Digitala Vetenskapliga Arkivet

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
Att överbrygga den artificiella generationsklyftan: En kvalitativ studie om attityder och inlärningsbehov till Generativ AI hos blivande och erfarna UX-designers
Stockholm University, Faculty of Social Sciences, Department of Computer and Systems Sciences.
Stockholm University, Faculty of Social Sciences, Department of Computer and Systems Sciences.
2024 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [sv]

Framväxten av generativ artificiell intelligens (GenAI) revolutionerar i nuläget olika kreativa domäner, särskilt området för UX-design. GenAI:s förmåga att automatisera repetitiva uppgifter och effektivisera arbetsflöden har dels öppnat nya möjligheter för designers att snabbt generera och utforska olika designalternativ, dels medfört farhågor om dess påverkan på professionen samt de nya utmaningar som kan uppstå. Trots dess växande inflytande har det gjorts begränsad forskning om UX-designers attityder till GenAI, särskilt bland blivande designers. Studien syftar till att fylla denna lucka genom att utforska skillnader i attityder och upplevda inlärningsbehov hos både blivande- och erfarna UX-designers angående de framväxande GenAI-teknologierna. Detta med utgångspunkt i två frågeställningar: (1) Hur skiljer sig attityden till att integrera generativ AI i designprocessen mellan erfarna - och blivande UX-designers? (2) Hur skiljer sig upplevelsen av inlärningsbehov för generativ AI mellan erfarna- och blivande UX-designers?. Genom att använda en kvalitativ kartläggning som forskningsstrategi samlades data in via tio semistrukturerade intervjuer med fem erfarna designers och fem UX-studenter, vilket möjliggjorde insamling av detaljerade perspektiv och erfarenheter. Intervjuerna transkriberades och analyserades med hjälp av induktiv tematisk analys för att identifiera återkommande teman och mönster i insamlad data.

Resultaten visade att blivande UX-designers generellt ser GenAI som ett stödjande verktyg för inspiration och idégenerering, men uttrycker skepticism mot tillförlitligheten hos AI-genererade resultat och oroar sig för framtida jobbmöjligheter på grund av ökad integration av tekniken. Gruppen erfarna UX-designers uttrycker även en viss skepticism mot GenAI-verktygen, främst kring förlusten av mänsklig kreativitet och kritiskt tänkande, men visar däremot en mer entusiastisk och optimistisk syn för framtida möjligheter. Resultaten visar även på skilda inlärningsbehov mellan grupperna. Blivande designers inlärningsbehov verkar främst drivas av oro för att inte uppfattas som attraktiva på arbetsmarknaden på grund av bristande kunskap, och efterfrågar därmed strukturerat pedagogiskt stöd och vägledning. Erfarna designers inlärningsbehov å andra sidan drivs av en nyfikenhet för att lära sig samt känslan av ett personligt ansvar att hålla sig uppdaterade om nya verktyg inom området. De värdesätter praktisk erfarenhet och kontinuerlig interaktion med GenAI-verktyg, och förespråkar en stödjande lärmiljö som uppmuntrar till experimentering och kunskapsdelning. Dessa insikter kan ligga till grund för utvecklingen av utbildningsprogram och GenAI-verktyg som tillgodoser de distinkta behoven hos både blivande- och erfarna UX-designers, vilket säkerställer att de effektivt kan navigera och använda framstegen inom GenAI.

Abstract [en]

The emergence of generative artificial intelligence (GenAI) is currently revolutionizing various creative domains, especially the field of UX design. GenAI's ability to automate repetitive tasks and streamline workflows has on the one hand opened up new opportunities for designers to quickly generate and explore different design options, but has on the other hand led to concerns about its impact on the profession and the new challenges that may arise. Despite its growing influence, there has been limited research on UX designers' attitudes toward GenAI, particularly among aspiring designers. The study aimed to fill this gap by exploring differences in attitudes and perceived learning needs of both aspiring and experienced UX designers regarding the emerging GenAI technologies. This is based on two research questions: (1) How does the attitude to integrating generative AI in the design process differ between experienced and aspiring UX designers? (2) How does the perceived learning need for generative AI differ between experienced and aspiring UX designers?. Using a qualitative survey as a research strategy, data was collected via ten semi-structured interviews with five experienced designers and five UX students, enabling the collection of detailed perspectives and experiences. The interviews were transcribed and analyzed using inductive thematic analysis to identify recurring themes and patterns in the collected data.

The results showed that aspiring UX designers generally view GenAI as a supportive tool for inspiration and idea generation, but express skepticism about the reliability of AI-generated results and worry about future job opportunities due to increased integration of the technology. The group of experienced UX designers expressed skepticism to a certain extent towards the GenAI tools as well, mainly around the loss of human creativity and critical thinking. However, they tend to have a more enthusiastic and optimistic view of the future possibilities. The results also reveal different learning needs between the groups. Aspiring designers' learning needs seem to be primarily driven by concerns about not being perceived as attractive in the labor market due to a lack of knowledge, and thus demand structured educational support and guidance. In contrast, Experienced designers' learning needs are driven by curiosity and a sense of personal responsibility to stay updated on new tools in the field. They value hands-on experience and continuous interaction with GenAI tools, and advocate a supportive learning environment that encourages experimentation and knowledge sharing. These insights are critical to developing educational programs and GenAI tools that address the distinct needs of both aspiring and experienced UX designers, ensuring they can effectively navigate and utilize advances in GenAI.

Place, publisher, year, edition, pages
2024.
Keywords [en]
Generative artificial intelligence (GenAI), user experience design (UX-design), attitudes, learning needs, qualitative research, thematic analysis
Keywords [sv]
Generativ artificiell intelligens (GenAI), user experience design (UX-design), attityder, inlärningsbehov, kvalitativ forskning, tematisk analys
National Category
Human Computer Interaction
Identifiers
URN: urn:nbn:se:su:diva-242653OAI: oai:DiVA.org:su-242653DiVA, id: diva2:1955544
Available from: 2025-04-30 Created: 2025-04-30

Open Access in DiVA

fulltext(1121 kB)14 downloads
File information
File name FULLTEXT01.pdfFile size 1121 kBChecksum SHA-512
44aefa587622124480176711be105f2e5351cf85117065c35d7642e98d5b427ce9dff36d9df7a84f3bdf02eb2943569e22a023dd7c437d754d6a1c7919d915dc
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Almbark, VanessaLaroussi Salah, Sara
By organisation
Department of Computer and Systems Sciences
Human Computer Interaction

Search outside of DiVA

GoogleGoogle Scholar
Total: 14 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: 26 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