiv upplevelse av innehållet och skribenten än de som fick läsa den mänskligt skrivna copytexten. Resultaten visar däremot att kreativiteten hos skribenten upplevdes lika hög av de båda experimentgrupperna. Det fanns överlag inga statistiskt signifikanta samband mellan upplevelsen av innehållet och attityden till AI. Utifrån resultatens signifikans och dess medelvärden landar studiens slutsatser i att texten skriven av ChatGPT upplevs vara mer trovärdig i form av kompetens och rekommenderat innehåll, än texten skriven av den mänskliga copywritern och att texten skriven av ChatGPT upplevs vara mer övertygande i form av USP, CTA, retorik samt historieberättande, än texten skriven av den mänskliga copywritern. Vi kan även konstatera att ChatGPT upplevs vara mer trovärdig i form av kompetens som operationaliserats till professionalitet, än texten skriven av den mänskliga copywritern, vilket däremot skulle kunna bero på slumpen då resultatet inte var statistiskt signifikant. Sammanfattningsvis kan vi utifrån studiens resultat dra slutsatsen att ChatGPT hotar copywritingkompetensen. Däremot är det inte AI-verktyget i sig som hotar yrkesrollen, då det i nuläget fortfarande kräver mänsklig involvering. Det är i stället kompetensen inom prompt engineering som hotar yrkesrollen, då denna kunskap enligt studien är avgörande för att åstadkomma en trovärdig och övertygande AI-genererad copytext.

Bakgrund      Generativ artificiell intelligens (GAI) är modeller som skapar nytt material som tidigare inte funnits. GAI kan användas för materialframställning och tidsbesparing och underlättas av kunskaper inom prompt engineering.       Syfte      Syftet med denna studie var att undersöka hur och för vilka ändamål generativ AI används inom logopedi idag samt kartlägga och inventera nuvarande användning av GAI bland verksamma logopeder. Syftet var vidare att sammanfatta de strategier som används för att underlätta användningen av GAI för logopeder. Slutligen eftersträvades att lyfta fram risker som framförts i litteratur eller kommentarer från deltagare så att de kan has i åtanke i utvecklingen framöver.       Metod      En blandad metod med enkät och intervjuer genomfördes. Enkäten distribuerades via sociala medier för att fånga upp så många logopeder som möjligt och svaren beskrevs deskriptivt. Intervjuerna spelades in, transkriberades och analyseras med kvalitativ innehållsanalys.       Resultat       De logopeder som använder GAI i sitt yrke beskriver fördelar och begränsningar med användningen. Analysen av intervjuerna resulterade i fyra teman: ”Ändamålet för användning av generativ AI inom logopedi”, ”Promptprocessen, strategier och utmaningar”, ”Utmaningar med GAI-användning inom logopedi” och ”AI:ns potential och framtid inom logopedi”.       Slutsatser       Användning av GAI har fördelar vad gäller materialframställning och tidsbesparing för logopeder. För att optimera användningen av GAI gynnas användaren av att ha kunskaper inom prompt engineering. Material som framställs med hjälp av GAI bör alltid granskas för att undvika användning av bristfälligt material. Det är alltid användaren som bär huvudansvaret.

Syftet med studien är att skapa en djupare förståelse för hur marknadsförare upplever att generativ artificiell intelligens förändrar marknadsföringsarbetet samt dess kreativa processer.  Studien antar en kvalitativ forskningsmetod. Sju stycken semistrukturerade intervjuer genomfördes och detta följdes av en tematisk analys. Den teoretiska referensramen baseras på tidigare studier. Resultatet påvisar att marknadsförare upplever att generativ AI (GAI) har en betydande påverkan på marknadsförares arbetsuppgifter och på marknadsföringsbranschen. Denna påverkan uppfattas mestadels som positiv. Trots fördelarna som GAI bringar, finns det utmaningar vid implementeringen, särskilt etiska frågor är en utmaning då det ännu inte finns tydliga riktlinjer och lagar för användandet. GAI kommer inte att ersätta marknadsförare helt, men teknologin tar över allt fler uppgifter och effektiviserar många processer, såsom skapande av innehåll, idéer, insikter samt personalisering av innehåll. Människor har en viktig roll i att ställa rätt frågor till GAI, kontrollera, redigera samt utveckla det som genereras. Det är tvetydigt huruvida GAI kan generera kreativt innehåll autonomt, då det framgår att modellerna syntetiserar sin träningsdata snarare än genererar nytt och unikt innehåll. Det är däremot tydligt att kreativitet kan ta sig uttryck på olika sätt, och att GAI effektivt kan stötta marknadsförare i att uppnå kreativa resultat. Denna stöttning kan ske på flera olika sätt.  Studien bidrar med en ökad förståelse för hur marknadsförare upplever att GAI förändrar marknadsföringsarbetet, kreativa processer och möjligheten att nå kreativa resultat. Studien bidrar utöver det med praktiska bidrag till företag. Det föreslås att forska vidare kring samma frågor i takt med att teknologin utvecklas. Vidare föreslås en studie där urvalet avgränsas mer, i syfte att skapa djupare förståelse för ett specifikt område. Utöver det föreslås en kvantitativ studie för att fånga in en mer representativ grupp och därmed kunna generalisera resultatet mer. Avslutningsvis föreslås en kvalitativ studie kring hur lagstiftning kan utformas. / The purpose of this study is to gain a deeper understanding of how marketers perceive the impact of generative artificial intelligence on marketing work and its creative processes. The study adopts a qualitative research method. Seven semi-structured interviews were conducted followed by a thematic analysis. The theoretical framework is based on previous studies. The results indicate that marketers perceive generative AI (GAI) as having a significant impact on their tasks and the marketing industry, the impact is largely perceived as positive. Although GAI offers advantages, challenges exist in its implementation, particularly regarding ethical issues, as clear guidelines and regulations are still lacking. While GAI will not completely replace marketers, it is increasingly taking over tasks and streamlining various processes, such as content creation, idea generation, insights, and content personalization. Humans play a crucial role in posing the right questions to GAI, verifying, editing, and refining the generated content. It remains ambiguous whether GAI can autonomously generate creative content, as it appears that the models synthesize training data rather than produce entirely new and unique content. Nonetheless, it is evident that creativity can manifest in diverse ways, and GAI can effectively support marketers in achieving creative outcomes in various capacities. The study contributes to an enhanced understanding of how marketers perceive that GAI changes marketing work, creative processes, and the ability to achieve creative outcomes. Additionally, the study provides practical insights and contributions for businesses. It is proposed that further research be conducted on the same questions as technology advances. Additionally, a study with a more narrowly defined sample is suggested to gain a deeper understanding of a specific area. Furthermore, a quantitative study is recommended to capture a more representative group, thereby allowing for greater generalization of the results. Finally, a qualitative study on how legislation can be formulated is proposed.

Text-to-image generation is one of the most significant technological advancements in artificial intelligence (AI) during recent years, with the software Midjourney being amongst the most popular tools for this purpose. There is however some uncertainty about how tools like Midjourney will impact and integrate with creative professions, such as graphic design. To successfully integrate graphic designers with image-generating software, it is necessary for the tools to be designed according to the needs of their design process. This study, therefore, examines the requirements graphic designers have for Midjourney to be integrated into the idea generation phase of their design process. Requirements were gathered through interviews, which were then prioritized through surveys. A comprehensive list of requirements was formulated based on these findings. An analysis of the results was also conducted to analyze the prioritization of each individual requirement. The results highlight areas of improvement in Midjourney, with a focus on control and usability. The discussion explores factors that could have influenced the validity of the results, along with a reflection on the study's implementation. Finally, the conclusion of the study outlines the key improvements needed for Midjourney according to the results and suggests directions for future research within the research area.

Deep learning methods applied to chemistry can speed the discovery of novel compounds and facilitate the design of highly complex structures that are both valid and have important societal applications. Here, we present a pioneering exploration into the use of Generative Artificial Intelligence (GenAI) to design coordination cages within the field of supramolecular chemistry. Specifically, the study leverages GraphINVENT, a graph-based deep generative model, to facilitate the automated generation of tetrahedral coordination cages. Through a combination of computational tools and cheminformatics, the research aims to extend the capabilities of GenAI, traditionally applied in simpler chemical contexts, to the complex and nuanced arena of coordination cages. The approach involves a variety of training strategies, including initial pre-training on a large dataset (GDB-13) followed by transfer learning targeted at generating specific coordination cage structures. Data augmentation techniques were also applied to enrich training but did not yield successful outcomes. Several other strategies were employed, including focusing on single metal ion structures to enhance model familiarity with Fe-based cages and extending training datasets with diverse molecular examples from the ChEMBL database. Despite these strategies, the models struggled to capture the complex interactions required for successful cage generation, indicating potential limitations with both the diversity of the training datasets and the model’s architectural capacity to handle the intricate chemistry of coordination cages. However, training on the organic ligands (linkers) yielded successful results, emphasizing the benefits of focusing on smaller building blocks. The lessons learned from this project are substantial. Firstly, the knowledge acquired about generative models and the complex world of supramolecular chemistry has provided a unique opportunity to understand the challenges and possibilities of applying GenAI to such a complicated field. The results obtained in this project have highlighted the need for further refinement of data handling and model training techniques, paving the way for more advanced applications in the future. Finally, this project has not only raised our understanding of the capabilities and limitations of GenAI in coordination cages, but also set a foundation for future research that could eventually lead to breakthroughs in designing novel cage structures. Further study could concentrate on learning from the linkers in future data-driven cage design projects. / Deep learning-metoder (djup lärande metoder) som tillämpas på kemi kan påskynda upptäckten av nya molekyler och underlätta utformningen av mycket komplexa strukturer som både är giltiga och har viktiga samhällstillämpningar. Här presenterar vi en banbrytande undersökning av användningen av generativ artificiell intelligens (GenAI) för att designa koordinationsburar inom supramolekylär kemi. Specifikt utnyttjar studien GraphINVENT, en grafbaserad djup generativ modell, för att underlätta den automatiska genereringen av tetraedriska koordinationsburar. Genom en kombination av beräkningsverktyg och kemiinformatik syftar forskningen till att utöka kapaciteten hos GenAI, som traditionellt tillämpas i enklare kemiska sammanhang, till den komplexa och nyanserade arenan för koordinationsburar. Metoden innebar inledande förträning på ett brett dataset (GDB-13) följt av transferinlärning inriktad på att generera specifika koordinationsburstrukturer. Dataförstärkningstekniker användes också för att berika träningen men gav inte några lyckade resultat. Flera strategier användes, inklusive fokusering på enstaka metalljonsystem för att förbättra modellens förtrogenhet med Fe-baserade burar och utöka träningsdataset med olika molekylära exempel från ChEMBL-databasen. Trots dessa strategier hade modellerna svårt att fånga de komplexa interaktioner som krävs för framgångsrik generering av burar, vilket indikerar potentiella begränsningar inom både mångfalden av träningsdataset och modellens arkitektoniska kapacitet att hantera den invecklade kemin i koordinationsburar. Däremot var träningen på de organiska liganderna (länkarna) framgångsrik, vilket betonar fördelarna med att fokusera på mindre byggstenar. Dock är fördelarna med detta projekt betydande. Den kunskap som förvärvats om hur generativa modeller fungerar och den komplexa världen av supramolekylär kemi har gett en unik möjlighet att förstå utmaningarna och möjligheterna med att tillämpa GenAI på ett så komplicerat område. Erfarenheterna har visat på behovet av ytterligare förfining av datahantering och modellträningstekniker, vilket banar väg för mer avancerade tillämpningar i framtiden. Det här projektet har inte bara ökat vår förståelse för GenAI:s möjligheter och begränsningar i koordinationsburar utan också lagt grunden för framtida forskning som i slutändan kan leda till banbrytande upptäckter i utformningen av nya burstrukturer. Ytterligare studier skulle kunna fokusera på att lära sig från länkarna för att hjälpa framtida datadrivna projekt för burdesign.

This thesis addresses the intersection of reception history in biblical studies, Generative Artificial Intelligence (GAI) and phenomenology. Three images, from text prompts using different English translations of Mark 1:1–8 (KJV, NRSV and NIV) have been generated by GAI. In addition to the three translations, a more encompassing body of information, based on exegetical analysis, reception history and recent scholarly literature on John the Baptist and Mark 1, was also provided. Mark 1 is analyzed using narrative criticism with special focus on John the Baptist. Current research on the historical John is discussed, alongside interpretations of John from Late Ancient Christian Sources seen from a phenomenological perspective.  Traditionally, interpreting biblical art and text has assumed an artist portraying a narrative reading using methods such as visual exegesis. With GAI, this has changed moving the artist from the canvas to the text prompt. It puts the biblical text in a direct causal connection to the created image. Previously the artist had to decide when the image was finished but with GAI the decision is about which image to keep. The purpose of the image becomes a focal point. Images created with this modern technology can be relevant in at least two regards. First, they do represent a new type of biblical art. Second, the iterative process itself is a novel approach to studying and interacting with the Bible. Challenges exists, such as a bias towards Western/American cultural, sociological, and economical values. Data scientists and mathematicians are determining the probabilistic models without problematizing the content. Ethical questions in this field need to be addressed. GAI learning from AI-produced data – instead of human data – will likely become an issue, thus reinforcing existing biases and prejudices further.