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.

The launch of the chatbot ChatGPT in November of 2022 has sparked a fierce debate on how AI tools will affect future education. Currently, there have been multiple articles about how universities and educators do not yet have an action plan on how to respond to the consequences of the launch of the chatbot. The technology behind ChatGPT is generative AI and is anticipated to be the next big digital disruption. Generative AI and its effects on higher education is still unexplored territory. In this thesis we aim to answer the following research question: how can generative AI be managed as a digital disruption in higher education? We conducted a qualitative case study at a university in Sweden, where the participants were educators from different departments. The three main themes discussed in this thesis are: disruptive effects of generative AI; three elements of managing digital disruption; emerging challenges and opportunities. We contribute to existing research by providing a model on how the digital disruption caused by generative AI manifests in higher education and provide suggestions on how to manage it. Further, we suggest that future research add students’ perspective to the model, since this was not covered in this thesis.

This thesis investigates the applications and implications of Generative Pretrained Transformer (GPT) technology in international entrepreneurship. The research questions focus on how GPT can serve as a strategic tool, communication tool, and knowledge leverage tool, and how these applications influence decision-making, enhance performance, The findings from the analysis chapters highlights that GPT significantly contributes to strategic planning, market analysis, and operational management, thereby enhancing decision-making and performance. GPT technology, acting as a potent communication tool, nurtures more robust client relationships and eases cross-cultural interactions, courtesy of its superior language processing capabilities. The thesis discusses how these capabilities of GPT can lead to reduced miscommunications and enhanced client satisfaction. This, in turn, contributes to cost savings by retaining existing customers and attracting new ones, thereby enhancing profits. Moreover, The main theoretical implications that this  thesis has resulted in will showcase the time efficiency brought by automated, high-quality communication that reduces man-hours spent on routine interactions, freeing resources for strategic tasks for international entrepreneurship.  Furthermore, this study enriches the literature on generative AI exemplified by models like GPT in the world of international business, particularly within the context of international entrepreneurship. It offers essential insights that can guide international entrepreneurs in understanding the potential advantages of integrating GPT technology into their business operations.

Generative AI systems for image-creation have taken a giant leap technologically in the last few years, creating opportunities for users and introducing new areas of research for the scientific community. New implementations for these technologies are discovered regularly and due to the complex nature of AI, there is an ongoing discussion among researchers on whether generative AI is yet another tool, or if there is potential for the technology to be something more. The aim of this study is to explore the nuances and complexity of co-creation with generative AI, using post-human and post-anthropocentric perspectives that consider human agencies as entangled with machine agency. To understand whether human-AI co-creation is sustainable and valuable as an activity, a netnographic study was conducted to explore the different aspects of user interaction. Among the most relevant of these aspects were the system limitations, dataset limitations, prompting, user goals and user procedures. The study found that the current limitations to the generative AI systems were too significant for the systems to display a high amount of machine agency. This ultimately pointed to human-AI co-creation being non-sustainable and non-valuable as an activity, but the resultsand following discussion also suggest how we can move on overcoming these limitations. / Generativa AI-system för bildskapande har teknologiskt tagit ett stort kliv framåt de senaste åren, detta har lett till möjligheter för användare och det har introducerat nya forskningsområden för forskarvärlden. Nya tillämpningar för dessa teknologier upptäcks regelbundet. På grund av den komplexa naturen hos AI så pågår en diskussion bland forskare gällande huruvida generativ AI är ett nytt verktyg, eller om det finns potential för teknologin att vara något mer. Denna studies mål är att undersöka nyanserna och komplexiteten hos samskapande med generativ AI, genom att använda post-humanistiska och post-antropocentriska perspektiv som betraktar mänsklig ”agency” som sammanflätad med maskiners ”agency”. För att förstå huruvida människa-AI-samskapande är hållbart och värdefullt så utfördes en netnografisk undersökning för att granska de olika aspekterna med användarinteraktion. Bland de mest relevanta av dessa aspekter var systembegränsningarna, datasetsbegränsningarna, promptning, användarmål och användarprocedurer. Undersökningen visade att de nuvarande begränsningarna hos generativa AI-system är för stora för att systemen skulle kunna uppvisa en hög grad ”maskin-agens”. Detta pekade i slutändan mot att människa-AI-samskapande är ohållbart och icke värdefullt som en aktivitet. Men resultaten och den följande diskussionen antyder också hur vi kan gå vidare med att övervinna dessa begränsningar.

Artificial Intelligence (AI) possesses the potential to profoundly reshape numerous established industries, including the video games industry. This transformative potential arises from algorithms that operate not only on a technical level, but also on a creative and artistic level, particularly with the advent of generative AI. To elucidate the current role of AI within the video game industry and identify potential trajectories for development, structured interviews were conducted with programmers, AI experts, and video game professionals. Moreover, the study aimed to discern the areas in which generative AI will have the most significant impact. The primary findings indicate that AI should function as an assistant, offering suggestions rather than making decisions. Furthermore, AI facilitates increased diversity and accessibility within the industry through enhanced representation. Urgent discussions regarding the protection of artists and the ethical implications of these advancements are crucial for timely legislation development. The study also revealed that AI currently assumes a supportive role, augmenting human labor efficiency. It is employed for tasks such as balancing gameplay, matchmaking, debugging, anti-cheat mechanisms, and non-player character (NPC) dialogue. Human input remains indispensable, particularly in the creative domain and quality assurance processes. Lastly, the report underscores the opportunities and challenges presented by these technical advancements and proposes potential solutions. The findings contribute to a comprehensive comprehension of the implications of AI and generative AI within the industry and offer recommendations for their responsible and ethical utilization. / Artificiell intelligens (AI) har potentialen att på ett djupgående sätt omforma flera etablerade branscher, inklusive spelindustrin. Denna transformerande potential uppstår från algoritmer som inte bara fungerar på en teknisk nivå, utan även på en kreativ och konstnärlig nivå, särskilt med framväxten av generativ AI. För att belysa den nuvarande rollen för AI inom spelindustrin och identifiera potentiella utvecklingsriktningar genomfördes strukturerade intervjuer med programmerare, AI-experter och spelbranschens yrkesverksamma. Dessutom syftade studien till att fastställa de områden där generativ AI kommer att ha störst påverkan. De primära resultaten indikerar att AI bör fungera som en assistent och erbjuda förslag istället för att fatta beslut. Dessutom underlättar AI ökad mångfald och tillgänglighet inom branschen genom förbättrad representation. Brådskande diskussioner om skyddet av konstnärer och de etiska konsekvenserna av dessa framsteg är avgörande för en tidig lagstiftningsutveckling. Studien visade också att AI för närvarande antar en stödjande roll genom att öka effektiviteten hos mänskligt arbete. Den används för uppgifter som att balansera gameplay, matchmaking, felsökning, fuskförebyggande mekanismer och dialog för icke-spelarkaraktärer (NPC). Mänsklig input förblir oumbärlig, särskilt inom den kreativa domänen och kvalitetssäkringsprocesser. Slutligen understryker rapporten de möjligheter och utmaningar som dessa tekniska framsteg medför och föreslår potentiella lösningar. Resultaten bidrar till en omfattande förståelse av konsekvenserna av AI och generativ AI inom branschen och erbjuder rekommendationer för deras ansvarsfulla och etiska användning.

Studiens syfte är att bedöma till vilken utsträckning AI kan ersätta en människa i rollen som mjukvaruutvecklare utifrån ett kvalitativt perspektiv på kod. Detta görs genom att besvara forskningsfrågorna som lyder: “Hur använder mjukvaruutvecklare sig av generativ AI vid utvecklingsutmaningar?” och “Vad är mjukvaruutvecklares uppfattning om kvaliteten på autogenererad kod skapad av en generativ AI såsom Chat GPT?”. För att besvara frågorna har en kvalitativ metod applicerats. En litteraturundersökning startade studien och tillsammans med en ny modell som baseras på McCall quality model och Boehm quality model. Från detta har en intervjuguide skapats som används i semistrukturerade intervjuer genomförda med erfarna mjukvaruutvecklare. Resultatet visar att kod skapad av generativ AI är ett bra hjälpmedel och verktyg som kan effektivisera en mjukvaruutvecklare och att det används på det sättet idag. Däremot så visar resultaten också att koden som genereras av en generativ AI inte är tillräckligt bra och kan inte användas utan att förändringar eller åtgärder görs då det saknas kvalitet. Slutsatserna som dras är att mjukvaruutvecklare använder sig av generativ AI som ett hjälpmedel men att AI:n inte är kapabel att hantera en uppgift på egen hand, därav är det inget hot mot någon anställning för mjukvaruutvecklare. Framtida forskning bör göras på autogenererad kod. Fler verktyg bör undersökas för att utvidga kunskapen om dess kapacitet samt bör det undersökas vilken inverkan generativ AI kan ha på andra branscher. / The aim of this study, conducted and written in Swedish, is to assess the potential of replacing a human software developer with generative AI. The study evaluates the quality of code generated by a generative AI model, this is done by answering the following research questions: “How do software developers use generative AI for development challenges'' and “How do software developers perceive the quality of code autogenerated by a generative AI such as Chat GPT”. To answer the questions we employ a qualitative research method. The study began with a literature review and based our evaluation of software quality on a hybrid model that modifies and combines McCall quality model and Boehm software quality model. The literature review and the hybrid model was used as a base to shape an interview guide. The interview guide was used in semistructured interviews conducted with experienced software developers. The results suggest that autogenerated code from generative AI is a viable aid for software developers as it makes them more effective in a number of tasks. However, the results also show that the autogenerated AI code has insufficient quality as a complete solution, and therefore often requires further fine-tuning and improvements from software developers. From the results, we conclude that software developers do use generative AI as a tool while writing code. Generative AI enhances software developers effectiveness but the current state of generative AI cannot fully replace a human software developer hence it is not a threat to any employment. Future research should be conducted on auto generated code. Some more tools should be studied to broaden the knowledge on its capabilities as well as looking at the implications that generative AI have on other industries.

En ökande användning av generativ artificiell intelligens (AI) i olika sektorer har medfört etiska utmaningar som måste hanteras för att säkerställa ansvarsfull och etisk användning av denna teknologi. Syftet med denna studie var att utforska och identifiera de etiska utmaningarna som kan uppkomma genom att analysera ledarnas tidiga erfarenheter av interaktion med och intryck av generativ AI. För att besvara studiens forskningsfråga genomfördes en kvalitativ studie med semistrukturerade intervjuer som samlade in empirisk data. Studien inkluderade också en litteraturöversikt för att belysa relevanta etiska perspektiv och ramar. Genom en tematisk analys av den insamlade datan framkom följande slutsatser: ledare som interagerade med generativ AI ställdes inför etiska utmaningar som inkluderade frågor om källkritik, ansvar och rättvisa. Ledare svarar på dessa utmaningar genom att anta ett etiskt ansvarigt agerande, vilket omfattar erkännandet av mänsklig expertis i AI-assisterade beslutsprocesser, samt engagemang i källkritik och ansvarsfull styrning. Resultaten diskuteras i ljuset av etiska teorier och perspektiv för att förstå de olika aspekterna av de etiska dilemman som generativ AI kan ge upphov till. / An increasing use of generative artificial intelligence (AI) across various sectors has brought about ethical challenges that must be addressed to ensure responsible and ethical utilization of this technology. The purpose of this study was to explore and identify the ethical challenges that may arise by analyzing leaders' early experiences of interacting with and impressions of generative AI. To address the research question of the study, a qualitative study was conducted using semi-structured interviews to collect empirical data. The study also included a literature review to illuminate relevant ethical perspectives and frameworks. Through a thematic analysis of the collected data, the following conclusions emerged: leaders who interacted with generative AI faced ethical challenges that included issues of source criticism, responsibility, and fairness. To address these challenges, leaders adopt an ethically defensible approach by recognizing the value of human expertise in decision-making supported by AI, exercising source criticism, and responsible governance. The results are discussed in light of ethical theories and perspectives to understand the various aspects of the ethical dilemmas that generative AI may give rise to.

Artificiell intelligens (AI) har blivit en central del av utvecklingen hos moderna organisationer, med potential att förändra arbetssätt och öka effektivitet och konkurrenskraft. Generativ AI, som skapar innehåll baserat på mönster i befintliga data, har snabbt utvecklats och väckt stor uppmärksamhet i olika branscher. Trots dess potential för kunskapsarbete används det fortfarande inte i stor utsträckning inom organisationer. Med fokus på individuellt lärande och kunskapsdelning, strävar denna fallstudie efter att bidra med insikter om hur kunskap om generativ AI uppstår och sprids för att främja innovationens integrering i kunskapsarbete. Den teoretiska referensramen baseras på relevanta artiklar om generativ AI i kunskapsarbete och traditionell litteratur om lärande och kunskapsdelning i organisationer. Som ram för analysen används en modell för kunskapsomvandling, som utgår från fyra processer genom vilka kunskap utvecklas: socialisering, externalisering, kombinering och internalisering. Dessa skapar en dynamisk kunskapsspiral där individer inom organisationen interagerar, reflekterar, tar del av och tillämpar kunskap. Studien undersöker hur denna kunskapsspiral drivs framåt och hur generativ AI som kunskapsområde skiljer sig från andra innovationer. För att utforska detta används en interpretativ forskningsfilosofi och kvalitativ ansats. Genom semistrukturerade intervjuer, observationer och enkätundersökning, samlades data in för att bilda en förståelse. Med en iterativ process mellan litteratur och empiri strävar studien efter att bidra till vidare teoriutveckling inom området och praktisk tillämpning i kunskapsarbete. Studien bidrar till en fördjupad förståelse för hur olika initiativ kring kunskap om generativ AI bidrar till lärande och användning av tekniken. Den konstaterar att lärande om generativ AI främst sker på individnivå och är drivet av inre motivation och nyfikenhet att experimentera. Organisationen stödjer lärandet genom viss möjliggörande styrning, men brist på möjligheter att tillämpa kunskapen i det dagliga arbetet kan hindra individens deltagande och därigenom begränsa kunskapsspridningen. Sammantaget är experimenterande centralt för lärandet om generativ AI, dels på grund av dess breda användningsområden och arbetssätt och hur de utvecklas med tiden, dels på grund av variationen i kunskapsarbete. Det finns därmed ett behov av fokus på att främja kombinering, där experimenterandet börjar, och internalisering, där kontinuerligt experimenterande bildar tyst kunskap. Vidare ger studien rika exempel på hur generativ AI används i praktiken, vilket kan inspirera andra kunskapsintensiva verksamheter att utnyttja tekniken. / Artificial intelligence (AI) has become a central part of development in modern organizations, with the potential to change workflows and increase efficiency and competitiveness. Generative AI, which generates content based on patterns in existing data, has rapidly evolved and gained significant attention across industries. Despite its potential for knowledge work, it is not yet widely utilized within organizations. Focusing on workplace learning and knowledge sharing, this case study aims to provide insights into how knowledge about generative AI emerges to promote its adoption in knowledge work. The theoretical framework is based on relevant articles on generative AI in knowledge work and traditional literature on workplace learning and knowledge management. The analysis is based on a model of knowledge creation consisting of four processes through which knowledge develops: socialization, externalization, combination, and internalization. These processes create a dynamic knowledge spiral representing how members of the organization interact, reflect, share, and apply knowledge. The study investigates how the knowledge spiral is driven forward and how knowledge about generative AI differs from other innovations. An interpretative research philosophy and qualitative approach are employed, using semi- structured interviews, observations, and a survey to gather data and form an understanding. Through iterating between literature and empirical data, the study aims to contribute to further theory development and practical application in knowledge work. The study contributes to a deeper understanding of how various initiatives regarding knowledge about generative AI contribute to learning and use of the technology. It suggests that learning about generative AI primarily occurs at the individual level and is driven by internal motivation and curiosity to experiment. The organization supports learning through certain enabling governance, but a lack of opportunities to apply the knowledge in daily work can hinder participation and limit knowledge dissemination. Overall, experimentation is central to learning about generative AI, partly due to its broad applications and approaches and how they evolve over time, and partly due to the variation in knowledge work. Therefore, there is a need to focus on promoting combination, where experimentation begins, and internalization, where continuous experimentation forms tacit knowledge. The study also provides rich examples of how generative AI is used in practice, which can inspire other knowledge- intensive organizations to leverage the technology.

In this study, we tested the performance of ChatGPT-4 on the concept inventory Brief Electricity and Magnetism Assessment (BEMA) to understand its potential as an educational tool in physics, especially in tasks requiring visual interpretation. Our results indicate that ChatGPT-4 performs similarly to undergraduate students in introductory electromagnetism courses, with an average score close to that of the students. However, ChatGPT-4 displayed significant differences compared to students, particularly in tasks involving complex visual elements such as electrical circuits and magnetic field diagrams. While ChatGPT-4 was proficient in proposing correct physical reasoning, it struggled with accurately interpreting visual information. These findings suggest that while ChatGPT-4 can be a useful supplementary tool for students, it should not be relied upon as a primary tutor for subjects heavily dependent on visual interpretation. Instead, it could be more effective as a peer, where its outputs are critically evaluated by students. Further research should focus on improving ChatGPT’s visual processing capabilities and exploring its role in diverse educational contexts.

Titel: Redovisningsstudenter & generativ AI  Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi. Författare: Jennifer Roos och Josefine Olsson Handledare: Jan Svanberg Datum: 2024 – maj Syfte: Undersöka hur redovisningsstudenter med olika inlärningsstrategier (ytinlärning och djupinlärning) använder generativ AI i sina studier samt att analysera hur generativ AI bidrar till studenternas lärande.    Metod: Studien utgår från en positivistisk forskningsfilosofi och en deduktiv forskningsansats. Metoden består av en kvantitativ forskningsdesign med en tvärsnittsdesign i form av en enkätundersökning som utformar studiens primärdata bestående av 62 respondenter, varav 10 respondenter uteslöts och räknas som bortfall. Datamaterialet har kodats och analyserats i statistikprogrammet SPSS.   Resultat och slutsats: Studiens resultat indikerar att det finns en jämn spridning mellan inlärningsstrategierna yt- och djupinlärning hos redovisningsstudenter samt att fåtalet redovisningsstudenter tillhör båda inlärningsstrategierna. Resultatet visar att generativ AI kan användas i både ytinlärning och djupinlärning och tenderar att accentuera den aktuella inlärningsstrategin.    Examensarbetes bidrag: Studien bidrar med ny, högaktuell och viktig forskning till forskningsgapet gällande hur generativ AI påverkar redovisningsstudenters inlärningsstrategi. Insikterna från studien bidrar till en ökad förståelse kring utformningen av redovisningsutbildningen för att förbereda redovisningsstudenter inför yrket.   Förslag till fortsatt forskning: Framtida forskning kan utöka urvalet för att bättre representera populationen, redovisningsstudenter. Dessutom bör framtida forskning utforska hur andra inlärningsstrategier kan påverka användningen av generativ AI samt undersöka samband mellan variabler som kön, ålder, geografisk plats och kursämne för att identifiera likheter, skillnader och mönster.    Nyckelord: Chatbotar, Djupinlärning, Generativ AI, Inlärningsstrategier, Redovisningsstudenter & Ytinlärning. / Title: Accounting Students & generative AI  Level: Student thesis, final assignment for Bachelor Degree in Business Administration. Author: Jennifer Roos and Josefine Olsson Supervisor: Jan Svanberg Date: 2024 – May                                                     Aim: To investigate how accounting students with different learning strategies (surface learning and deep learning) use generative AI in their studies and to analyze how generative AI contributes to students’ learning.    Method: The study is based on a positivist research philosophy and a deductive research approach. The method is a quantitative research design with a cross-sectional design in the form of a questionnaire that forms the study's primary data consisting of 62 respondents, of which 10 respondents were excluded and counted as non-valid. The data has been coded and analyzed in the statistical program SPSS.   Results and conclusions: The results of the study indicate that there is an even spread between the learning strategies, surface- and deep learning, in accounting students and that the few accounting students belong to both learning strategies. The result shows that generative AI can be used for both surface learning and deep learning and tends to accentuate the current learning strategy.   Contribution of the thesis: The study contributes to new, highly current and important research to the research gap regarding how generative AI affects the learning strategy of accounting students. The insights from the study contribute to an increased understanding of the design of accounting education to prepare accounting students for the profession.   Suggestions for future research: Future research could expand the sample to better represent the population, accounting students. Additionally, future research should explore how other learning strategies may influence the use of generative AI as well as examine relationships between variables such as gender, age, geographic location, and course subject to identify similarities, differences, and patterns. Key words: Accounting Students, Chatbots, Deep learning, Generative AI, Learning strategies & Surface learning.