KI-konsekvenser for forskning

Her er et (automatisk) oversatt og lett redigert utdrag fra delen med litteraturgjennomgang i Butson, R., & Spronken-Smith, R. (2024). AI and its implications for research in higher education: a critical dialogue. Higher Education Research & Development43(3), 563–577. https://doi.org/10.1080/07294360.2023.2280200

Denne interessante artikkelen beskriver særlig de kvantitative endringene som KI bringer til torgs i forskningen, – raskere, mer omfattende, mer detaljert og komplekst. Den nærmer seg likevel kvalitative endringer som nytt forhold til kunnskap, men uten å beskrive nærmere hva dette nye forholdet består i. (Hint: Kunnskap er blitt en vare.)


  • Kunstig intelligens (KI) har endret forskningslandskapet i akademia. Den er  en katalysator på metodeinnovasjon og bredere forandringer i akademiske paradigmer.
  • KI gjør det mulig å håndtere komplekse datasett og forskningsspørsmål i en skala som tidligere var utenkelig, og frigjør forskere fra tidkrevende og monotone oppgaver som tradisjonelt utgjorde forskningens innledende faser. Det gir ikke bare større effektivitet, men også større pålitelighet og reproduserbarhet i forskningen.
  • Videre griper KI over mer intellektuelt krevende oppgaver, som kompleks innholdsanalyse og det å påvise utviklingstrekk og uløste problemer.
  • KIs evne i naturlig språkbehandling er uvurderlig for litteraturgjennomgang siden algoritmer kan skanne og oppsummere omfattende litteraturmengder, og fremheve områder for fremtidig forskning.
  • KI underletter også tverrfaglig forskning ved å analysere datasett fra forskjellige fagområder raskt og effektivt, noe som åpner for nye prosjekter og samarbeid.
  • På det epistemologiske plan har KI dype konsekvenser ved å muliggjøre mer komplekse og omfattende analyser, noe som utvider forståelsen av fenomener og redefinerer hva som kan erkjennes og studeres. KI er en aktiv deltaker i forskningsprosessen, og former hvordan forskning utføres og hvilke spørsmål som kan stilles og besvares.
  • KI påvirker også de grunnleggende strukturene i akademiske prosedyrer, og utfordrer tradisjonelle metoder ved å rekonfigurere hvordan forskere forholder seg til eksisterende kunnskap.
  • Skriveprosess og publisering er også påvirket av KI, som omformer relasjoner til tekst og endrer paradigmer for fagfellevurdering.
  • KI endrer ikke bare tempoet i forskningspraksisen, men også hvordan vi tenker om forskningsproblemer og hva vi anser som kunnskap.
  • Dette krever håndtering av nye etiske og metodologiske spørsmål, som databeskyttelse og informert samtykke, noe som utfordrer tradisjonelle etiske retningslinjer og krever en flerfaglig dialog.
  • I tillegg til å utfordre tradisjonelle forskningsmetoder, presenterer KI også metodologiske skjevheter ved å favorisere kvantitative målinger på bekostnibg av kvalitativ innsikt. Denne tendensen, kjent som “komputasjonell determinisme”, kan utilsiktet snevre inn forskningens rekkevidde, noe som fører til skjeve eller ufullstendige funn. Videre utfordrer “black box”-naturen til mange KI-algoritmer de vitenskapelige idealene om transparens og replikerbarhet.

Den fundamentale utfordringen KI bringer til akademisk forskning er imidlertid ikke bare teknologisk.

  • Algoritmer som primært er designet for mønsterkjennelse er ikke utstyrt til å skille ut årsakssammenhenger – et kritisk aspekt ved akademisk forskning. Dette er ikke et lite problem, men en grunnleggende utfordring for grunnprinsippene i vitenskapelig undersøkelse.
  • Dessuten blir KIs mangler tydelige i disipliner som er dypt forankret i kvalitative metoder, slik som humaniora og samfunnsvitenskap. Mens algoritmer kan bearbeide enorme mengder kvantitative data, står de overfor utfordringer når det kreves nyansert forståelse og kontekstuell tolkning.

Dette teknologiske mangelfulle samsvaret med epistemologiske rammeverk som disse disiplinene bygger på, er ikke bare et teknologisk underskudd; det representerer en dyp misforståelse av kunnskapsbaserte strukturer.