Veileder: Gabrielle Hansen
Beskrivelse av oppgaven: Denne oppgaven undersøker et nytt introduksjonskurs i IT, utviklet spesielt for LUR-studenter. Kurset skiller seg radikalt fra tradisjonelle IT-introkurs ved å fokusere på mestringslæring uten bruk av eksamener, øvinger, eller forelesninger. Hensikten er å tilby en ny tilnærming som stimulerer selvstendig læring og mestringsfølelse hos studentene.
Læringsassistener fra Excited: Oda Bang-Olsen, Joakim Pettersen Vassbakk

Veileder: Rune Hjelsvold
Beskrivelse av oppgaven: Dette prosjektet, ledet av Klynge 1 i Excited, analyserer læringsutbyttebeskrivelser for norske bachelorprogrammer i IT. Formålet er å vurdere kvaliteten på beskrivelsene, klassifisere dem i henhold til Blooms taksonomi, og undersøke dekningen av "soft skills". Prosjektet innebærer å hente ned og analysere de nyeste beskrivelsene, sammenligne dem med tidligere versjoner, og gjennomføre en konsistenssjekk for å gruppere lignende beskrivelser på tvers av studieprogrammer og studiesteder.
Læringsassistenter fra Excited: Tirl Sjøberg, Karan Singh Sandhu, Thomas Nitsche, Cathrine Libæk 

Veileder: Trond Aalberg
Beskrivelse av oppgaven: Dette prosjektet tar for seg bruken av ChatGPT som et verktøy i grunnleggende programmeringsopplæring. Gjennom observasjoner og intervjuer med studenter vil forskerne undersøke hvordan ChatGPT kan støtte læringsprosesser og forståelse i programmering. Arbeidet inkluderer en Excited arbeidsdag, hvor forskere og studenter samarbeider for å utvikle en forståelse av ChatGPTs potensial og begrensninger som støtteverktøy i undervisning.
Læringsassistenter fra Excited: Hanna Jacobsen, Hanna Kongelf, Anton Tveito

Veileder: Aamna Rais Ahmed, Line Kolas
Beskrivelse av oppgaven: Prosjektet er en systematisk litteraturgjennomgang av "Blended Project-Based Learning" (BPBL) innen høyere datavitenskapelig utdanning. Målet er å analysere hvordan BPBL blir definert, implementert og evaluert i forskning. Læringsassistenter vil få utdelt forskningsartikler og bruke et analytisk rammeverk for å kartlegge definisjoner, implementasjonsmetoder og forskningsresultater knyttet til BPBL. Resultatene skal bidra til å forstå effekten av BPBL i datavitenskapelig utdanning og veilede fremtidig undervisningspraksis.
Læringsassistenter fra Excited: Karan Singh Sandhu, Anton Tveito

Veileder: Line Kolås
Beskrivelse av oppgaven: Dette prosjektet omhandler analyse av programmeringsspill for voksne, med sikte på å evaluere spillenes egnethet for læring av programmering. Arbeidet inkluderer innsamling og rensing av data for å utelukke spill som ikke passer kriteriene for inkludering. I tillegg vil forskerne, sammen med læringsassistenter, spille og analysere spillene ved bruk av et analytisk rammeverk, som er under utvikling. Målet er å forstå hvordan disse spillene kan fungere som læringsverktøy for nybegynnere i programmering.
Læringsassistenter fra Excited: Anna Holden Jacobsen, Tiril Sjøberg og Hanna Kongelf

Veileder: Birgit R. Krogstie
Beskrivelse av oppgaven: Dette prosjektet er første steg i en større satsning for å integrere bærekraft på en meningsfull måte i bachelor- og masteroppgaver ved IDI. Bærekraft er nevnt i varierende grad i læringsutbyttene, men mange studenter opplever det som utfordrende å inkludere det på en god måte. Målet med denne fasen er å samle og strukturere relevante ressurser som skal gjøres tilgjengelige på en nettside innen utgangen av mars. Ressursene skal hjelpe studenter, veiledere, emneansvarlige og sensorer med å inkludere bærekraft i oppgaver uten at det blir en overfladisk pliktøvelse. Arbeidet innebærer å samle eksisterende rammeverk, snakke med relevante personer og finne eksempler på bærekraftsdiskusjoner i oppgaver.
Læringsassistenter fra Excited: Anton Tveito, Camilla Szwarc Jensen, Hanne Heggdal

Veiledere: Guttorm Sindre (NTNU), Mariusz Nowostawski (NTNU), Line Kolås (Nord), Robin Munkvold (Nord)
Beskrivelse av oppgaven: Dette prosjektet undersøker forskjeller og likheter i svar fra ulike KI-verktøy over tid. Hver måned stilles de samme fem spørsmålene—to med rene tekstsvar og tre med tekst og Python—til ChatGPT, Bing Copilot og Gemini. Forskningsfokuset er på variasjoner mellom verktøy, brukere og tidspunkt, samt om svarenes kvalitet utvikler seg over tid. Hittil er semantisk likhet analysert ved hjelp av Word-dokumenter og et Python-skript med Sentence-BERT. Neste steg er en mer detaljert analyse, både manuelt og automatisk, med utgangspunkt i det femte spørsmålet. Viktige aspekter inkluderer å vurdere tema, nødvendig kompetanse og oppgavens egnethet, samt å analysere kvalitet, kompleksitet og variasjon i de foreslåtte løsningene.
 

Veileder: Guttorm Sindre
Beskrivelse av oppgaven: «Lære å lære», studenter må ofte finne ut av det meste selv og får lite innføring i studieteknikker. Ideen på dette prosjektet er å lage ressurser som f.eks. videoer som studenter kan bruke. Ressursene kan inneholde tips til god studieteknikk, hvordan Blackboard/Canva kan understøtte dette og i et format som appellerer, blir brukt og dermed blir nyttig for mange studenter. For å unngå å lage masse ressurser på noe som knapt blir brukt er tanken å starte med å lage en MVP. En enkelt ressurs, med et innhold som vi har tro på at kan være til nytte for mange studenter og teste ut konseptet på målgruppen. Videre vil hver iterasjon lære oss noe, som vi kan bruke til å utvikle konseptet videre og til mer ressurser som funker.
Læringsassistenter fra Excited: Petra Flores Halvorsen

Veileder: Dag Olav Kjellmo
Beskrivelse av oppgaven: Støtt læring ved å utnytte AI-teknologi uten å redusere den kognitive innsatsen som er nødvendig for god læring. Vi har utviklet et rammeverk som gir tilbakemeldinger av høy pedagogisk kvalitet. For våren 2026 er fokuset i større grad på å teste rammeverket og videreutvikle det. Et nytt KI-verktøy er på vei inn i ITGK. Den siste tiden har noen av våre læringsassistenter jobbet på et prosjekt for emnet TDT4110 Informasjonsteknologi, grunnkurs. De har vært med på å utvikle et system integrert i ITGK-øvingsopplegget, som bruker KI til å generere spørsmål og gi tilbakemelding på studentenes kode gjennom en chatbot.

Med økt bruk av generativ AI har man sett lavere oppmøte på læringsassistenttimer og mindre bruk av tradisjonell veiledning. Målet med løsningen er derfor å bruke KI på en måte som støtter læring, ved å gi spørsmål og hint fremfor direkte svar, og dermed etterligne den klassiske læringsprosessen.Tanken fremover er å bruke tilbakemeldingene fra brukertester til å videreutvikle verktøyet og forbedre promptingen til LLM-en/chatbotten. Vi gleder oss til å få løsningen ut til studentene.
Læringsassistenter fra Excited: Håkon Ringen, Jessica Liu

Veileder: Trond Aalberg
Beskrivelse av oppgaven: Laget en spørsmålsbank som skal prøves ut i DigiWind og deretter videreutvikle dette. Det skal gjøres gjennom å finpusse formuleringer og utvalg av spørsmål, kvalitetssikre ved å teste det ut og får tilbakemeldinger fra faglærere, oversette til norsk og teste ut hvordan et slikt skjema kan gjøres til en åpen ressurs.
Læringsassistenter fra Excited: Thea Slemdal Bergersen, Aurora Nordseth Fredriksen

Veileder: Monica Divitini og Swetlana Fast
Beskrivelse av oppgaven: Hovedoppgaven er å analysere prosjektsøknader, lage en oversikt over foreslåtte tiltak og hvem som er søkere. Videre går det ut på å intervjue faglærere av avsluttede miniprosjekter og ha spørreundersøkelser. Målet med dette er å finne ut om metodene eller verktøyene utviklet/testet i miniprosjekter fortsatt er i bruk, er videreutviklet eller delt med kollegaer. Oppgavene til læringsassistentene har derfor bestått mye av å lage intervjuguide, gjennomføre intervjuer, transkribering.
Læringsassistenter fra Excited: Anton Tveito, August Middelkoop, Jørgen Holt, Jessica Liu

Veileder: Somayeh Bayat Esfandani
Beskrivelse av oppgaven: Vurdering av medstudenters kode og prosjekter kan være særlig utfordrende for informatikkstudenter, spesielt når de mangler tilstrekkelig fagkunnskap, en utfordring som konsekvent er bekreftet i vår tidligere forskning. For å møte dette problemet har vi som mål å integrere kunstig intelligens i vurderingsprosessen av medstudenters prosjekter. Det foreslåtte systemet vil tilby fagtilpasset konseptuell støtte, konkrete eksempler og trinnvis veiledning for å hjelpe studenter med å evaluere medstudenters prosjekter mer effektivt. På denne måten blir vurderingsprosessen ikke bare enklere, men også en verdifull læringsmulighet som gjør det mulig for studentene å utvikle dypere forståelse og gi tilbakemeldinger av høyere kvalitet og mer konstruktiv karakter. For å gjennomføre denne tilnærmingen planlegger vi å utvikle en Visual Studio-utvidelse som skal tas i bruk i et programmeringskurs i det kommende semesteret.
Læringsassistenter fra Excited: August Middelkoop, Johan Knudsen