hh.sePublikasjoner
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Gen Z synar bluffen, eller?: Ungdomars förmåga att identifiera deepfake-bilder
Högskolan i Halmstad, Akademin för informationsteknologi.
Högskolan i Halmstad, Akademin för informationsteknologi.
2025 (svensk)Independent thesis Basic level (degree of Bachelor), 10 poäng / 15 hpOppgave
Abstract [sv]

Denna studie undersöker hur väl ungdomar i åldrarna 15-16 år kan urskilja deepfake-bilder och verkliga bilder, både med och utan ett tekniskt detekteringsverktyg som stöd. 

Studien bygger på två frågeställningar kring hur väl ungdomar kan känna igen deepfake-bilder utan ett tekniskt hjälpmedel samt vilken effekt ett specifikt tekniskt hjälpmedel har på deras bedömning. 

Arbetet inleddes med en jämförelse av flera olika detekteringsverktyg, där Sightengine valdes ut som det bäst lämpade. Därefter genomfördes ett kvasi-experiment med fyra skolklasser i årskurs 9, varav två klasser fungerade som kontrollgrupp och två som testgrupp. Ungdomarna fick, genom en enkät med 12 bilder, bedöma huruvida de trodde varje bild var en deepfake-bild eller verklig bild. 

Resultaten visar att testklasserna identifierade deepfake-bilder med högre precision än kontrollklasserna. Resultatet visar även att tekniskt stöd i form av ett detekteringsverktyg kan förbättrade ungdomarnas förmåga att identifiera manipulerat innehåll. Förtroendet för den egna bedömningsförmågan är hög hos ungdomarna, där majoriteten bedömer sin förmåga över 5 på en skala 0-10. I kontrollklasserna var det en majoritet som svarade rätt på 7 av 12 bilder och i testklasserna en majoritet på 10 av 12 bilder.

sted, utgiver, år, opplag, sider
2025. , s. 48
Emneord [sv]
deepfake, AI, detektering, detektion, detekteringsverktyg, maskininlärning, generativ AI, bild, identifikation, social media, enkätstudie
HSV kategori
Identifikatorer
URN: urn:nbn:se:hh:diva-56643OAI: oai:DiVA.org:hh-56643DiVA, id: diva2:1974763
Fag / kurs
Digital Forensics
Utdanningsprogram
IT Forensics and Information Security, 180 credits
Veileder
Examiner
Tilgjengelig fra: 2025-06-24 Laget: 2025-06-23 Sist oppdatert: 2025-10-01bibliografisk kontrollert

Open Access i DiVA

fulltext(2353 kB)181 nedlastinger
Filinformasjon
Fil FULLTEXT02.pdfFilstørrelse 2353 kBChecksum SHA-512
1ffac9b3bfe615272cb3e7e4b832207b2eb761752fadc2a864b86e8659862006b200d987f141f7d4a19aec9fe7e6b0782fe7f2ec1e189eb5df99fb535c0db851
Type fulltextMimetype application/pdf

Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 181 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

urn-nbn

Altmetric

urn-nbn
Totalt: 342 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf