hh.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Gen Z synar bluffen, eller?: Ungdomars förmåga att identifiera deepfake-bilder
Halmstad University, School of Information Technology.
Halmstad University, School of Information Technology.
2025 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
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.

Place, publisher, year, edition, pages
2025. , p. 48
Keywords [sv]
deepfake, AI, detektering, detektion, detekteringsverktyg, maskininlärning, generativ AI, bild, identifikation, social media, enkätstudie
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:hh:diva-56643OAI: oai:DiVA.org:hh-56643DiVA, id: diva2:1974763
Subject / course
Digital Forensics
Educational program
IT Forensics and Information Security, 180 credits
Supervisors
Examiners
Available from: 2025-06-24 Created: 2025-06-23 Last updated: 2025-10-01Bibliographically approved

Open Access in DiVA

fulltext(2353 kB)169 downloads
File information
File name FULLTEXT02.pdfFile size 2353 kBChecksum SHA-512
1ffac9b3bfe615272cb3e7e4b832207b2eb761752fadc2a864b86e8659862006b200d987f141f7d4a19aec9fe7e6b0782fe7f2ec1e189eb5df99fb535c0db851
Type fulltextMimetype application/pdf

By organisation
School of Information Technology
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 169 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 338 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf