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.

Syftet med pilotstudien är att pröva hur rekommenderade metoder för att uppmuntra elevers metakognitiva tänkande kan användas. Metakognition handlar om ”att lära att lära” och är relaterat till begrepp såsom återkoppling, självreglering och formativ bedömning. Forskning visar att elever som får träning i metakognition ökar sina prestationer. Ett av skolans mål enligt läroplanen för grundskolan, förskoleklassen och fritidshemmet 2011/2017 är att eleverna ska utveckla förmågan att bedöma sina resultat. Jag har undersökt hur elever i årskurs sju besvarar och uppfattar metakognitiva frågor i ämnena bild och svenska. Eleverna svarade på metakognitiva frågor vid tre olika tillfällen: vid planeringen, under genomförande samt vid utvärderingen av arbetsuppgiften. I samband med frågorna svarade de även på en enkät om hur de uppfattade de metakognitiva frågorna. Avsikten är att använda pilotstudiens resultat för att bereda mark för en större studie. I studien har en kvalitativ forskningsmetod använts. Resultatet visar att det är väsentligt att lärarna tar reda på elevernas olika förförståelse för de metakognitiva frågorna. Majoriteten av elever upplever de metakognitiva frågorna som oanvändbara, men av olika skäl. Om eleverna inte förstår frågorna tycker de att frågorna blir något utöver arbetsuppgiften. Om eleverna har en hög metakognitiv förförståelse kommer de att anse att frågorna är överflödiga. De flesta eleverna upplevde att de metakognitiva frågorna tog tid från den uppgift de skulle genomföra. Några elever uttryckte stort missnöje, stor frustration och irritation över frågorna. För att metakognitivt tänkande ska kunna tränas metodiskt med avsedd effekt, måste eleverna vara motiverade. En nyckelfaktor är att eleverna förstår vad träningen ska leda till. Detta behöver läraren arbeta med på olika sätt med olika grupper av elever. / This pilot study aims to test how recommended methods to promote students’ metacognitive thinking can be used. Metacognition is about “learning how to learn” and is related to conceptions like feedback, self-regulation and formative assessment. Research shows that students that get training in metacognition increase their performances. One of the goals according to the Swedish Curriculum for the compulsory school, preschool class and the recreation centre 2011/2017 is that students shall develop the ability to assess their results. I have examined how students in grade seven answer and apprehend metacognitive questions in the compulsory subjects Art and Swedish. The students answered metacognitive questions at three different times: when planning, when carrying through and when evaluating the task. In connection to answering the questions they also answered a questionnaire about their conception of the metacognitive questions. The intention is to use the result of the pilot study to prepare for a larger study. A qualitative research method has been used in this study. The result show that it’s substantial that the teachers find out about the students different preunderstanding of the metacognitive questions. The majority of the students find the metacognitive question useless, but for different reasons. If the students don’t understand the questions they think that the questions are something in addition to the task. If the students have a high metacognitive preunderstanding they will consider the questions as redundant. Most students thought that the metacognitive questions took time from the task they were supposed to do. Some students expressed great dissatisfaction, big frustration and irritation over the questions. To be able to train metacognitive thinking methodically with desired effect the students have to be motivated. A key factor is that the students understand what the training is supposed to leading. The teacher has to work in different ways with different groups of students with this.