When AI Classifies: What Counts as Public Administration?
Diese Studie zeigt, dass unterschiedliche wissenschaftliche Repräsentationssysteme, einschließlich KI-gestützter Methoden, grundlegend verschiedene und sich nicht überschneidende Klassifizierungen der Public Administration und der KI-bezogenen Forschung hervorbringen, was offenlegt, dass algorithmische Wissensorganisation eine nicht-neutrale, interpretative Kraft ist, welche die Disziplingrenzen formt und die fortwährende Notwendigkeit menschlichen Urteilsvermögens unterstreicht.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, jedes jemals geschriebene Buch über „Public Administration“ (wie Regierungen und öffentliche Dienste funktionieren) zu finden und speziell jene, die über „Künstliche Intelligenz“ (KI) sprechen.
Diese Arbeit stellt eine einfache, aber knifflige Frage: Spielt es eine Rolle, wie man nach diesen Büchern sucht?
Die Autoren, Shaoming Cheng und Laurie Schintler, beschlossen, dies zu testen, indem sie zwei verschiedene „Bibliotheken“ (Datenbanken) nutzten, um dasselbe Thema zu finden. Sie wollten sehen, ob die Werkzeuge, mit denen wir Wissen organisieren, tatsächlich das verändern, welches Wissen wir finden.
Hier ist die Geschichte ihrer Entdeckung, erklärt mit einigen alltäglichen Analogien.
Die zwei Bibliothekare: Der Mensch vs. der Roboter
Um die Studie zu verstehen, stellen Sie sich zwei verschiedene Bibliothekare vor, die versuchen, eine Leseliste für Sie zu erstellen.
- Bibliothekar A (Web of Science): Dieser Bibliothekar ist ein Traditionalist. Er verlässt sich auf ein strenges, vom Menschen geschaffenes Ablagesystem. Wenn ein Buch in einer Fachzeitschrift namens „Public Administration“ veröffentlicht wurde, kommt es in diesen Behälter. Wenn es in einer „Computer Science“-Zeitschrift steht, kommt es in einen anderen Behälter. Er vertraut den Etiketten, die die Autoren und Verleger auf die Bücher geklebt haben.
- Bibliothekar B (OpenAlex): Dieser Bibliothekar ist ein hochmoderner Roboter. Anstatt nur auf das Etikett des Buches zu schauen, liest der Roboter den gesamten Text von Millionen von Büchern, schaut sich an, wer wen zitiert hat, und nutzt KI, um zu erraten, worum es in dem Buch geht. Er erstellt seine eigenen Kategorien basierend auf Mustern, die er im Text findet.
Das Experiment: „KI in der Public Administration“ finden
Die Forscher baten beide Bibliothekare, alle Schriften über KI in der Public Administration zu finden. Sie erwarteten, dass der Roboter-Bibliothekar (OpenAlex) mehr Bücher finden würde, da er eine viel größere, offene Bibliothek durchsucht, die auch Entwürfe, Studentenarbeiten und Konferenznotizen umfasst, die der traditionelle Bibliothekar übersieht.
Das überraschende Ergebnis:
Der traditionelle Bibliothekar (Web of Science) fand tatsächlich mehr relevante Bücher über KI in der Public Administration als der Roboter-Bibliothekar.
Warum? Weil der Roboter-Bibliothekar durch die „interdisziplinäre“ Natur des Themas verwirrt wurde.
- Der menschliche Bibliothekar schaute auf den Titel der Fachzeitschrift. Wenn dort „Public Administration“ stand, zählte er es mit.
- Der Roboter-Bibliothekar schaute auf den Inhalt. Er sah eine Arbeit über KI in der Regierung, aber weil die Arbeit eine schwere Fachsprache aus der Informatik verwendete, entschied der Roboter: „Ah, das ist eindeutig eine Informatik-Arbeit“, und sortierte sie dort ein. Er zählte sie überhaupt nicht als „Public Administration“.
Die „Geisterstadt“ der Überschneidung
Der schockierendste Teil der Studie war der Mangel an Überschneidungen.
- Stellen Sie sich vor, der menschliche Bibliothekar gibt Ihnen eine Liste von 100 Büchern.
- Der Roboter-Bibliothekar gibt Ihnen eine Liste von 50 Büchern.
- Nur 2 Bücher erscheinen auf beiden Listen.
Es ist, als hätten sie nach demselben Schatz gesucht, aber der eine fand eine Truhe mit Goldmünzen und der andere eine Truhe mit Silbermünzen, und sie befanden sich in völlig unterschiedlichen Räumen. Sie fanden nicht nur unterschiedliche Mengen desselben, sondern sie fanden völlig unterschiedliche Dinge.
Der „Zeitreise“-Effekt
Die beiden Bibliothekare erzählten auch unterschiedliche Geschichten darüber, wann diese Forschung begann:
- Die Geschichte des Roboters: Er fand Arbeiten, die bis in das Jahr 1980 zurückreichen. Er deutete darauf hin, dass KI in der Regierung seit Jahrzehnten langsam wächst.
- Die Geschichte des Menschen: Er fand heraus, dass fast alle relevanten Arbeiten erst vor kurzem geschrieben wurden (seit 2023). Er deutete darauf hin, dass KI in der Regierung ein brandneuer, explodierender Trend ist.
Der Roboter sah die „langsame Diffusion“ von Ideen über viele Felder hinweg, während der Mensch den „explosiven Moment“ sah, in dem die Public-Administration-Gemeinschaft begann, offen darüber zu sprechen.
Die „Outfit“-Analogie
Denken Sie an einen Wissenschaftler, der eine Arbeit über KI in der Regierung schreibt.
- Wenn er in einer Public Administration-Fachzeitschrift publiziert, sieht der menschliche Bibliothekar ihn als einen „Public Administrator“.
- Wenn er in einer Social Work-Fachzeitschrift publiziert (weil er beispielsweise Sozialarbeitern hilft, KI zu nutzen), sieht der Roboter-Bibliothekar ihn als einen „Sozialarbeiter“.
- Wenn er auf einer Computer Science-Konferenz publiziert, sieht der Roboter-Bibliothekar ihn als einen „Programmierer“.
Die Arbeit argumentiert, dass wer man ist (als Forschungsfeld), völlig davon abhängt, wer einen betrachtet und welches Werkzeug man benutzt, um einen zu betrachten.
Die wichtigste Erkenntnis
Der Hauptpunkt dieser Arbeit ist, dass KI kein neutrales Werkzeug ist.
Wenn wir KI nutzen, um unser Wissen zu organisieren (wie das Sortieren von Büchern oder Papieren), suchen wir nicht nur nach Fakten; wir erschaffen die Realität.
- Wenn ein KI-System entscheidet, dass „KI in der Regierung“ in den Korb „Informatik“ gehört, dann werden Wissenschaftler der „Public Administration“ es vielleicht nie zu Gesicht bekommen.
- Wenn sie es nie sehen, werden sie es nicht zitieren, nicht lehren und nicht dafür Geld sammeln.
- Schließlich könnte das Feld der Public Administration in diesem Bereich tatsächlich aufhören zu wachsen – nicht, weil die Forschung nicht vorhanden wäre, sondern weil der Roboter-Bibliothekar sie versteckt hat.
Kurz gesagt: Die Arbeit warnt uns davor, dass wir es nicht einfach Robotern überlassen dürfen, zu entscheiden, was als ein spezifisches Forschungsfeld zählt. Wir brauchen menschliche Experten, die dem Roboter über die Schulter schauen und sagen: „Warte, diese Arbeit über KI in der Sozialarbeit ist tatsächlich auch Teil der Public Administration.“ Ohsne dieses menschliche Urteilsvermögen riskieren wir, genau die Verbindungen zu verlieren, die unser Wissen reich und vernetzt machen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.