The purpose of this quantitative study was to examine individuals ability to distinguish between AI-generated and real photographs, as well as to analyze how their self-assessed ability corresponded with their actual performance. The study also aimed to identify patterns related to age, prior experience, and psychological mechanisms such as reduced metacognitive insight, exemplified by the Dunning-Kruger effect. The study was conducted as a quantitative survey with 127 participants and consisted of three parts: an initial self-assessment of expected ability, a practical image classification task involvingAI-generated and real images, and a final self-evaluation of perceived performance.

Results showed that the ability to identify image authenticity varied clearly across groups. Younger participants and those with some experience using generative AI tools performed best. A gap between perceived and actual ability was observed, particularly among those with basic knowledge, indicating a mild presence of the Dunning-Kruger effect. Participants who rated their performance as fairly good achieved the highest accuracy, suggesting that metacognitive awareness plays a key role.

In conclusion, the findings highlight the need for increased awareness of how realistic AI-generated visual content can appear, especially in digital environments where the risk of misinterpretation and deception is high. The study also emphasizes the importance of understanding the limitations of self-assessed competence and the value of critical visual judgement in an era of rapidly advancing image synthesis.

Syftet med denna kvantitativa studie var att undersöka människors förmåga att skilja mellan AI-genererade och verkliga fotografier, samt analysera hur deras själv uppskattade förmåga stämmer överens med deras faktiska prestation. Studien hade även som mål att identifiera eventuella mönster kopplade till ålder,tidigare erfarenhet och psykologiska mekanismer såsom bristande metakognitiv insikt, vilket bland annat tar sig uttryck i Dunning-Kruger-effekten.

Undersökningen genomfördes som en kvantitativ enkätstudie med 127 deltagare och bestod av tre delar: förväntad förmåga, ett praktiskt test som går ut på att identifiera AI-genererade bilder och en avslutande del kring upplevd prestation.

Resultatet visade att förmågan att identifiera bildens äkthet varierade tydligt mellan grupper, där yngre deltagare och de med viss erfarenhet av generativa AI-modeller presterade bäst. Samtidigt noterades ett glapp mellan upplevd och faktiskt förmåga, särskilt bland deltagare med grundläggande kunskaper vilket tyder på en mild förekomst avDunning-Kruger-effekten. Deltagare som skattade sin prestation som "ganska bra" hade i själva verket bäst resultat vilket indikerar att metakognitiv medvetenhet är en viktig faktor.

Slutsatsen är att det finns ett tydligt behov av ökad medvetenhet om hur realistiskt AI-genererat bildinnehåll kan framstå, särskilt i digitala miljöer där risken för feltolkning och vilseledning är hög. Studien belyser även vikten av att förstå begränsningarna i självskattad kompetens och vikten av kritiskt visuellt omdöme i en tid av snabbt utvecklad bildsyntes, alltså AI:s förmåga att skapa bilder som ser verkliga ut men är helt artificiella.