Betygssättningsmetoder och betygsinflation i AI:s era

Mappade principer

Projektet mappas till nedan ramverksprinciper:

P4. Bedömning och examination för lärande

P7. Ett användarorienterat verksamhetsstöd  

P9. En utvecklande utbildningskultur  

P10. Kontinuerlig kompetensutveckling i lärarrollen  

P11. Ett ledningssystem för kvalitetsutveckling

Definitioner av principerna

Kontakt

Niharika Gauraha universitetsadjunkt

niharika@kth.se , 087904101

Profil

Projektnummer 

Detta projekt genomförs på Skolan för elektroteknik och datavetenskap (EECS) inom programmet Framtidens utbildning (projektnr. 2614-EECS). 

Projektkontext

Dagens situation kännetecknas av hela tiden ökande AI-användning, med ytterligare komplicerande faktorer som betygsinflation och inkonsekvent betygsättning. Alla på KTH påverkas av denna situation: Studenterna påverkas direkt av betyg och behöver tydliga regler för AI-användning och tydlighet i betygssättningen. Lärare ansvarar för betygssättning och måste anpassa undervisning och kontroll av AI-användning i använda betygssättningsmetoder. Skolledningen sätter riktlinjer och ansvarar för att betygssättningsmetoderna är rättvisa och likvärdiga – men underliggande beslutsunderlag kan saknas. 

En kvantitativ analys behövs av hur olika faktorer tillsammans påverkar betygen och om (i vilken grad) betygsinflation föreligger. Exempel på sådana faktorer kan vara examinationsformer (t.ex. effekter av kurser som enbart baseras på projekt eller inlämningsuppgifter); skillnader i betygssättningsmetoder; pedagogiska traditioner; strukturella förändringar såsom kurs­sammanslagningar och större studentgrupper; ökande användning av AI mm.

Syfte och Effektmål (outcome) 

Projektets syfte är att generera evidensbaserade insikter som kan: 

• vägleda pedagogisk utveckling och policybeslut,  
• främja konsekventa och transparenta bedömningsstandarder inom hela universitetet  

genom att systematiskt analysera betygsdata på institutions-/skolnivå, bedömningsformat och institutionella faktorer. 

Projektet kompletterar pågående arbete med pedagogisk utveckling, bedömningskvalitet och ansvarsfull AI-användning, och bidrar med en systematisk förståelse på skolnivå av betygsutfall. 

Projektresultat (output) 

Projektet ska leverera följande konkreta resultat:  

• Betygsanalysrapport: Kvantitativ sammanfattning av fem års kursbetyg* som visar trender och korrelationer (t.ex. betygsinflation och koppling till betygssättningsmetoder). 
• Nyckelfaktorer: Kartläggning av pedagogiska, strukturella och AI-relaterade påverkande faktorer. 
• Fallstudier: 5–10 detaljerade kursanalyser av utvalda kurser med olika betygssättningsmetoder samt benchmarking mot pre-AI-eran. 
• Rekommendationer: Evidensbaserad vägledning för framtida rättvis och konsekvent betygsättning i AI-eran. 
• Skalbar metodik: Ramverk för analys på skolnivå som kan tillämpas över hela KTH.

^{* Det omfattar inte alla kurser vid KTH, utan är begränsat till utvalda kurser på kandidat- och masternivå för att skapa ett representativt urval.}

Tidplan  

Startdatum: 2026-08-01
Slutdatum: 2027-07-31 

Projektdokumentation 

Du som har KTH-ID kan läsa projektdokumentationen, som ligger i OneDrive, i inloggat läge.

• Poster: Projektets första poster kommer finnas tillgänglig på Storträffen HT2026
• Projektdirektiv: Projektdirektiv_FrU26_2614-EECS_BetygsInflation.pdf (engelska)