Uudessa julkaisemisen paradigmassa tekoäly on korvaamaton

Perinteiset julkaisemismallit uudistuvat nopeasti, kun avoimen pääsyn tukea kasvaa räjähdysmäisesti. Viime vuonna, Springer Naturen mukaan, käsikirjoitusten määrä nousi 30%. Mutta tämä kysyntä osoittautuu kaksiteräiseksi miekan teräksi, sillä peruutettujen artikkelien määrä on saavuttanut kaikkien aikojen huippu viimeisen vuosikymmenen aikana, ja lehdet ovat tulvautuneet tekoälyn tuottamilla artikkeleilla ja keksityllä tutkimuksella.

Luonnollisesti tämä aiheuttaa pullonkauloja, jotka vahingoittavat julkaisijoita, tutkijoita ja arvioijia. Julkaisut kamppailevat pysyäkseen aikataulussa, koska arvioijat kiirehtivät arvioimaan käsikirjoituksia, ja kirjoittajat joutuvat odottamaan kuukausia, ellei jopa vuosia, saadakseen julkaisun. Nykyistä vertaisarviointimallia ei koskaan suunniteltu kestämään tällaista kysynnän mittakaavaa.

Tässä tilanteessa on olennaista tunnistaa tekoälyn rooli keskeisenä tukityökaluna, joka vahvistaa olemassa olevia vertaisarviointiprosesseja ja auttaa alaa voittamaan sen suurimmat esteet.

Miksi perinteiset prosessit hajoavat

Vertaisarviointi on palkatonta työtä. Arvioijat vapaaehtoisesti antavat aikaansa hyväntekeväisenä eleenä akateemiselle ja tieteelliselle yhteisölle. Vaativuus on korkea, ja palkkiot ovat vähemmän houkuttelevia, kun paineet kasaantuvat. Kasvavan kysynnän ja liiallisen rasituksen vuoksi yhä vähemmän arvioijia hyväksyy kutsuja arvioida käsikirjoituksia. Lisäksi arvioijien löytäminen on yhä kasvava haaste toimittajille, mikä pahentaa takertumia ja venyttää julkaisuajankohtia.

Samaan aikaan akateemikot kohtaavat ‘julkaise tai kuole’ -ympäristön. Jotta he voivat edetä ammatillisesti, heidän odotetaan omaavan julkaistua työtä yhä ruuhkaisemmassa kentässä. Tämä on maailmanlaajuinen odotus, ja on paine erottua melun keskellä, lisättynä rasitteella täyttää syntyvä kysyntä. Nämä tekijät ovat vertaisarviointikriisin taustalla, jossa nykyinen järjestelmä ei ole kestävä.

Selventääksemme, tekoälytyökaluja ei tule ottaa käyttöön vertaisarviointiprosessissa korvaamaan ihmisen harkintaa, vaan vahvistamaan sitä. Kirjoittajat ja toimittajat odottavat tiettyä kunnioituksen ja omistautumisen tasoa arviointiprosessissa, kuten tutkimuksessa.

Kuitenkin pienet virheet voivat helposti hiipiä huomaamatta, erityisesti kun arvioijat kiirehtivät tarkastamaan suuren määrän käsikirjoituksia. Esimerkiksi yksi tutkimus havaitsi, että vuonna 2020 yli 100 miljoonaa tuntia – mikä vastaa 15 000 vuotta – kului maailmanlaajuisiin vertaisarviointeihin.

Silti tämä ei tee näistä virheistä hyväksyttävää normia. Se, mikä saattaa vaikuttaa merkityksettömältä huomiolta, kuten pieni virhe tiedoissa, voi vahingoittaa lukijoiden käsitystä tutkimuksen laadusta.

Tekoäly tukityökaluna, ei korvaajana

Tekoälytyökalut merkitsevät hienovaraisia virheitä, jotka muuten saattaisivat jäädä huomaamatta. Viittausvirheet, tietojen puutteet ja mahdolliset päällekkäisyydet olemassa olevan kirjallisuuden kanssa ovat vain muutamia esimerkkejä pienistä mutta merkittävistä virheistä, jotka arvioijat voivat ohittaa.

Nämä työkalut on suunniteltu hoitamaan vähäriskisiä tehtäviä, jotta arvioijat voivat keskittyä edistyneempiin editoinnin osa-alueisiin, kuten asiantuntija-analyysiin ja kontekstuaaliseen arviointiin. Työkalu on rajoitettu sille syötetyille tiedoille, mutta ihmisevaluoija, jolla on erikoistunutta asiantuntemusta, voi asettaa tutkimuksen laajempaan ja informoidumpaan kontekstiin. Lisäksi algoritmi ei voi korvata aiheasiantuntijoiden hienovaraista päättelyä, eikä sen pitäisi. Se voi kuitenkin keventää joitakin alhaisen riskin taakkoja, joita he kohtaavat.

Tekoäly voi auttaa arvioijia antamaan selkeämpää ja syvällisempää palautetta, mutta vain viisaasti käytettynä. Se voi avustaa viittausten tarkistamisessa, metodologisten huolenaiheiden korostamisessa, puuttuvien tietojen havaitsemisessa ja samankaltaisuuksien löytämisessä aikaisemmin julkaistuun tutkimukseen. Toinen syy, miksi se houkuttelee arvioijia, on tekoälypohjaisen haun mahdollisuus pitää heidät ajan tasalla uudesta tiedosta.

Keskeistä on kuitenkin se, että alan johtajat, kuten Elsevierin vanhemmat toimittajat, tukevat tasapainon merkitystä. He pitävät sitä hyödyllisenä työkaluna arviointilaadun parantamiseksi, mutta vain eettisesti käytettynä ja aina ihmisen valvonnassa.

Laajempien tekoälyn käyttöönoton vaikutusten käsittely

Huolia on runsaasti akateemisessa yhteisössä. Äskettäin tutkijat havaitsivat, että ChatGPT:n jälkeisten käsikirjoitusten määrä on noussut 42%, mutta kirjoituksen laatu on valitettavasti heikentynyt. Sama tutkimus nosti esiin myös huolia siitä, miten tekoälyä käytetään vaikuttamaan toimittajapäätöksiin vertaisarvioinneissa.

Lisäksi ohjeistukset ja sääntely ovat vielä jäljessä teknologiaa, jotta varmistetaan työkalujen eettinen ja kohtuullinen käyttö. Sekä yksilöiden että julkaisujen on ymmärrettävä siihen liittyvät riskit. Näiden työkalujen väärinkäyttö takaa puolueellisuuden, harhakuvitelmat, virheelliset johtopäätökset ja vääriä käsityksiä.

Akateeminen julkaisemisyhteisö on myös huolissaan yksityisyydestä ja luottamuksellisuudesta. Kirjoittajat tuntevat usein epämukavuutta, kun ulkoisia työkaluja integroidaan arviointiprosessiin, erityisesti tilanteissa, joissa tutkimus sisältää arkaluonteista dataa. Tämä mahdollisten vuotojen aiheuttama ahdistus on ymmärrettävää, kun otetaan huomioon se aika ja vaiva, jonka kirjoittajat omistavat tutkimukselleen.

Näistä syistä johtuen tekoälyn käsitys tarkastusprosessissa on melko heikko. KPMG:n ja Melbourne-yliopiston yhteistutkimus havaitsi, että 46% ihmisistä on valmis luottamaan tekoälyyn. Tutkimus paljasti myös, että ylivertainen enemmistö (70%) katsoo, että sääntely on tarpeen.

Nämä tekijät on otettava käsittelyyn, ja se edellyttää koulutusta ja läpinäkyvyyttä siitä, miten tekoälyä sovelletaan, riippumatta siitä, missä määrin sitä käytetään vertaisarvioinneissa. Kuka tahansa tekoälyä tarkastusprosessissa käyttävä on ymmärrettävä sen parhaat käytännöt ja sovellettava kriittistä ajattelua koko ajan. Arvioijien ja julkaisutiimien on kehitettävä taitojaan tekoälyn ja datalukutaidon saralla, mikä sisältää kyvyn tulkita mallien käyttäytymistä, tunnistaa rajoituksia ja lieventää riskejä, kuten harhaluuloja.

Läpinäkyvyys on omaksumisstrategioiden perusta, ja julkaisut sekä arvioijat on oltava valmiita selventämään ja perustelemaan tekoälyn käyttöönottoa. Rutiiniauditoinnit voivat auttaa varmistamaan tarkkuuden ja luotettavuuden. On myös olennaista, että julkaisut määrittelevät, miten mallit on koulutettu ja mitä dataa ne ohjaavat. Akateemisessa maailmassa tekijöiden on aina esitettävä tutkimusmenetelmänsä ja perustelunsa. Sama avoimuuden taso tulisi soveltaa myös tekoälyn käyttöön.

Myös näiden työkalujen turvallisuutta ei voida sivuuttaa. Datan salaus lisää kaivattua kyberpuolustuksen kerrosta kolmansien osapuolten uhkia, kuten mahdollisia hakkerointiyrityksiä, vastaan. Jälleen auditoinnit ovat olennainen osa turvallisuuden vahvistamista, koska ne on suunniteltu havaitsemaan mahdolliset heikkoudet ennen kuin ne aiheuttavat vahinkoa.

Ala on risteyskohtaa, jossa se joko hylkää teknologian pysyäkseen perinteisissä tutkimuksen tarkastusmalleissa tai omaksuu sen. Jälkimmäinen vaihtoehto tarkoittaa, että prosessi vain aikoo sortua kasvavan kysynnän alla. Toisaalta omaksuminen antaa julkaisijoille ja arvioijille valtuudet ja mahdollisuudet ei vain pysyä mukana, vaan olla askeleen edellä räjähdysmäisen kysynnän kasvussa.