En examination där studenterna blir medskapare av tentamen med hjälp av artificiell intelligens (AI), är det möjligt? Bedömning av studenters lärande är en central del av högre utbildning. Det ska vara väl valda examinationer för att kunna bedöma att lärandemålen är uppnådda. Examinationsupplägg diskuteras därför regelbundet av alla som är verksamma inom högre utbildning. Ett annat ämne som diskuterats flitigt är användningen av AI som under de senaste åren både har skapat nya möjligheter och nya utmaningar. Under hösten 2025 utvecklades och utvärderades ett nytt upplägg för en examination i en kurs om sjuk-domslära, där lärande och examination skapas gemensamt av studenter, lärare och AI. I denna artikel delas erfarenheterna från detta nya stu-dentaktiva upplägget, både från lärares och studenters perspektiv.

I kurserna om patofysiologi (sjukdomslära) på sjuksköterskeprogram-met har det sedan länge funnits en examination i form av hemtentamen i grupp. Trots flera revideringar har examinationen föranlett missnöje från både studenter och från lärarlaget.

Enligt kursvärderingarna upplevde studenterna att gruppindelningen påverkade examinationen, att arbetsfördelningen i gruppen kunde vara ojämn, och att det inte alltid gavs möjlighet för den enskilda studenten att visa sin kunskap. Samtidigt menade lärarna att bedömningen av tentamen tog mycket tid på grund av stora studentgrupper. Dessutom upplevdes det, trots muntlig uppföljning, utmanande att bedöma om samtliga sex lärandemål uppfyllts av varje enskild student. Självklart fanns det också positiva aspekter av examinationen; många studenter upplevde att den var ett lärtillfälle i sig och att det var positivt med en mer studentaktiv examination.

Flera av de sex lärandemål som examineras i den aktuella tentamen fokuserar på basala och centrala aspekter som utgör en nödvändig grund för fortsatt lärande och progression i utbildningen. Exempel på lärandemål som examineras är att kunna problematisera begreppen hälsa, ohälsa och sjukdom; kunna beskriva sambandet mellan epidemi-ologi och individuella faktorer; samt att kunna göra enklare statistiska tolkningar. Även mer komplexa lärandemål examineras där studenten ska kunna beskriva sambandet mellan patofysiologi, symtom, diagnostik och behandling inklusive specifik farmakologi och omvårdnad vid psykisk ohälsa; ortopedi; och onkologi. I det tidigare upplägget med hemtentamen kunde studenterna få betygen G godkänd, Ux komplettering krävs, eller U Underkänd. Det var då flera studenter som behövde komplettera för att visa att samtliga lärandemål var uppfyllda. Dessa kompletteringar tog tid för lärarlaget både att konstruera och bedöma.

Med bakgrund i ovanstående identifierades ett behov av att förändra examinationsformen. Målsättningen var att den nya examinationsformen skulle behålla de positiva aspekterna från den tidigare hemtentamen, samtidigt som de mer problematiska inslagen skulle undvikas. Dessutom behövde användningen av AI i samband med examinationen beaktats eftersom AI idag utgör ett självklart inslag i många studenters vardag. Hur mycket AI som används i en icke övervakad examination är svårt att avgöra. Exempel på lärandemål som lätt kan besvaras med hjälp av AI är bland annat beskrivande kunskap som ingick i den aktuella examinationen. En undersökning har visat att många studenter på Blekinge Tekniska Högskola (BTH) använder AI dagligen i sina studier (Jönsson & Knutsson, 2025).

Syftet med den här förändringen var alltså att utveckla och utvärdera ett nytt upplägg av en studentaktiv examinationsform.

Nedan presenteras kursens kontext, examinationsformen inklusive det nya upplägget, samt den datainsamling som genomfördes för att utvärdera det nya examinationsupplägget.

Resultatet efter utvärderingen presenteras nedan uppdelat i tre huvudområden: (1) Flerfasexamination som möjlighet att visa och utveckla lärande, (2) AI som en del av studierna, och (3) Är detta en examination att fortsätta med? Figur 2 visar en översikt över frågor och svar. Figur 2

Översikt av utvärderingsfrågor med svar.

Sammanfattningsvis var utvärderingen efter det första genomförande av flerfasexaminationen övervägande positiv. Studenterna uppgav att de fick möjlighet att visa vad de lärt sig samtidigt som de lärde sig något nytt. Studenterna fick också lära sig mer om att använda AI, förhoppningsvis på ett sätt som kan vara till hjälp både i de fortsatta studierna och i den kommande yrkesrollen.

En examination kan i bästa fall både bedöma studenternas kunskapsnivå och vara ett lärtillfälle i sig (Bandtel et al., 2022). Utvärderingen visade att en klar majoritet av studenterna tyckte att den här typen av examination gav möjlighet till båda dessa aspekter. Många studenter uppgav även att de lärt sig att använda AI på ett nytt sätt och att vikten av att faktagranska informationen från AI blivit tydlig. I den här kursen finns det inget lärandemål kopplat till användande av AI, men det var inte heller själva AI-användningen som examinerades. AI användes som ett verktyg i lärprocessen. Hannan och Liu (2021) lyfter fram att många universitetslärare arbetar för att dra nytta av de fördelar AI medför för högre utbildning. AI kommer sannolikt snart vara en naturlig del av såväl studier som profession både för studenter och universitetslärare. Det kan komma att ändra de arbetsflöden som finns och på så sätt förbättra processer och skapa nya möjligheter.

Digital kompetens är ett område som EU har identifierat som en nyck-elkompetens. Det anses vara en grundläggande färdighet för att lära sig att lära. Rekommendationerna är att öka den digitala kompetensen på alla utbildningsnivåer som en del av det livslånga lärandet (Valchev, 2018). Skolverket förtydligar detta vidare genom att definiera fyra olika aspekter av den digitala kompetensen, där en av aspekterna är att ha ett kritiskt och ansvarsfullt förhållningssätt (Skolverket, 2025a). Det finns många definitioner av digital kompetens och digital litteracitet. Gemensamt är att de inte bara rör tekniska färdigheter utan även förmågan att använda digitala system med ett kritiskt och etiskt förhållningssätt (Spante et al., 2018). Likaså inkluderar det närliggande begreppet AI-litteracitet flera olika kompetenser för att kunna interagera med olika AI-verktyg på ett effektivt och säkert sätt. Även här lyfts både det kritiska och etiska förhållningssättet fram (Long & Magerko, 2020). Det har också varit en av anledningarna till valet av att ta fram en flerfasex-amination med inslag av AI. Målsättningen har varit att förbereda studenterna på en framtid där AI sannolikt kommer spela en allt större roll. Då är det är angeläget att lära sig att använda AI-verktygen på ett ansvarsfullt och korrekt sätt, och där är faktagranskningen A och O.

När det gäller flervalsfrågor har tidigare forskning visat att de flervals-frågor som AI tar fram inte håller samma djup och komplexitet som de flervalsfrågor som konstrueras av människor (Law et al., 2025). Med det sagt vill vi betona att det inte är lämpligt att enbart ha den här typen av examinationer i en kurs, samt att examinationsformen inte lämpar sig för alla lärandemål. Om upplägget med flerfasexamination med inslag av AI väljs är det angeläget att kombinera den med andra typer av examinationer för att på ett heltäckande och rättssäkert sätt examinera studenterna. Som beskrivs i bakgrunden är flera av de lärandemål som examineras i flerfasexaminationen av grundläggande karaktär. Det är sannolikt en förklaring till att så pass stor andel av studenterna når godkänt resultat på examinationen redan vid första tillfället. Vi tror dock inte att flerfasexaminationens positiva utvärdering helt kan förklaras av det höga antalet godkända studenter. Tidigare hemtentamen uppvisade liknande genomströmning, samtidigt som studentnöjdheten med hem-tentamensupplägget var låg.

Baserat på den positiva utvärderingen från studenterna och lärarlagets upplevelser och erfarenheter av flerfasexaminationen kommer den här typen av examination att finnas kvar i kursen framöver, dock med vissa justeringar och uppdateringar utifrån de lärdomar som dragits. Vid näst-kommande tentamenstillfälle kommer de inlämnade frågorna få något större fokus genom att generera fler poäng. Vid detta första tillfälle gav de inlämnade frågorna ett poäng vardera. Genom att öka antalet poäng per fråga ges bedömmande lärare större möjlighet att ge större poängavdrag om exempelvis fler än ett svarsalternativ kan vara rätt. Om flera svarsalternativ kan vara rätt är frågan uppenbarligen inte tillräckligt väl faktagranskad och bör därför poängsättas märkbart lägre. En annan för-ändring är att studenterna kommer behöva motivera varför varje enskild fråga är viktig för en blivande sjuksköterska att kunna. Det bör medföra att studenterna själva kommer sortera bort väldigt detaljerade och svåra frågor, samt de frågor som är allt för lätta och inte på en kunskapsnivå som kan förväntas av en blivande sjuksköterska.

AI är sannolikt här för att stanna och kan vara till hjälp under studietiden. För sjuksköterskestudenter är det vidare angeläget att lära sig att använda AI på ett ansvarsfullt sätt inför den kommande yrkesrollen. Genom att själv aktivt använda och interagera med AI är det möjligt att lära sig både faktainnehåll kopplat till lärandemålen och att lära sig mer om AI-verktygs möjligheter och begränsningar samtidigt. Från perspektivet av högre utbildning kan AI ge nya möjlighet inom olika områden, exempelvis nya typer av examinationer. Användning av AI inom nya områden kräver dock eftertanke och samverkan med både kollegor och studenter för att bli så bra som möjligt. Tillsammans driver vi ut-vecklingen framåt!

Författarna vill rikta ett tack till de studenter som besvarat frågorna i kursvärderingen och bidragit till utvecklingen av flerfasexaminationen.

Charlotte Romare, Universitetslektor, doktor i tillämpad hälsoteknik, specialistsjuksköterska inom intensivvård. Kursansvarig och undervisande lärare i kurserna om patofysiologi samt pedagogisk utvecklare på Institutionen för Hälsa.

Kontakt: charlotte.romare@bth.se. ORCID: 0000-0003-3348-4307.

Anna Manneklint, Universitetsadjunkt, magister i vårdvetenskap, specialistsjuksköterska inom operationssjukvård. Undervisande lärare i kurserna om patofysiologi samt pedagogisk utvecklare på Institutionen för Hälsa.

Kontakt: anna.manneklint@bth.se. ORCID: 0009-0003-9895-5680.