Från facit till felsökning – examination som testar både ämneskunskap, problemlösning och kritisk AI-granskning

Som en drivkraft till förändring av examinationen finns många publicerade studier som visar
att studenter i hög grad anpassar sitt lärande efter hur de examineras, vilket innebär att
förändringar i examinationsformen kan ge genomgripande effekter på lärprocessen. Detta
stämmer även väl överens med egna erfarenheter. Att samspelet mellan lärandemål,
undervisningsaktivitet och examination är avgörande för studenters lärande (Biggs & Tang
2011) har varit en utgångspunkt för studien. I detta bidrag beskrivs ett utvecklingsarbete i en
kurs i värme- och masstransport på grundnivå, där införandet av digital salstentamen
fungerade som en katalysator för att även delvis omarbeta kursens pedagogiska upplägg.
Genom att gå över till digital tentamen, vilken i dagsläget erbjuder begränsade möjligheter för
studenterna att rita figurer och visa sina beräkningar på ett traditionellt sätt, innebar detta i
praktiken inte endast en förändring av examinationsformatet, utan även en förändring av det
pedagogiska upplägget i kursen. Examinationen består fortfarande till störst del av
problemlösning av beräkningsuppgifter. I studier om digital examination i ingenjörsutbildning
påvisas att digitala format ofta driver förändringar i både undervisning och
bedömningspraktik, samtidigt som de ställer högre krav på genomtänkt design för att på ett
giltigt sätt bedöma problemlösningsförmåga (Akhtar & Perea-Borobio 2025).
I och med att studenterna vid den digitala examinationen mycket tydligt behöver ange
beräkningsgång och relevanta delresultat har det pedagogiska upplägget förändrats för att
belysa och reflektera över detta vid gemensam lösning av olika problem. Som en del av
kursens förändrade pedagogiska upplägg infördes även studentaktiva övningar i form av
Active Learning Classroom (ALC), med fokus på problemlösning och resonemang i grupp.
Övningarna är tänkta att ytterligare träna studenterna på att kommunicera ämnet och att få en
djupare förståelse för teorin och vilka steg och avgöranden som är centrala för att lösa olika
problem. I övningen ingår även att granska en annan grupps lösningsförslag, vilket innebär att
de även får fundera över om ett annat lösningsförslag innehåller relevant och korrekt
information. Frågeställningarna som studenterna arbetar med är designade att vara
ingenjörsmässiga med en relevant kontext, vilket även gäller examinationsuppgifterna.

En central innovation i den digitala tentamen är införandet av en till två uppgifter där en AIgenererad lösning presenteras. Dessa lösningar innehåller medvetet en del felaktigheter eller
antaganden som inte är i linje med litteraturen. Felen kan vara direkt från det AI-genererade
förslaget eller infogade av läraren. Studenternas uppgift är att kritiskt granska lösningen,
identifiera felaktigheter och formulera en korrekt lösning. Detta upplägg relaterar till en
växande forskningslitteratur om AI i högre utbildning, där det betonas att examination i allt
större utsträckning behöver fokusera på analys, kritiskt tänkande och förståelse snarare än
reproduktion av svar (AlBlooshi 2025). Att låta studenter arbeta med bristfälliga AIresonemang kan därmed ses som ett sätt att utveckla både ämnesförståelse och så kallad AIlitteracitet.
Erfarenheter från två kurstillfällen visar positiva utfall. Studenter som aktivt deltar i kursens
aktiviteter och följer det planerade upplägget tenderar att prestera mycket väl på tentamen, ofta med ett överbetyg. Studenter som inte deltar har mycket svårt att på ett tydligt sätt
redogöra för en beräkningsgång och även att hitta fel i AI-genererade lösningar. Det finns
indikationer på att studenter utvecklar en ökad förmåga att resonera kring lösningar och att
kritiskt granska både egna och andras svar.

Referenser
Akhtar, Z., & Perea-Borobio, E. (2025). Navigating the digital shift: Investigating the
viability of digital assessments for electrical and electronic engineering students. European
Journal of Engineering Education. https://doi.org/10.1080/03043797.2025.2523549
AlBlooshi, S. (2025). Artificial intelligence in higher education: Opportunities and
challenges. Frontiers in Education, 10. https://doi.org/10.3389/feduc.2025.1683968
Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4th ed.). McGrawHill.