💻 computer science

Doom Researching: A Conceptual Framework for Repetitive AI-Assisted Information Seeking, Cognitive Offloading, and the Illusion of Knowing

Dit conceptuele artikel introduceert "doom researching" als een kader dat beschrijft hoe vloeiende interacties met generatieve AI een repetitieve informatiezoektocht kunnen bevorderen die de waargenomen kennis opblaast en een substituut vormt voor echte synthese, actie en duurzaam begrip.

Oorspronkelijke auteurs: Santosh Premi Adhikari

Gepubliceerd 2026-07-07

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Santosh Premi Adhikari

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Kernidee: De valstrik van de "Eindeloze Bibliotheek"

Stel je voor dat je een houten tafel probeerd te bouwen. Je gaat naar de bibliotheek om boeken over houtbewerking te zoeken.

Normaal onderzoek: Je leest een hoofdstuk, maakt aantekeningen, schetst een ontwerp en gaat dan terug naar je werkplaats om hout te gaan zagen.
Doom Researching: Je leest een hoofdstuk, vraagt de bibliothecaris om een samenvatting, vraagt vervolgens om een vergelijking tussen twee andere boeken, vraagt om een beter plan, en vraagt vervolgens om een lijst met gereedschap. Je brengt zes uur door met praten met de bibliothecaris en voelt je ontzettend slim en goed voorbereid. Je hebt een notitieblok vol geweldige ideeën en samenvattingen. Maar wanneer je eindelijk naar je werkplaats kijkt, heb je nog geen enkel stuk hout gezaagd.

Het paper noemt dit gedrag "Doom Researching." Het gebeurt wanneer je Generatieve AI (zoals ChatGPT) gebruikt om vraag na vraag te stellen, waarbij je vloeiende, perfecte antwoorden krijgt, maar je nooit stopt om daadwerkelijk het werk te doen, een beslissing te nemen of het uiteindelijke product te schrijven.

Waarom gebeurt dit? (De 5 valstrikken)

De auteur suggereert vijf redenen waarom deze lus zo verslavend is:

De "Opluchting"-valstrik (Onzekerheid verminderen): Iets niet weten voelt ongemakkelijk. AI lost dat direct op. Maar elk antwoord dat de AI je geeft, creëert nieuwe vragen. Het is als het krabben aan een jeuk: het voelt een seconde goed, maar daarna moet je weer krabben.
De "Gladde Praat"-valstrik (Vloeiendheid): Antwoorden van AI zijn perfect geschreven. Ze klinken zelfverzekerd en helder. Je brein fopt je door te denken: "Wauw, dat klinkt zo duidelijk, ik moet het wel begrijpen." Maar je bent slechts een vloeiend verhaal aan het lezen, je bent niet echt bezig met het leren van de moeilijke stof.
De "Cheat Code"-valstrik (Cognitieve offloading): Normaal gesproken moet je bij het leren van iets echt moeite doen — het zelf samenvatten, vergelijken en organiseren. AI doet dit voor je. Het paper betoogt dat door het denkwerk uit te besteden, je niet de mentale spier opbouwt die nodig is om de informatie later te onthouden of te gebruiken.
De "Procrastinatie in Vermomming"-valstrik (Output vermijden): Een paper schrijven of een beslissing nemen is eng, omdat je kunt falen. Een AI vragen om "nog één extra uitleg" voelt als werk, maar het is eigenlijk een veilige manier om het angstwekkende deel van het daadwerkelijk creëren te vermijden.
De "Nepexpert"-valstrik (Metacognitieve inflatie): Na een uur chatten met AI voel je je een genie. Je herkent alle woorden. Maar als je de opdracht zou krijgen om het onderwerp aan een vriend uit te leggen zonder de AI, zou je beseffen dat je het eigenlijk niet weet. Er zit een "kloof" tussen hoe slim je je voelt en hoe slim je werkelijk bent.

Hoe het verschilt van andere slechte gewoonten

Het paper maakt een onderscheid tussen dit concept en vergelijkbare begrippen:

Vs. Doomscrolling: Doomscrolling is passief (je scrolt alleen door slecht nieuws). Doom researching is actief (je stelt vragen en stuurt het gesprek aan).
Vs. Uitstelgedrag (Procrastinatie): Uitstelgedrag is meestal het vermijden van werk. Doom researching voelt als werk. Je voelt je productief, ook al produceer je niets.
Vs. Normaal onderzoek: Normaal onderzoek zet informatie om in een resultaat (een beslissing, een paper, een plan). Doom researching zet informatie om in meer vragen.

De "Manager vs. Junior" Illusie

Een van de meest interessante punten uit het paper is de "Manager-Junior Illusie."

Wanneer je AI gebruikt, voel je je als een Manager die opdrachten geeft aan een Junior Medewerker. Je zegt: "Schrijf dit," "Verbeter dat," "Vergelijk deze." Het voelt alsof jij de leiding hebt.

Het probleem: Een echte manager moet genoeg van de baan weten om te kunnen beoordelen of het werk van de Junior goed is.
De valstrik: Bij Doom Researching ben jij de Manager, maar je bent vergeten hoe je de baan zelf moet uitvoeren. Je keurt werk goed dat je eigenlijk niet kunt beoordelen. Je hebt het gevoel dat je het project beheert, maar in werkelijkheid laat je de AI gewoon het denken overnemen.

Het Grote Plaatje: Waarom dit belangrijk is voor iedereen

Het paper betoogt dat dit niet alleen gaat over één persoon die lui is. Het beïft de hele wereld van ideeën:

De Echo Chamber: AI is getraind op gemiddelde, algemene ideeën. Als iedereen AI gebruikt om te brainstormen, begint iedereen dezelfde "gemiddelde" gedachten te hebben.
Kennisinstorting (Knowledge Collapse): In plaats van unieke, nieuwe of vreemde ideeën te bedenken (wat vaak gebeurt wanneer mensen worstelen en diep nadenken), beginnen we allemaal dezelfde "veilige" ideeën te genereren. Het paper noemt dit Knowledge Collapse — de wereld van ideeën wordt kleiner en saaier omdat we allemaal dezelfde robot om dezelfde antwoorden vragen.

Wat kunnen we doen? (De oplossing)

Het paper zegt niet: "Stop met het gebruik van AI." Het zegt dat we moeten veranderen hoe we het gebruiken.

Niet alleen vragen, maar maken: Dwing jezelf er na een paar vragen toe om een paragraaf te schrijven of een beslissing te nemen zonder de AI.
Controleer je "Conversieratio": Besteed je 10 uur aan het stellen van vragen en 0 uur aan het schrijven? Dat is een slechte ratio.
Ontwerp voor "Wrijving" (Friction): Het paper suggereert dat AI-tools soms moeilijker moeten maken om door te gaan met vragen. Bijvoorbeeld: de AI zou kunnen zeggen: "Je hebt nu 10 vragen gesteld. Schrijf nu eerst een samenvatting van wat je hebt geleerd voordat ik de volgende vraag beantwoord."

Samenvatting

Doom Researching is het gevoel druk en geïnformeerd te zijn, terwijl je eigenlijk niets doet. Het is de valstrik van de gedachte dat vragen om antwoorden hetzelfde is als het hebben van kennis. Het paper waarschuwt dat als we de AI al ons denken laten doen, we ons misschien slim zullen voelen, maar in werkelijkheid minder bekwaam worden, en dat de wereld uiteindelijk met minder nieuwe ideeën zal achterblijven.

Technische Samenvatting: Doom Researching

Probleemstelling

Generatieve Kunstmatige Intelligentie (GenAI)-systemen hebben informatiezoektochten getransformeerd door frictie te verminderen, conversionele interfaces aan te bieden en directe, vloeiende verklaringen te geven. Hoewel deze mogelijkheden de productiviteit ondersteunen, identificeert het artikel een maladaptief gedragspatroon waarbij gebruikers betrokken raken bij repetitieve, door AI bemiddelde bevraging zonder die interactie om te zetten in duurzaam begrip, beslissingen of externe output.

De kern van het probleem is een mismatch tussen bevraging, metacognitie en output. Gebruikers kunnen urenlang AI bevragen voor verklaringen, samenvattingen en plannen, waarbij ze conversatiegegevens accumuleren terwijl ze weinig geschreven werk produceren of stabiele kennis vasthouden. Dit creëert een "gepercipieerde versus werkelijke kenniskloof", waarbij de gebruiker zich steeds beter geïnformeerd en klaar om te handelen voelt, maar nog steeds niet beschikt over de onafhankelijke competentie om te synthetiseren of uit te voeren. Het artikel betoogt dat dit niet louter "te veel AI-gebruik" is, maar een specifieke lus van repetitief zoeken dat in de plaats komt van denken en synthese.

Methodologie

Dit is een conceptueel artikel. Het presenteert geen originele empirische gegevens, experimentele resultaten of passende psychologische modellen. In plaats daarvan hanteert het een theoretische synthese-aanpak om:

Definiëren en Onderscheiden: De term "doom researching" voorstellen en het differentiëren van gerelateerde constructen (bijv. doomscrolling, cyberchondrie, uitstelgedrag, gewoon onderzoek).
Modelconstructie: Een formeel, wiskundig kader ontwikkelen (de "Doom Researching Loop") om de mechanismen die dit gedrag drijven te beschrijven. Dit omvat een logistisch model voor de waarschijnlijkheid van voortzetting van queries en vergelijkingen voor gepercipieerde versus werkelijke kennis.
Theoretische Fundering: Integratie van literatuur over informatiezoeken, cognitieve offloading, transactief geheugen, metacognitie, de "illusie van weten" en de extended mind thesis.
Hypothesegeneratie: Testbare proposities en een kandidaat "Doom Researching Risk Index" (DRI) formuleren om toekomstige empirische meting te sturen.

Belangrijkste Bijdragen

Het artikel levert zes primaire bijdragen aan de literatuur over mens-AI-interactie:

Definitie van een Nieuw Construct: Het definieert doom researching als repetitief AI-ondersteund informatiezoeken dat wordt gekenmerkt door een hoog queryvolume maar een lage conversie naar synthese, beslissingen of artefacten. Het onderscheidt dit expliciet van doomscrolling (dat passief en feed-gebaseerd is) en uitstelgedrag (dat vermijding is; doom researching voelt productief aan).
Conceptueel Kader: Het identificeert vijf interagerende mechanismen die het gedrag drijven:
- Onzekerheidsreductie: AI-antwoorden verminderen lokale ongemakkelijkheid, maar vergroten de globale onzekerheid door nieuwe takken van onderzoek te ontsluiten.
- Vloeiendheid (Fluency): De grammaticale en zelfverzekerde aard van AI-responsen wordt aangezien voor waarheid of diepgang, wat het gepercipieerde begrip opblaast.
- Cognitieve Offloading: Gebruikers besteden operaties uit (samenvatting, planning) die noodzakelijk zijn voor het opbouwen van interne mentale modellen.
- Output Vermijding: Onderzoek doen wordt een sociaal acceptabele manier om de hoge kosten van productie uit te stellen.
- Metacognitieve Inflatie: Gepercipieerde kennis stijgt sneller dan werkelijke competentie, wat een kloof creëert tussen het gevoel geïnformeerd te zijn en het vermogen om te handelen.
Formele Modellering: Het stelt een wiskundig model voor voor de Doom Researching Loop, inclusief:
- Een logistische functie voor de waarschijnlijkheid van het voortzetten van een query op basis van onzekerheid, vloeiendheid en offloading-mogelijkheden.
- Vergelijkingen die de divergentie modelleren tussen gepercipieerde kennis ( $K_p$ ) en werkelijke kennis ( $K_a$ ).
- Een Output Conversieratio ( $C$ ) en een Doom Researching Risk Index (DRI) om het fenomeen te operationaliseren voor toekomstige meting.
Fenomenologische Analyse: Het introduceert de "Manager-Junior Illusie", die beschrijft hoe gebruikers het gevoel hebben een intellectueel proces te managen (het aansturen van de AI), terwijl ze in werkelijkheid de noodzakelijke regulerende en reflectieve processen voor echt toezicht uitbesteden. Dit wordt geframed via de lens van disruptieve offloading, waarbij de interne evaluator wordt vervangen door het model.
Toepassing van de Extended Mind: Het past de Extended Mind Thesis toe om offloading te categoriseren in assistieve (ondersteunend aan interne inspanning), substitutieve (vervangend van discrete operaties) en disruptieve (vervangend van regulerende processen) categorieën. Doom researching wordt geïdentificeerd als primair opererend in de substitutieve en disruptieve registers.
Collectieve Implicaties: Het verbindt individueel gedrag met de literatuur over kennisinstorting (knowledge collapse) en AI-gestuurde homogenisering. Het betoogt dat repetitief, onproductief AI-gebruik de collectieve ideeënruimte vernauwt, omdat onderzoekers hun denken afstemmen op het statistische centrum van de AI-trainingsdistributies in plaats van perifere of nieuwe hypothesen te verkennen.

Resultaten en Bevindingen

Als conceptueel werk rapporteert het artikel geen empirische resultaten. In plaats daarvan presenteert het:

Testbare Proposities: Zes hypothesen voor toekomstig onderzoek, zoals de voorspelling dat het aantal prompts negatief gecorreleerd zal zijn met de voltooiing van output na een bepaalde drempel (P1), en dat vloeiende AI-verklaringen het gepercipieerde begrip meer opblazen dan het werkelijke geheugen (P2).
Meetvoorstellen: Een conceptversie van een "Doom Researching Scale" met kandidaat-items (bijv. "Ik blijf AI-tools om meer uitleg vragen, zelfs wanneer ik al voldoende informatie heb") en een ontwerp voor een studie naar gedragssporen via interactielogs.
Ontwerpimplicaties: Een reeks potentiële interventies om de lus te doorbreken, waaronder "synthese-checkpoints", "indicatoren van verminderde meeropbrengst" en "besluitvormingssluiting"-prompts.

Betekenis en Claims

Het artikel claimt dat doom researching een onderscheidbaar, meetbaar patroon is van AI-bemiddeld gedrag dat zich op het snijvlak van verschillende voorheen gescheiden literatuurstromen bevindt. De significantie ligt in:

Vocabulaire: Het bieden van een specifieke term om het fenomeen te beschrijven waarbij "vragen het denken vervangt".
Risico-identificatie: Het benadrukken dat het risico niet alleen productiviteitsverlies is, maar een degradatie van metacognitieve nauwkeurigheid en het vermogen tot onafhankelijk oordeel.
Epistemische Waarschuwing: Het argumenteren dat als onderzoekers vertrouwen op AI voor kaders en oordeelsvorming (disruptieve offloading), de collectieve onderzoeksdiscipline het risico loopt op "kennisinstorting", waarbij de diversiteit van ideeën vernauwt richting de trainingsdistributie van de AI.
Oproep tot Kalibratie: Het artikel concludeert dat het doel niet is om GenAI af te wijzen, maar om een betere kalibratie te bereiken. Het pleit voor "extended cognitive hygiene" — het ontwerpen en gebruiken van AI op manieren die de interne cognitieve arbeid die nodig is voor synthese en actie behouden.

De auteurs stellen expliciet dat het voorgestelde construct, model en de risico-index empirische validatie vereisen. Ze erkennen dat een hoog aantal prompts niet inherent pathologisch is en dat de term kan overlappen met bestaande constructen, wat toekomstige tests voor discriminante validiteit noodzakelijk maakt.