ľ¹Ï¸£ÀûÓ°ÊÓ

Generative AI (GenAI) biedt potentiële voordelen voor onderzoekers en ondersteunend personeel. Onthoud dat GenAI geen vervanger is van expertise en menselijk inzicht. Gebruik het daarom als aanvullende tool, waar dit relevant en gepast is. Vertrouw niet te veel op GenAI in je werk. 

Voordelen en toepassingen

Enkele voorbeelden van voordelen en nuttig gebruik van GenAI in onderzoek(sondersteuning) zijn:

Teksten opstellen en verbeteren

GenAI kan snel eerste kladversies opstellen voor paragrafen van een document, zoals een artikel of onderzoeksvoorstel. Aangezien het schrijven van een eerste kladversie een barrière kan zijn, kan GenAI een startpunt geven om op voort te bouwen en kostbare tijd besparen voor onderzoekers en onderzoeksondersteunend personeel. Het kan ook helpen om tekst op te poetsen of beknopter te maken (bijvoorbeeld om binnen een woordenlimiet te passen). 

Data-analyse en patroonherkenning

GenAI blinkt uit in het identificeren van complexe patronen in grote datasets, wat inzichten kan onthullen die over het hoofd kunnen worden gezien door menselijke onderzoekers. Wees altijd zeer kritisch over de resultaten, aangezien deze foutief of biased kunnen zijn.

Interlinguïstieke inclusiviteit

Een goed voorbeeld van GenAI-gebruik is het gebruiken van automatische vertaling om taalbarrières te overbruggen (bijvoorbeeld e-mails vertalen). Aangezien onderzoekspapers en -voorstellen meestal in het Engels zijn geschreven, is GenAI vooral nuttig voor mensen die Engels niet als moedertaal hebben.

Taakautomatisering voor onderzoeksprojecten

GenAI kan helpen bij het opstellen van voortgangsrapporten en notulen van vergaderingen, of samenvattingen maken van vergaderingen of communicatieketens.

Uitgebreide/complexe informatie samenvatten

GenAI kan lange of complexe documenten samenvatten, waardoor het gemakkelijker wordt om essentiële inzichten op de voorgrond te plaatsen en belangrijke punten te communiceren naar collega's. Ondersteunend personeel voor finance kan bijvoorbeeld GenAI gebruiken om financieringsverzoeken of geschiktheidscriteria samen te vatten en in te korten, waardoor onderzoekers alleen de informatie te zien krijgen die het relevantst is voor hen. 

Experimentele ontwerpoptimalisatie

AI-modellen kunnen helpen in het ontwerpen van efficiëntere experimenten door optimale parameters, steekproefomvangen en methodieken voor te stellen op basis van eerdere studies.

Literatuurbeoordelingsassistentie

GenAI kan literatuurbeoordelingen faciliteren door literatuur te synthesiseren of samen te vatten, maar gebruikers moeten altijd de resultaten factchecken. GenAI is minder geschikt om relevante literatuur te identificeren of correct samen te vatten. Uitkomsten hangen af van waar het model op is getraind en/of of het model output kan genereren op basis van live web searches. Er zijn tools die betrouwbaarder zijn; een voorbeeld hiervan is ASReview, dat is ontwikkeld aan de UU.

Code-generatie

Onderzoekers vinden GenAI-modellen steeds nuttiger om code te programmeren op basis van een linguïstieke prompt, om code te vertalen van de ene taal naar de andere, om nuttige hints te krijgen voor codecontinuëring binnen hun programmeeromgeving, of om documentatie te creëren en te assisteren met het debuggen van code. Er bestaan ook codespecifieke modellen.