AI-støttet Karrierevejledning
Oversat titel
AI-supported career guidance
Forfatter
Christensen, Line Mikjær
Semester
4. semester
Udgivelsesår
2024
Afleveret
2024-10-11
Resumé
At vælge uddannelse er komplekst. Denne afhandling undersøger, hvordan kunstig intelligens (AI) kan indgå i digitale karrierevejledningssystemer for at støtte bedre beslutninger og afklaringsprocesser. Arbejdet bygger på tre perspektiver: Happenstance Learning Theory (der fremhæver, at tilfældige muligheder kan forme karrierevalg, og at vejledning bør styrke nysgerrighed og fleksibilitet), David Benyons principper for brugeroplevelse (UX) om at gøre løsninger nyttige og lette at bruge, og et sociomaterielt blik (jf. Orlikowski), som ser teknologi og mennesker som gensidigt formende – her forstås AI som en aktiv medspiller i vejledningen. Metodisk anvendes en iterativ, designbaseret tilgang kombineret med Double Diamond-modellen – en proces, der først udforsker og afgrænser problemet og derefter udvikler og leverer løsninger. På den baggrund udvikles og afprøves en AI-prototype, Nova. Nova fungerer som en interaktiv AI-vejleder, der simulerer samtale i realtid og tilpasser sig den enkelte brugers behov. Brugeroplevelser undersøges med spørgeskemaer (kvantitative data) og semistrukturerede interviews (kvalitative samtaler med åbne spørgsmål). Analysen viser, at AI-understøttet vejledning kan øge tilgængeligheden og give mere målrettede anbefalinger, så brugere kan træffe mere informerede valg. Samtidig belyses udfordringer som etisk anvendelse af AI og risiko for bias (skævheder) i systemet. Afhandlingen peger afslutningsvis på, at AI på sigt kan ændre måden, vi træffer uddannelsesbeslutninger på i en digital tidsalder.
Choosing an education is complex. This thesis explores how artificial intelligence (AI) can be integrated into digital career guidance systems to support better decision-making and clarification processes. It draws on three perspectives: the Happenstance Learning Theory (which highlights that chance events can shape career paths and guidance should foster curiosity and flexibility), David Benyon’s user experience (UX) principles to ensure solutions are useful and usable, and a sociomaterial perspective (after Orlikowski) that sees technology and people as shaping each other—positioning AI as an active participant in guidance. Methodologically, the project uses an iterative, design-based approach combined with the Double Diamond model—a process that first explores and defines the problem and then develops and delivers solutions. On this basis, an AI prototype, Nova, is developed and evaluated. Nova acts as an interactive AI counselor, simulating real-time conversation and adapting to each user’s needs. User experiences are studied through surveys (quantitative data) and semi-structured interviews (qualitative conversations with open questions). The analysis indicates that AI-supported guidance can improve access and provide more tailored recommendations, helping users make more informed choices. At the same time, the thesis addresses challenges such as the ethical use of AI and the risk of bias in the system. Finally, it reflects on the long-term implications of AI in career guidance and its potential to reshape education decisions in a digital age.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]