Systematiske kunnskapsoppsummeringer som er basert på transparent, etterprøvbar og faglig fundert metodologi, gir oversikt over et forskningsfelt og identifiserer kunnskapsbehov. De er dermed godt egnet som grunnlag for politiske beslutninger. Men kan kunstig intelligens (KI) skrive dem?
Sabine Wollscheid, forsker 1, NIFU
Henrik Karlstrøm, forsker 2, NIFU
Fride Flobakk-Sitter, forsker 2, NIFU
Ida Svege, forsker 2, NIFU
Det er økt behov for oppsummert kunnskap som støtte for politikkutforming. Stortingsmeldingen Sikker kunnskap i en usikker verden (Meld. St. 14) nevner etterprøvbar kunnskap som en forutsetning for et åpent og demokratisk samfunn med gode beslutningsprosesser.
Det er lansert KI-baserte verktøy for utarbeidelse av systematiske kunnskapsoppsummeringer som lover rask oppsummering av store mengder forskningslitteratur, men disse kan ikke erstatte den nødvendige menneskelige forskningsekspertisen (Clark et al., 2025). KI kan derimot effektivisere og til dels automatisere deler av forskningsprosessen – så lenge det brukes på en fornuftig måte i kombinasjon med forsknings- og metodeekspertise.
Effektivisering og automatisering av Forskningsprosessen
Å ta forskning raskere i bruk har blitt et slagord. Det er selvsagt ønskelig å ta i bruk den tilgjengelige kunnskapen når denne foreligger, men det kan være problematisk å fremskynde selve forskningsprosessen ved å ta i bruk avanserte verktøy for å levere kjappe svar på komplekse spørsmål.
KI-baserte verktøy, for eksempel store språkmodeller og maskinlæring, brukes i økende grad også i kunnskapsoppsummeringer. Dette kan redusere tid, kostnader og arbeid i forskningsprosessen, og dermed bidra til raskere tilgang til forskningsbasert kunnskap for å informere politikkutforming.
KI-baserte verktøy må imidlertid benyttes varsomt. For eksempel kan bruk av KI og maskinlæring gjøre forskningsprosessen mindre transparent og reproduserbar – noe som vil gå på bekostning av kvalitet.
Det er også forskjeller mellom fagdisipliner og fagfelt. Bruk av store språkmodeller i screening og datauttrekk gir for eksempel mer pålitelige resultater i fag med høyere grad av standardisert og kodifisert språk, som medisin. Innenfor samfunnsvitenskap er dette vanskeligere, selv om det pågår en automatisering i forskningsprosessen i store deler av dette fagområdet.
Her vil vi fokusere på bruken av KI-baserte verktøy i kunnskapsoppsummeringer innenfor samfunnsvitenskap.
KI-baserte verktøy kan ikke erstatte forskningsekspertise i operasjonaliseringen av forskningsspørsmål
Det første trinnet i en kunnskapsoppsummering er å utvikle og operasjonalisere forskningsspørsmål. Store språkmodeller kan brukes til idégenerering for å utforme forslag til forskningsspørsmål, men forsvarlig bruk av KI-baserte verktøy i dette trinnet krever fag- og metodeekspertise. Ikke bare trengs ekspertise for å lage gode spørringer til språkmodellen og for å luke ut irrelevante forslag; det trengs også fag- og metodekunnskap for å vurdere og utvikle forskningsspørsmålene slik at de er egnet for og kan besvares med en systematisk kunnskapsoppsummering.
KI-baserte verktøy kan bidra til å utforme søkestrenger, men det trengs manuell validering
I trinn to utformes søkestrenger for gjennomføring av systematiske søk i databaser. Utformingen av søkestrengen er tidkrevende fordi dette ofte innebærer å teste ut begreper, både isolert og i kombinasjon med andre begrep.
I tillegg må søkestrenger tilpasses ulike databaser. Denne iterative utprøvingen er viktig fordi mangelfulle søkestrenger kan utelate sentrale forskningsbidrag og skape skjevhet i datamaterialet. For å oppnå et mest mulig representativt utvalg må man derfor finne den rette balansen mellom presisjon og full dekning.
Språkmodeller har potensial for å effektivt genere og redigere fungerende og komplekse søkestrenger, men foreløpig innfrir ikke modellene kravet om transparens. De har heller ingen evne til å vurdere kvaliteten på resultatet. Manuell validering og justering av litteratursøket er derfor avgjørende.
KI-baserte verktøy kan bidra til å effektivisere utvelgelse av forskningslitteratur
Utvelgelse av forskningslitteratur innebærer at man systematisk vurderer studiene fra litteratursøket og velger ut de som oppfyller kriteriene som gjelder. Dette er ressurskrevende, spesielt hvis man søker å innfri kvalitetskravet om at to forskere skal vurdere materialet uavhengig av hverandre.
KI-baserte verktøy som maskinlæring kan imidlertid redusere ressursbruken i screeningprosessen (Karlstrøm, 2024). I tillegg til å arbeide raskere enn mennesker, kan verktøyet fungere som en ekstern kontrollinstans. Samtidig må også her valg av nye KI-baserte verktøy alltid ta hensyn til fagets egenart.
KI-baserte verktøy kan i noen grad bidra til å analysere og oppsummere forskningslitteratur
Å kritisk vurdere forskningslitteratur og oppsummere forskningsresultatene anses som de mest krevende fasene i en systematisk kunnskapsoppsummering. KI-baserte verktøy kan benyttes for å automatisk ekstrahere tekst fra dokumenter og for å identifisere kjernebegreper, ord og temaer, men ukritisk bruk av slike verktøy kan skape systematiske feil.
I automatisk generert innholdsanalyse kan informasjon om konteksten forsvinne, noe som vil føre til skjevheter i datamaterialet og uriktige konklusjoner. Selv om KI-baserte analyseverktøy kan benyttes for å oppsummere studienes resultater og kritisk vurdere studiens kvalitet er det behov for forskerkompetanse for å veilede analyseverktøyet gjennom prosessen (Karlstrøm, 2024).
KI-baserte verktøy – nyttige for å effektivisere og forbedre deler av prosessen av kunnskapsoppsummeringer
Systematiske kunnskapsoppsummeringer er en forskningsmetode som kan dra nytte av KI-basert teknologi, i likhet med andre forskningsmetoder. Slike oppsummeringer er svært krevende å gjennomføre. Her kan automatiseringen bidra til å redusere ressursbruk knyttet til rutineoppgaver i forskningsprosessen, og i noen tilfeller redusere menneskelige skjevheter. Samtidig kan KI-baserte verktøy på ingen måte erstatte forskerkompetanse og metodekunnskap.
Systematiske kunnskapsoppsummeringer er basert på vitenskapelige standarder på lik linje med annen forskningsdesign. Å ta i bruk KI-baserte verktøy som tar selvstendige valg, uten at man har god forståelse av datagrunnlaget og kriteriene som ligger til grunn for valgene, strider imot metodikkens idealer og kan undergrave funnene. Det er avgjørende å bruke tid i forkant for å velge ut verktøy som har blitt evaluert for bruk, både med tanke på forskningsfeltets egenart og de ulike fasene i forskningsprosessen.
Systematisk kunnskapsoppsummering
En systematisk kunnskapsoppsummering er en «forhåndsplanlagt sammenstilling av eksisterende forskning som er utarbeidet på en systematisk og transparent måte ved hjelp av anerkjente vitenskapelige metoder og kriterier» (Nordbø et al., 2019).
En systematisk kunnskapsoppsummering er «forskning på forskning». Den må utføres på en transparent og redelig måte for å unngå systematiske feil. Det er også viktig å ha et bevisst forhold til hva slags problemstilling kunnskapsoppsummeringen skal besvare.
En systematisk kunnskapsoppsummering følger en strukturert prosess bestående av ulike faser som er:
1) Formulering og operasjonalisering av problemstilling;
2) litteratursøk og utvalg av studier;
3) uttrekks- og kodefase;
4) kvalitetsvurdering;
5) analyse og rapportering (Munthe et al. 2022).
Referanser
Clark, J., Barton, B., Albarqouni, L., Byambasuren, O., Jowsey, T., Keogh, J., … & Jones, M. (2025). Generative artificial intelligence use in evidence synthesis: A systematic review. Research Synthesis Methods, 1-19.
Kunnskapsdepartementet (2025): Meld. St. 14 (2024 –2025) Sikker kunnskap i en usikker verden.
Karlstrøm, H. (2024). Uses of artificial intelligence and machine learning in systematic reviews in educational research. London Review of Education. 22(1), 40. DOI: https://doi.org/10.14324/LRE.22.1.40.
Munthe, E., et al. (2022). «Systematisk kunnskapsoppsummering utdanningssektoren.» Norsk Pedagogisk Tidsskrift(2): 131-144.
Nordbø, E.C.A., Berg, R.C., Westergren, T., Munthe, E., Jamtvedt, G., Ulstein, K., Lund, H. (2019). Grunnlagsdokument for NORNESK. Norsk nettverk for systematiske kunnskapsoppsummeringer.
Wollscheid, S., Karlstrøm, H., Fossum L.W. (2024). Kunstig intelligens: Supplement eller erstatning for kunnskapsoppsummeringer? Innsikt, Nr. 4. NIFU.
Illustrasjon: DrAfter123