A Global Systematic Review of Artificial Intelligence and Research Productivity in Higher Education
Deze wereldwijde systematische review van 18 studies van 2017 tot 2025 concludeert dat, hoewel kunstmatige intelligentie de efficiëntie op taalniveau binnen zes belangrijke onderzoekscategorieën in het hoger onderwijs aanzienlijk verbetert, er momenteel onvoldoende bewijs is om aan te tonen dat het leidt tot duurzame winst in de algehele onderzoeksproductiviteit, outputkwaliteit of nieuwheid.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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
Stel je de wereld van het universiteitsonderzoek voor als een enorme, bruisende bibliotheek waar wetenschappers en geleerden de bibliothecarissen zijn. Decennialang was hun taak om kleine speldjes in hooibergen te vinden, duizenden boeken te lezen, lange rapporten te schrijven en hun ontdekkingen te delen. Onlangs is er een nieuw soort hulp binnengekomen: Kunstmatige Intelligentie (AI). Zie AI niet als een magische robot die het denken voor je overneemt, maar als een supersnelle, ongelooflijk deskundige stagiair. Deze stagiair kan in een seconde een miljoen boeken scannen, een paragraaf tekst opstellen of een rommelig spreadsheet in een oogwenk ordenen. Maar hier is de grote vraag die iedereen zich stelt: zorgt het hebben van deze superstagiair er op de lange termijn daadwerkelijk voor dat de bibliothecarissen betere of belangrijkere ontdekkingen doen? Of zorgt het er alleen voor dat ze hun dagelijkse taken sneller voltooien, om vervolgens vast te komen zitten in een nieuwe vorm van druk werk? Dit is het mysterie dat een nieuwe studie probeert op te lossen door te kijken naar wat er op dit moment daadwerkelijk gebeurt in laboratoria en kantoren over de hele wereld.
Deze studie, een "systematische review", is als een grote detectivemissie. De auteurs, Mohamed Ali Omar en Mohamed Mohamud Ali, hebben niet simpelweg geraden; ze gingen op jacht door een enorme digitale bibliotheek genaamd Scopus. Ze zochten naar elk stukje onderzoek dat tussen 2017 en 2025 werd gepubliceerd en dat ging over AI en hoe het onderzoekers aan universiteiten helpt (of schaadt). Ze begonnen met 212 potentiële aanwijzingen, maar na een zeer strikt filterproces — zoals controleren of een sleutel in een slot past — beperkten ze het tot slechts 18 kwalitatief hoogstaande studies om diepgaand te analyseren.
Wat ze vonden, is een beetje alsof je ontdekt dat de superstagiair geweldig is in sommige dingen, maar voor alles een menselijke baas nodig heeft. De onderzoekers deelden de taken van de AI in zes hoofdcategorieën in, als verschillende gereedschappen in een gereedschapskist:
- Vinden en Samenvatten: De AI kan boeken opsporen en ze snel samenvatten, maar kan niet alleen worden vertrouwd om het hele werk te doen; een mens moet nog steeds controleren of de bronnen echt zijn.
- Brainstormen: Het is goed in het uitwerpen van wilde ideeën en het leggen van verbanden, maar soms zijn die ideeën slechts mooi klinkende onzin die getest moet worden.
- Data en Cijfers: Het kan rommelige data opschonen en computercode schrijven, maar het kan subtiele fouten maken die moeilijk op te merken zijn, dus een mens moet de berekeningen dubbelchecken.
- Schrijven en Spreken: Hier blinkt de AI het meest in uit. Het helpt bij het opstellen van artikelen, het verbeteren van grammatica en het vertalen van talen. Echter, het kan soms "hallucineren" (feiten verzinnen) of de unieke stem van de schrijver stelen.
- Teamwerk en Administratie: Het helpt bij het plannen van vergaderingen en het schrijven van subsidieaanvragen, wat tijd bespaart op saai papierwerk.
- Delen en Beoordelen: Het helpt om complexe wetenschap om te zetten in eenvoudige verhalen voor het publiek, maar het kan niet worden gebruikt om stiekem de geheime onderzoeksartikelen van anderen te lezen of om de menselijke beoordeling te vervangen die nodig is om te beslissen of een artikel goed genoeg is om gepubliceerd te worden.
Dit is het belangrijkste deel van het verhaal: de studie vond dat hoewel AI een fantastisch hulpmiddel is voor efficiëntie (taken sneller uitvoeren), er heel weinig bewijs is dat het daadwerkelijk de productiviteit verhoogt op de manier waarop universiteiten dat echt belangrijk vinden. Denk eromheen: als je een cirkelzaag gebruikt om hout te zagen, zaag je het hout veel sneller. Maar als je al die bespaarde tijd besteedt aan discussiëren over welk hout je als volgende moet zagen, of als je een uur moet besteden aan het gladmaken van de fouten die de zaag heeft gemaakt, heb je niet daadwerkelijk meer huizen gebouwd. De studie suggereert dat AI tijd bespaart op specifieke taken, maar dat dit niet automatisch betekent dat onderzoekers meer kwalitatieve artikelen publiceren, meer baanbrekende ideeën ontdekken of een grotere impact op de wereld maken. Sterker nog, de bespaarde tijd kan gewoon worden opgeslokt door de noodzaak om het werk van de AI te controleren, de fouten ervan te herstellen of nieuwe regels te volgen.
De auteurs zijn heel duidelijk over wat ze niet weten. Ze stellen expliciet dat we nog geen hard bewijs hebben dat AI leidt tot meer publicaties, betere onderzoekskwaliteit of meer originele ideeën. Ze sluiten ook de mogelijkheid uit dat AI het brein of de verantwoordelijkheid van een menselijke onderzoeker kan vervangen. Een AI kan geen eer opeisen voor een ontdekking en kan ook niet verantwoordelijk worden gehouden als er iets misgaat. De studie waarschuwt dat als universiteiten AI-tools uitdelen zonder mensen te trainen in hoe ze deze veilig moeten gebruiken, of zonder het werk te controleren, ze uiteindelijk kunnen eindigen met een hoop snelle, kwalitatief minderwaardige research.
Dus, wat is het eindoordeel? Het artikel concludeert dat AI momenteel een krachtige "efficiëntiemotor" is, en geen magische "productiviteitsmachine". Het werkt het best wanneer het wordt behandeld als een behulpzame assistent die de saaie delen van het werk versnelt, terwijl de menselijke onderzoeker achter het stuur blijft zitten, de kaart controleert, de auto stuurt en ervoor zorgt dat de bestemming ook echt de moeite waard is. De studie suggereert dat voor AI echt wetenschap kan helpen, universiteiten duidelijke regels moeten opstellen, onderzoekers moeten leren hoe ze het wijs kunnen gebruiken, en altijd een mens in de loop moet houden om de resultaten te verifiëren. Tot die tijd is AI een geweldig hulpmiddel om dingen sneller gedaan te krijgen, maar het heeft nog niet bewezen dat het ons ook helpt om meer te ontdekken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.