AI och informationssökning

Vilket material är sökbart i verktyget?

Det här är en fråga som du alltid ska ställa vid informationssökning men den kan bli extra viktig när det gäller nya verktyg från nya leverantörer. Vissa verktyg innehåller endast fritt tillgängligt (open access) material. Det material biblioteket prenumererar på kan du inte hitta där. Ett verktyg kan ha en bred täckning över olika ämnen eller endast var lämpligt för vissa specifika ämnen. Antalet publikationer som är sökbara varierar mellan olika verktyg. Typen av material kan också variera och visst innehåll kan vara vetenskapligt medan annat inte är det. Som alltid när du söker information för dina studier är det viktigt att du granskar källorna du hittar. 

Vilket data har använts för att träna de AI-modeller som används?

För att exempelvis upptäcka likheter mellan artiklar så tränas en modell med en stor mängd data. Även om det ofta handlar om väldigt mycket data så är mängden alltid begränsad, det kan röra sig om begränsningar i storlek, bredd och aktualitet. Ibland redovisas heller inte vilken data som använts.

Obalans i träningsunderlaget kan slå igenom och riskerar att generera ”bias” i modellen. Har träning utförts med data från vissa källor under en viss tidperiod så är det generaliseringar från den tiden och de källorna som kommer att synas i vad modellen levererar. Exempelvis kan en modell tränad med teknisk litteratur vara sämre på att hitta relaterade artiklar inom samhällsvetenskap och humaniora. 

Hur används det du matar in i verktyget?

Det du skriver in i verktyget eller dokument du laddar upp kan sparas och användas av verktyget på sätt du inte har kontroll över. Verktyg kan kontinuerligt förbättra sina modeller genom att använda sig av nya data från användare. Du bör aldrig mata in känsliga data, personuppgifter eller data som inte kan spridas fritt. 

Vilken grad av transparens och replikerbarhet kräver sökuppgiften?

Transparens, att vara öppen med och redovisa hur du kommit fram till ett resultat, är en grundläggande princip inom forskning och vetenskap som du alltid ska tillämpa i dina studier. Replikerbarhet är en annan grundläggande princip som går ut på att någon annan ska kunna återskapa det du gjort och komma fram till samma resultat.

Ibland beskrivs många AI-verktyg som av ”black box”-typ. Du ger verktyget input i form av till exempel en sökfråga eller ett antal artiklar och den levererar ett resultat. Det kan dock vara svårt att peka på exakt vad det var som gjorde att resultatet blev det som det blev. Därmed blir det ett helt annat sätt att upptäcka artiklar på jämfört med när du använder dig av ämnesord och söktermer som du själv kan se finns i beskrivningarna av artiklarna.

När AI-modeller tränas så används också ofta sannolikhetsberäkningar vilket medför att samma input kan ge olika resultat. Det här påverkar hur transparanta verktygen är och hur replikerbara resultaten är i sig. Oavsett verktyg gäller dock att du behöver vara öppen med vilka verktyg du använt och vilka resultat du fått.