Normative boundaries of AI in scientific work: Evidence from PhD researchers
Basierend auf einer Umfrage unter 3.785 internationalen PhD-Forschenden identifiziert diese Studie vier distinkte Einstellungsprofile hinsichtlich KI in der wissenschaftlichen Arbeit und zeigt auf, dass das Komfortniveau der Forschenden durch aufgabenspezifische Grenzen definiert wird – wobei KI für Literaturaufgaben akzeptiert, ihr Einsatz jedoch bei zentralen intellektuellen Beiträgen wie dem Schreiben und dem experimentellen Design abgelehnt wird –, anstatt einer einfachen Binärität von Akzeptanz oder Ablehnung zu folgen.
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
Die Wissenschaft war schon immer ein menschliches Bestreben, ein Prozess, bei dem Forscher Fragen stellen, Beweise sammeln und durch ihr eigenes Denken und Handeln neues Verständnis aufbauen. Doch ein neues Werkzeug ist in das Labor und die Bibliothek eingetreten: künstliche Intelligenz. Diese Systeme können nun Texte schreiben, Zahlen analysieren und durch riesige Mengen an Informationen suchen, schneller als jeder Mensch es könnte. Dieser Wandel wirft eine fundamentale Frage für die Zukunft der Entdeckung auf: Wenn eine Maschine die Arbeit erledigt, wer denkt dann eigentlich? Die Sorge gilt nicht nur der Frage, ob die Arbeit erledigt wird, sondern wie sich die Natur der Forschung verändert, wenn Mensch und Maschine die Last teilen. Wenn ein Computer einen Artikel schreibt oder ein Experiment entwirft, verdient der menschliche Forscher dann noch die Anerkennung? Findet der Lernprozess, der einen Studenten zum Experten macht, noch statt, wenn die Maschine die schwere Arbeit übernimmt? Dies sind nicht nur technische Fragen über Software; es sind Fragen über die Regeln und Werte, die bestimmen, wie Wissenschaft gemacht wird.
Um zu verstehen, wie die nächste Generation von Wissenschaftlern diese neue Landschaft navigiert, blickten die Forscher Francesco Angelini und Johan Lyrvall direkt auf die Menschen, die die Zukunft der Forschung gestalten werden: Doktoranden. Sie analysierten Daten aus einer massiven Umfrage unter 3.785 PhD-Studenten aus den Bereichen Wissenschaft, Technologie, Ingenieurwesen, Medizin und Gesundheitswesen aus der ganzen Welt. Anstatt den Studenten eine einfache Ja-Nein-Frage darüber zu stellen, ob sie die Nutzung von KI mögen, baten die Forscher sie, wie wohl sie sich bei der Nutzung dieser Werkzeuge für fünf spezifische Teile ihrer täglichen Arbeit fühlten. Die Aufgaben reichten vom Verfolgen und Zusammenfassen wissenschaftlicher Literatur bis hin zum Schreiben von Forschungsartikeln, dem Sammeln und Analysieren von Daten und dem Entwerfen von Experimenten. Indem die Forscher untersuchten, wie die Studenten zu jeder spezifischen Aufgabe standen, konnten sie sehen, ob es ein Muster in ihrem Denken gab. Sie fanden heraus, dass die Studenten nicht einfach in zwei Lager von „KI-Liebhabern“ und „KI-Hassern“ unterteilt waren. Stattdessen bildeten ihre Einstellungen vier unterschiedliche Gruppen, die eine komplexe Landkarte dessen zeichneten, wo sie Maschinen helfen lassen wollten und wo sie die Grenze zogen.
Die größte Gruppe, die fast die Hälfte aller befragten Studenten repräsentierte, zeigte ein klares Muster, das die Forscher als „Arbeitsteilung“ bezeichneten. Diese Studenten fühlten sich durchaus wohl dabei, KI für Aufgaben wie das Finden und Zusammenfassen bestehender wissenschaftlicher Arbeiten einzusetzen. Sie sahen diese Aktivitäten als Unterstützungsarbeit an, bei der eine Maschine effizient Informationen sortieren kann. Jedoch fühlten sich dieselben Studenten viel weniger wohl dabei, KI für die intellektuellen Kernaufgaben der Forschung einzusetzen: das Schreiben des Artikels selbst, die Analyse der Daten oder das Entwerfen der Experimente. Für diese Gruppe war die Grenze klar. Sie waren bereit, die Maschine die Hintergrundarbeit erledigen zu lassen, aber sie wollten die Aufgaben, die tiefes Denken, Kreativität und die endgültige Verantwortung erfordern, fest in menschlicher Hand behalten. Dies deutet darauf hin, dass der Wert der KI für viele zukünftige Wissenschaftler in ihrer Fähigkeit zur Informationsverwaltung liegt, nicht in ihrer Fähigkeit, den menschlichen Geist beim Akt der Entdeckung zu ersetzen.
Andere Gruppen in der Studie vertraten andere Ansichten. Etwa ein Drittel der Studenten war damit unwohl, KI für irgendeine Forschungsaufgabe einzusetzen, eine Haltung, die die Forscher als „Status Quo“ bezeichneten. Sie neigten dazu, die Technologie generell kritisch zu sehen, wobei ihr Unbehagen am stärksten war, wenn es um Schreiben und Datenanalyse ging. Eine kleinere Gruppe, etwa 16 Prozent, war das Gegenteil: Sie waren allgemein komfortabel damit, KI für alles zu nutzen, und betrachteten sie als universelles Werkzeug, das bei jedem Teil des Forschungsprozesses helfen kann. Schließlich gab es eine kleine, aber bemerkenswerte Gruppe von 7 Prozent, die „unentschieden“ war. Diese Studenten wählten häufig „weiß nicht“, wenn sie nach ihrem Komfortniveau gefragt wurden, was darauf hindeutet, dass sie entweder unsicher über die Technologie waren, sie nicht genug genutzt hatten, um eine Meinung zu bilden, oder noch dabei waren, herauszufinden, wie die Regeln stehen. Selbst unter denen, die sich unsicher waren, war ihre Einstellung eher positiv als negativ, wenn sie überhaupt eine Gefühlsäußerung zeigten.
Die Studie untersuchte auch, ob Faktoren wie das Studienfeld, das Studienjahr oder die Häufigkeit der KI-Nutzung diese Einstellungen veränderten. Die Ergebnisse zeigten, dass Studenten in STEM-Fächern etwas wahrscheinlicher in der skeptischen „Status Quo“-Gruppe waren als Studenten in den medizinischen und Gesundheitswissenschaften. Die allgemeinen Muster blieben jedoch bestehen, unabhängig davon, ob ein Student im ersten Jahr oder im letzten Jahr seines Programms war oder ob er Vollzeit studierte. Dies deutet darauf hin, dass die Art und Weise, wie Studenten die Rolle der KI wahrnehmen, nicht einfach eine Frage des Zeitpunkts ist, zu dem sie Zugang zu den Werkzeugen erhielten, sondern vielmehr ein tieferer Ausdruck dessen, wie sie die Natur ihrer Arbeit sehen. Die Tatsache, dass die „Arbeitsteilung“-Gruppe die größte ist, zeigt, dass die am weitesten verbreitete entstehende Norm nicht darin besteht, KI völlig abzulehnen oder sie blind zu akzeptieren, sondern ganz gezielt zu sortieren, welche Aufgaben zur Maschine gehören und welche menschlich bleiben müssen.
Diese Erkenntnisse haben wichtige Auswirkungen darauf, wie Wissenschaft gelehrt und bewertet wird. Die Forscher schlagen vor, dass unser Denken über KI in der Wissenschaft über einfache Regeln, die deren Nutzung entweder verbieten oder erlauben, hinausgehen muss. Stattdessen könnten Institutionen und Fachzeitschriften einen differenzierteren Ansatz wählen, der den Unterschied zwischen der Nutzung von KI zum Finden einer Referenz und der Nutzung von KI zum Schreiben eines Schlussworts anerkennt. Wenn ein Student eine KI nutzt, um hundert Arbeiten zusammenzufassen, ist das eine andere Art der Unterstützung, als wenn er sie nutzt, um das Kerngeschehen einer Dissertation zu generieren. Die Studie impliziert, dass die zukünftige wissenschaftliche Ausbildung darauf ausgerichtet sein muss, Studenten zu helfen, diese Grenzen zu verstehen. Es geht nicht nur darum, das Werkzeug zu erlernen, sondern zu lernen, welche Teile des Forschungsprozesses essenziell für die Entwicklung der eigenen Expertise sind. Wenn ein Student die Maschine das Schreiben oder die Datenanalyse übernehmen lässt, könnte er die Chance verpassen, die kritischen Denkfähigkeiten zu entwickeln, die mit der eigenständigen Durchführung dieser Aufgaben einhergehen.
Letztendlich fängt diese Forschung einen Moment des Übergangs ein. Die Einstellungen dieser Doktoranden sind nicht starr; sie werden sich wahrscheinlich entwickeln, während sich die Technologie verbessert und die wissenschaftliche Gemeinschaft neue Normen etabliert. Heute ist die gängigste Sichtweise eine selektive: KI wird als Helfer für Informationen willkommen geheißen, aber als Ersatz für Urteilskraft abgelehnt. Diese „Arbeitsteilung“ könnte zum Standardweg der wissenschaftlichen Praxis werden, bei dem Maschinen das Volumen der Informationen bewältigen und Menschen sich auf die Synthese und die Erzeugung neuen Wissens konzentrieren. Während diese Studenten nun graduieren und die Führungskräfte, Herausgeber und Gutachter von morgen werden, werden die Grenzen, die sie jetzt ziehen, mitbestimmen, was in einem Zeitalter der künstlichen Intelligenz als legitime wissenschaftliche Arbeit gilt. Das Paper behauptet nicht, die Debatte gelöst zu haben, aber es liefert ein klares Bild davon, wo die Linie derzeit von genau jenen gezogen wird, die sie in den kommenden Jahren überschreiten werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.