Ærlighed, gennemsigtighed og ansvarlighed
God akademisk praksis

Ærlighed, gennemsigtighed og ansvarlighed
God akademisk praksis

Gennemsigtighed, kilder og ansvar ved brug af generativ AI
God akademisk praksis handler ikke om et forbud mod eller begrænsning af teknologi, men om at anvende den med faglig integritet. Det forudsætter, at du deklarerer (fortæller ærligt og åbent om) din brug gennemsigtigt (så andre kan se og forstå), forholder dig kildekritisk til modellens output og tager det fulde ansvar for det faglige indhold, du afleverer.
Ærlighed
Du præsenterer egne resultater sandfærdigt og anerkender andres bidrag og ideer gennem korrekt kildehenvisning
Gennemsigtighed
Du gør data, metoder og eventuel brug af hjælpeværktøjer så åbne og tydelige, at dit arbejde kan efterprøves
Ansvarlighed
Du sikrer faglig kvalitet, metodisk stringens og en etisk forsvarlig tilgang gennem hele arbejdsprocessen
Kend forskellen: deklaration, dokumentation, citat og kildehenvisning
For at opretholde akademisk integritet skal du vælge den korrekte form for angivelse baseret på, hvordan AI har bidraget til dit arbejde. Der vil være forskellige formkrav og krav til hvor meget dokumentation, du skal levere. Det kommer an på faget, opgaven eller din vejleders anvisning. Hvis du er i tvivl, skal du altid undersøge det og tale med din vejleder om det. Dette kan i sig selv også ses som en del af en god akademisk praksis.
Deklaration (arbejdsprocessen)
Den overordnede, skriftlige redegørelse for, at og hvordan AI har været anvendt som redskab i arbejdsprocessen eller som sparringspartner (f.eks. via en deklarationsskabelon, et coversheet eller en passage i metodeafsnittet).
Dokumentation (revisionsspor / audit trail)
Det konkrete, underliggende empiriske materiale fra din interaktion med modellen (f.eks. fulde prompt-historikker, rå-outputs, skærmbilleder eller delte chatlinks), som vedlægges som bilag.
Citat (konkret tekstindhold)
Direkte gengivelse af modellens formuleringer (tekststykker eller svar), hvor teksten markeres eksplicit som et citat; typisk anvendt, hvis sprogmodellens specifikke output gøres til genstand for en tekstanalyse.
Kildehenvisning (reference i litteraturlisten)
En formel henvisning ofte efter en gældende standard (f.eks. APA 7th), når en model inddrages som et substantielt element eller undersøgelsesobjekt i opgaven.
Refleksion (hvad og hvordan) og metarefleksion (hvorfor)
Ikke direkte en del af den akademisk praksis som sådan, men din vejleder kan godt stille krav til, at du forholder dig til og dokumenterer, hvordan anvendelse af generativ AI f.eks. har påvirket din egen læring undervejs.
Hvad kan jeg selv gøre?
Gå i gang med det samme: For at undgå at stå i en uoverskuelig oprydningsproces lige før aflevering, kan du indarbejde en fast rutine for deklaration og dokumentation fra første arbejdsdag, f.eks.:
- Afklar de formelle rammer først: Tjek altid de konkrete retningslinjer for AI-brug i den pågældende opgave, så du er sikker på, hvad der er tilladt.
- Aftal klare grænser for brugen: Arbejder I flere sammen så fastlæg skriftligt i gruppen, hvilke faser AI må bruges til (f.eks. disposition, sprogfeedback, søgetermer), og hvilke dele der udelukkende løses manuelt (f.eks. analyse, metodevalg, konklusion). Find inspiration i afsnittet: Fælles AI i projektgruppen.
- Etablér en delt prompt-logbog fra dag ét: Opret et centralt arbejdsdokument, hvor du løbende indsætter dato, værktøj, modelversion, prompts og rå-outputs. Del logbogen med hinanden hvis I arbejder flere sammen.
- Farvemarkér al maskinproduceret tekst i kladder: Giv tekstforslag og omskrivninger fra modellen en fast farvemarkering i arbejdsteksten, så ubehandlet AI-tekst ikke utilsigtet glider ind i det endelige produkt som udeklareret tekst eller plagiat.
- Sæt AI-genererede kilder og empiri i karantæne: Hav en fast regel om, at intet citat, faktuel påstand eller litteraturhenvisning fra en sprogmodel må overføres til opgaven, før originalkilden er fundet og verificeret.
- Beskyt fortrolige data og personoplysninger: Del ikke personhenførbare data (f.eks. transskriptioner af interviews med navne eller kontaktoplysninger), fortrolig virksomhedsdata m.m. med offentlige sprogmodeller. Overhold dataklassifikationen og anvend udelukkende godkendte systemer, som universitetet stiller til rådighed.
Formatér formelle kildehenvisninger: Hvis der er krav om en formel referencestil til et AI-værktøj, skal de tilføjes i opgaven i overensstemmelse med formen. F.eks. her i APA 7th:
- I teksten: (Microsoft, 2026) eller Microsoft (2026)
- I litteraturlisten: Microsoft. (2026). Copilot (GPT 5.6) [Large Language Model]. https://m365.cloud.microsoft/chat
Her er links til en række af de mest udbredte referencestile: APA style, MLA style, IEEE style, Harvard style, Chicago style, Vancouver style. Læs mere på bibliotekets side om brug af kilder.
Bland ikke faglig kilde og værktøj sammen: Brug aldrig en sprogmodel som autoritativ kilde for et fagligt argument eller en videnskabelig teori (undgå formuleringer som: "Ifølge ChatGPT er motivation defineret som ..."). Find dine autoritative kilder i f.eks. pensumlitteratur eller via bibliotekets ressourcer.
Lav din deklaration
Gennemsigtighed forudsætter, at din brug af AI er reproducerbar, så andre har mulighed for at vurdere grundlaget for og validiteten af dine påstande. Deklaration er afgørende, når AI-brugen er substantiel (dvs. når værktøjet træffer beslutninger, genererer data/billeder eller analyserer indhold, der påvirker opgavens konklusioner). I en studiemæssig kontekst bør procesmæssig støtte såsom: sproglig assistance, idégenerering, udarbejdelse af disposition m.m. også deklareres åbent.
Hvad kan jeg selv gøre?
Udfyld en deklarationsoversigt: Flere steder på AAU anvendes faste skabeloner, der fungerer som et praktisk redskab til at skabe en tydelig og ensartet afrapportering. Følg dit studies standarder, men hvis der ikke ligger noget klar, kan følgende liste bruges til inspiration:
|
Jeg har anvendt AI i opgaven / projektet til følgende formål: ☑ Som inspiration til at formulere projektets problemformulering For hvert afkrydset punkt skal du i dit bilag eller metodeafsnit specificere: 1) Hvilket værktøj der blev anvendt, 2) hvordan værktøjet blev anvendt, og 3) hvordan og hvor resultaterne blev anvendt i opgaven / projektet. |
Deklarér processen i teksten: Hvis du inddrager AI i undersøgelsesdesign, litteratursøgning, databehandling m.v. skal anvendelsen og værktøjets rolle overordnet beskrives i metodeafsnittet eller i et coversheet og med evt. reference til bilagsmateriale:
"Under udarbejdelsen af spørgerammen til de semistrukturerede interviews blev Copilot (Microsoft, 2026) anvendt til at identificere og kvalificere relevante undersøgelsesspørgsmål. Dokumentation for prompts, output og den efterfølgende faglige tilpasning fremgår af bilag 1. Derudover er Copilot anvendt til sproglig korrekturlæsning. Gruppen har efterfølgende sammen kvalitetssikret og bearbejdet alt indhold."
Vedlæg dokumentation i bilag: Uanset din opgavetype skal du altid gemme dine centrale prompts og svar løbende. Et manglende revisionsspor kan ikke rekonstrueres efterfølgende. Dokumentationen organiserer du i et bilag, som du refererer til i opgaveteksten. Modsat en bog eller artikel kan læseren ikke selv "slå op" i sprogmodellen og få det samme svar, som du fik. Din dokumentation sikrer dermed, at det er fremstår reproducerbart.
Kildeproblematikken og verifikationskravet
Output fra sprogmodeller er baseret på statistisk sandsynlighed og kan af sagens natur ikke tillægges en kildemæssig sandhedsværdi og kan derfor aldrig udgøre primærlitteratur eller en selvstændig, videnskabelig autoritet.
Derfor er det et ufravigeligt akademisk krav, at du altid søger tilbage til originalkilden eller finder andre kilder, der underbygger påstanden.
Hvad kan jeg selv gøre?
Verificér altid kilder: Hvis en sprogmodel foreslår en akademisk kilde eller en teoretisk pointe, må du aldrig indsætte referencen i din litteraturliste uden først at have fundet originalkilden; f.eks. ved at finde den i pensumlitteraturen eller via biblioteksdatabaser. Herefter skal du læse den i sin oprindelige kontekst og vurderet den efter alm. principper om kildekritik. Referer herefter til originalkilden i din tekst.
Vær kritisk overfor bias og ensretning: Vurder altid kritisk, om modellens output overser minoritetsperspektiver, forsimpler komplekse problemstillinger eller favoriserer et bestemt narrativ på bekostning af andre faglige vinkler. Læs mere i afsnittet om etik, ulighed og bias.
Brug AI til søgestrategi frem for facit: Bed modellen om forslag til søgetermer, synonymer eller centrale teoretiske retninger, og foretag derefter selv selve litteratursøgningen.
Plagiering og akademisk uredelighed
Når du afleverer en opgave, står du inde for, at arbejdet er dit eget. Hvis du præsenterer en AI-genereret tekst, kode, oversættelse eller analyse som din egen uden at deklarere det, bliver det betragtet som akademisk uredelighed. Det kan potentielt takseres som snyd og plagiat.
Hvad kan jeg selv gøre?
Ærlighed, gennemsigtighed og ansvarlighed: Systematisk deklaration er den mest effektive måde til at undgå dette. Når din brug af AI er gennemsigtig og veldokumenteret, beskytter du din egen akademiske integritet og fjerner tvivl om ophavet til dit arbejde.
Det personlige forfatteransvar
Uanset hvor avanceret et AI-værktøj du anvender, ligger det fulde og uindskrænkede ansvar hos dig som forfatter. Fejl, unøjagtigheder, opdigtede kilder eller bias i opgaven kan aldrig undskyldes med, at det stammede fra AI.
Hvad kan jeg selv gøre?
Tag ejerskab over det færdige produkt: Du bærer det fulde og personlige ansvar for hver eneste oplysning, beregning og kildehenvisning i din besvarelse. Hvis en sprogmodel introducerer faktuelle fejl, opdigtede kilder eller plagieret tekst, er det din opgave som forfatter at fange og rette dem gennem kritisk kvalitetssikring.
Spørgsmål du kan stille dig selv eller tale om i gruppen
Gennemsigtighed og deklaration
- Har du eller har I i gruppen en fælles standard for løbende at gemme prompts, modelversioner og rå-outputs, så der uden besvær kan vedlægges et fyldestgørende bilag til opgaven?
- Er beskrivelsen af AI-brugen i metodeafsnittet tilstrækkelig præcis til, at en vejleder, censor eller medstuderende kan gennemskue, hvad der er eget selvstændigt arbejde, og hvad der er AI-støttet?
Kildekritik og faglig verificering
- Har du kontrolleret samtlige referencer, som en sprogmodel har foreslået, ved at fremsøge (f.eks. via bibliotekets søgemaskine) og læse originalkilderne?
- Er du opmærksom på risikoen for faktuelle fejl og opdigtede data, inden du lader et AI-genereret argument indgå i opgaveskrivning?
Forfatteransvar og eksamen
- Hvis du til en mundtlig eksamen bliver bedt om at forsvare en formulering, analyse eller metodevalg i projektet: Kan du så redegøre fagligt for valget, uden at henvise til, at "det foreslog chatbot'en"?
- Overholder din brug af værktøjet de formelle rammer i studieordning, semester- og modulbeskrivelse, og har du sikret, at ingen fortrolige oplysninger eller persondata er blevet uploadet undervejs?

