Titel: Kan artificiell intelligens skapa en trovärdig hållbarhetsrapport? En kvantitativ studie om förmågan att urskilja AI-genererade texter från mänskligt skrivna texter samt vilka faktorer som påverkar. 

Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi

Författare: Arvid Högberg och William Karlström

Handledare: Asif M. Huq

Datum: 2024 – maj

Syfte: Experimentet syftar till att se om faktorer som yrkesmässig bakgrund, utbildningsnivå, ålder och kön påverkar respondenternas förmåga att urskilja AI-genererad text från mänskligt framställd text. 

Metod: Studien utfördes med en kvantitativ enkätundersökning där 84 respondenter deltog. Den bestod av inledningsvis demografiska frågor som följdes av två experiment där två texter presenterades och respondenten avgjorde vilken text som var AI-genererad. Analysmetoderna som använts var ANOVA (Analysis of Variance), frekvenstabeller och korrelationsanalyser. Våra respondenter var ekonomistudenter, utbildare inom ekonomi och yrkesverksamma inom redovisning/revision. 

Resultat och slutsats: Studien visade att faktorer som kön, ålder och erfarenhet inte hade någon signifikant påverkan på förmågan att urskilja AI-genererad text. Men högre AI-användning ökade chansen att urskilja AI-genererad text.

Examensarbetets bidrag: Studien har bidragit med värdefull information om vad som påverkar förmågan att urskilja AI-genererad text från mänskligt skriven text. Resultatet visar att demografiska faktorer inte spelar någon signifikant roll. AI-användning däremot har en viss påverkan. Studien visar även hur långt AI-teknologin har kommit och hur svårt det kan vara att skilja mellan AI-genererad text och mänskligt skriven text.

Förslag till fortsatt forskning: Effekterna av AI-träning och utbildning av människors förmåga att skilja på olika typer av text är något som framtida forskning behöver belysa. Det går även att utforska användningen av AI för textgenerering inom olika branscher och hur detta påverkar människors förmåga att skilja på AI-genererad text och mänskligt skriven text. 

Title: Can artificial intelligence create a credible sustainability report? A quantitative study on the ability to distinguish AI-generated texts from human-written texts and which factors influence.

Level: Bachelor's degree thesis in business administration

Authors: Arvid Högberg and William Karlström

Supervisor: Asif M. Huq

Date: 2024 – May

Purpose: The experiment aims to see if factors such as work experience, education background, age and gender affect the respondents' ability to distinguish AI-generated text from human-produced text. 

Method: The study was carried out with a quantitative survey in which 84 respondents participated. It consisted of initial demographic questions followed by two experiments where two texts were presented and the respondent decided which text was AI-generated. The analysis methods used were ANOVA (Analysis of Variance), frequency tables and correlation analyses. Our respondents were economics students, educators in economics and professionals in accounting/auditing.

Results and conclusion: The study showed that factors such as gender, age and experience had no significant impact on the ability to distinguish AI-generated text. But higher AI usage increased the chance of distinguishing AI-generated text.

Contribution of the thesis: The study has contributed valuable information about what affects the ability to distinguish AI-generated text from human-written text. The result shows that demographic factors do not play a significant role. AI use, on the other hand, has a certain impact. The study also shows how far AI technology has come and how difficult it can be to distinguish between AI-generated text and human-written text.

Suggestions for further research: The effects of AI training and education on people's ability to distinguish between different types of text is something that future research needs to explore. It is also possible to explore the use of AI for text generation in various industries and how this affects people's ability to distinguish between AI-generated text and human-written text.