Tiedonhaun opettajien ajatuksia tekoälystä | Information literacy teachers’ thoughts on artificial intelligence

(Please, scroll down to read in English.)

”Tekoäly alkaa kyllä olla jokapäiväinen puheenaihe”, toteaa kollegani Taisa Teams -puhelussa tietokoneeni ruudulla. Toinen kollegani Laura nyökyttelee Taisan yläpuolella, ja samaa mieltä olen minäkin. Välillä tekoälypuhe väsyttää, välillä innostaa – aivan niin kuin väsyttävät ja innostavat lähes kaikki toimintaamme ja työtämme muokkaavat työkalut ja ilmiöt. Tekoäly on tullut nopeasti osaksi tieteellisen tiedon hakemista ja tiedonhaun opettajien työtä. On siis hyvä hetki istahtaa alas ja kysyä, millaisia ajatuksia tekoälyn käyttö herättää kahdessa tieteellisen tiedonhaun konkarissa.

Mitä hyötyä tekoälystä on tiedonhaussa?

Laura: Minä puhun nyt erityisesti tietokantojen sisälle integroituneista tekoälytyökaluista eli tekoälyavustajista. Tällaisia avustajia on mm. UEF-Primossa, Scopuksessa ja Web of Sciencessa. Näitä pääsevät käyttämään vain UEFilaiset, eli nämä työkalut ovat maksullisia. Tietokantoihin integroituneiden tekoälyavustajien toimintaperiaatehan on se, että ne tekevät tiivistelmän kysymykseesi tietokannassa olevan aineiston perusteella ja laittavat tiivistelmässä käyttämänsä lähteet näkyville. Nämä avustajat ovat hyviä erityisesti uuteen aiheeseen tutustuessa. Niiden avulla saa nopeasti pääkohdat selville. Aiemmin kun sai eteensä tuntemattomamman aiheen, saattoi mennä lukemaan vaikkapa Wikipediaa saadakseen asiasta edes jonkinlaisen kokonaiskuvan. Nyt tämän kokonaiskuvan tarjoaa tekoälyavustaja.

Hyvää on myös se, että tiedonhakijan ei tarvitse heti osata kaikkia hakutekniikoita toimiakseen tietokannoissa, sillä muutamassa tietokannassa voi artikkeleita ja muita lähteitä hakea suoraan kysymällä. Alkuun pääseminen on siis helpompaa. Hakua voi sitten jatkaa tarvittaessa itse perinteisemmin menetelmin. Joihinkin tiedontarpeisiin tällainen tekoälyavusteinen haku tietokannassa on ihan riittävä – erityisesti silloin, kun aihetta ei ole tarve kaivella syvemmin tai kattavammin.

Taisa: Jos ajatellaan muita kuin tietokantojen sisälle integroituja tekoälyavustajia, on esimerkiksi Copilot aika hyvä terminologiassa. Se osaa ehdottaa hakusanoja, joita ei aina tule itse ajatelleeksi. Se on myös hyvä löytämään synonyymeja. Hakusanojen ideoinnissa voi siis säästää aikaa.

Miten itse käytät tekoälyä tiedonhaussa?

Taisa: Itse käytän tekoälyä juurikin hakusanojen ideoinnissa. Kaikki tekoälyn ehdottamat hakusanat eivät tosin aina ole sellaisenaan toimivia, vaan sieltä pitää osata poimia parhaat. Lisäksi jos tietää, miten tietokannoista haetaan, voi esimerkiksi Copilotia pyytää tekemään kokonaisia hakulauseita. Tämä edellyttää kuitenkin jo jonkin verran tiedonhaun osaamista, sillä tekoälyn ehdottamia hakulauseita pitää pystyä tarkastelemaan kriittisesti. Eri tietokannat myös toimivat vähän erilaisilla tekniikoilla. Tekoäly voi auttaa kääntämään näitä hakuja tietokannasta toiseen.

Laura: Minäkin käytän erityisesti Copilotia hakusanojen ideoinnissa. Pyydän esimerkiksi ”teen hakua artikkelitietokannassa aiheesta x, mieti minulle hakusanoja”. Olen kuitenkin viime aikoina huomannut, että tämä ei enää välttämättä toimi kovin hyvin. Hakusanoja ja -käsitteitä voi tulla valtavat listat, ja osa sanoista on hyvinkin epärelevantteja. Olenkin testailemassa, toimisiko suora käsky ”anna minulle synonyymejä käsitteelle se-ja-se” jatkossa paremmin. Taisa mainitsi myös hakulausekkeiden tekemisen tekoälyn avulla. Itse en käytä tekoälyä tähän tarkoitukseen; olen huomannut, että kun on 25 vuotta veivannut hakulauseita itse, tekoäly ei tee parempia eikä säästä aikaani. Tässä suhteessa kokemus siis vielä päihittää tekoälyn.

Millaisia huolia herää tekoälyn käytöstä tiedonhaussa?

Laura: Kun kaikki on helppoa ja nopeaa ja tuloskin näyttää hyvältä, ei asioiden paikkaansapitävyyttä aina malta tarkistaa. Vaikka tietokantoihin integroituneet tekoälyavustajat käyttävät tiivistelmiensä pohjana aitoja lähteitä, tekoäly voi tulkita asioita väärin tai vääristyneesti. Mitä vähemmän tiedät aiheesta, sen vaikeampaa on kriittinen arviointi. Tekoälyn tekemään hakuun on myös vaikeampi vaikuttaa itse, sillä se ei ole aina kovin läpinäkyvä. Perinteisellä hakutavalla voi omaa hakulausettaan muokata ja näin vaikuttaa hakuun ja sen tuloksiin.

Taisa: Minulla herää välillä huoli siitä, että tehdään koko tiedonhaku tekoälyllä eikä haeta enää laisinkaan tietokannoista. Tekoäly keksii tutkimuksia ja lähteitä, joita ei ole olemassa. Tekoälyn ehdottamien lähteiden tarkistaminen onkin tosi tärkeää, niihin ei voi sokeasti luottaa. Välillä minua mietityttää myös se, osataanko promptata oikein. Olisi hyvä ymmärtää, että toisena päivänä samalla käskyllä tulee eri tulokset. Tämä on aika tyypillistä laajoihin kielimalleihin perustuville tekoälytyökaluille. Hakujen toistettavuus on siis mahdotonta. Tiedonhaku on joissakin opinnäytteissä ja tutkimuksissa tutkimusmenetelmä. Se pitää osata tehdä itse, raportoida oikein ja sen pitää nimenomaan olla toistettavissa.

Molempia kollegoitani – kuten minua itseänikin – mietityttää myös tekoälyn käytön ympäristönäkökulma. Kukapa haluaisi enää kuormittaa jo valmiiksi kuormittunutta ympäristöämme! Keskustelemmekin pitkään siitä ristiriidasta, että tekoälytyökaluja on pakko testata ja ottaa käyttöön, jos haluaa seurata tiedonhaun kehitystä. Tulemme lopulta laihasti lohduttavaan johtopäätökseen, että käytämme tekoälyä niin vähän kuin nykyaikana tietotyössä on mahdollista, ja ainoastaan asiallisiin asioihin. Aika on ajanut ohi hupimielessä tehdyistä videopätkistä ja tekoälyn luomista kuvituskuvista, mutta tietokantoihin tekoäly on varmasti tullut jäädäkseen.

Anna jokin vinkki tekoälyn käyttöön joko tiedonhaussa tai muuten vain tietotyössä

Laura: Ilahduin joku päivä siitä, miten Copilot osaa auttaa tietoteknisissä ongelmissa. Ennen olisin käyttänyt paljon aikaa toimimattoman järjestelmän kanssa kamppailemiseen, mutta nyt Copilot löysi ratkaisun hetkessä. Haluan myös vinkata, että tekoäly tiedonhaussa etenee nopeasti. Ei kannata jämähtää yhteen, joskus käytössä olleeseen työkaluun, esim. ChatGPThen, jonka monet ovat ottaneet pysyväksi työkalukseen. Koko ajan tulee uutta ja tapahtuu kehitystä, ja pienen testailun tuloksena voi löytää jokin paljon paremman työkalun omaan käyttöönsä.

Taisa: Tunne käyttämäsi tekoäly. Tutustu siihen, miten avoimen verkon laajat kielimallit, kuten Copilot tai ChatGPT, toimivat. Onko niillä esimerkiksi pääsyä maksullisiin tietokantoihin? Vertaa edellä mainittuja tekoälysovelluksia tietokantoihin integroituneisiin tekoälyavustajiin ja mieti, mikä niiden ero on. Tämä auttaa tieteellisen tiedon hakemisessa jo pitkälle.

***

“Artificial intelligence really is becoming an everyday topic of conversation,” my colleague Taisa remarks in a Teams call on my computer screen. Another colleague, Laura, nods above Taisa’s window, and I agree as well. At times, all this talk about AI feels tiring; at other times, it’s exciting – much like almost all the tools and phenomena that shape how we work and operate.

Artificial intelligence (AI) has rapidly become part of searching for scholarly information and of the everyday work of information literacy teachers. So this feels like a good moment to sit down and ask what kinds of thoughts the use of AI raises in two experienced experts in academic information searching.

What are the benefits of artificial intelligence for information searching?

Laura: I’m speaking here especially about AI tools that are integrated directly into databases – so-called AI assistants. Such assistants are available, for example, in UEF Primo, Scopus, and Web of Science. These AI assistants are subscription-based and can be accessed by members of UEF. The basic idea behind these tools is that they generate a summary in response to your question based on the material available in the database and display the sources used for that summary. These assistants are particularly useful when you are getting acquainted with a new topic. They help you quickly grasp the main points. Previously, when encountering an unfamiliar subject, you might have gone to read Wikipedia just to get some kind of overall picture. Now, that overview is provided by an AI assistant.

It’s also a good thing that information seekers don’t need to immediately master all search techniques to function within databases, because in some databases you can search for articles and other sources simply by asking a question. Getting started is therefore easier. If needed, the search can then be continued independently using more traditional methods. For certain information needs, this kind of AI-assisted database searching is perfectly sufficient – especially when there is no need to explore the topic more deeply or comprehensively.

Taisa: If we think about AI tools other than those integrated into databases, Copilot, for example, is quite good with terminology. It can suggest search terms that you might not think of yourself. It’s also good at finding synonyms. So, when brainstorming search terms, it can save a lot of time.

How do you use artificial intelligence for information searching?

Taisa: I mainly use AI specifically for brainstorming search terms. Not all of the search terms suggested by AI are directly usable, though – you have to be able to pick out the best ones. In addition, if you already know how database searching works, you can ask tools like Copilot to create complete search queries. This does require a certain level of information-searching expertise, because you need to be able to critically evaluate the search queries suggested by AI. Different databases also operate using slightly different techniques. AI can help translate these searches from one database to another.

Laura: I also mainly use Copilot for generating search terms. For example, I might ask, “I’m doing a search in an article database on topic X – come up with search terms for me.” Recently, however, I’ve noticed that this doesn’t necessarily work very well anymore. The lists of search terms and concepts can become enormous, and some of the terms are highly irrelevant. I’m now experimenting with whether a more direct command like “give me synonyms for concept X” might work better going forward.

Taisa also mentioned creating search queries with the help of AI. I don’t use AI for that purpose myself; I’ve noticed that after 25 years of crafting search queries by hand, AI doesn’t do it any better, or save me any time. In this respect, experience still outperforms AI.

What concerns do you have about using AI in information searching?

Laura: When everything is easy and fast and the result looks good, you don’t always have the patience to check whether things are actually correct. Even though AI assistants integrated into databases base their summaries on genuine sources, AI can still misinterpret or distort information. The less you know about a topic, the harder it is to evaluate the results critically. It is also more difficult for the user to influence an AI-driven search, because the process is not always very transparent. With traditional searching, you can modify your own search query and thereby influence the search process and its results.

Taisa: I sometimes worry that people will do their entire information search using AI and no longer search databases at all. AI can invent studies and sources that don’t actually exist. That’s why it’s extremely important to verify the sources suggested by AI – you can’t trust them blindly. I’m also sometimes concerned about whether people know how to prompt AI properly. It would be good to understand that the same prompt can produce different results on different days. This is quite typical of AI tools based on large language models. As a result, searches are not reproducible. In some theses and research projects, information searching is a research method in its own right. It must be done by the researchers themselves, reported properly, and – crucially – it needs to be reproducible.

Both of my colleagues – like myself – are also concerned about the environmental impact of using artificial intelligence. Who would want to further burden an environment that is already under strain? We spend a long time discussing the dilemma that, in order to keep up with developments in information searching, AI tools must be tested and adopted. In the end, we arrive at only a thinly comforting conclusion: we use AI as little as possible in today’s knowledge work, and only for legitimate purposes. The time for AI-generated images and light‑hearted video clips has passed, but AI has certainly come to stay within databases.

Give a tip for using AI in information searching or in knowledge work more generally

Laura: The other day, I was pleasantly surprised by how well Copilot can help with technical IT problems. In the past, I would have spent a lot of time struggling with a malfunctioning system, but this time Copilot found a solution almost instantly. I also want to point out that AI in information searching is developing very quickly. It’s not a good idea to get stuck with a single tool that you may have used in the past – such as ChatGPT – which many people have adopted as a permanent tool. New tools are constantly emerging and development is ongoing, and with a bit of experimentation you may find a much better tool for your own needs.

Taisa: Get to know the AI tool you are using. Familiarize yourself with how large language models available on the open web, such as Copilot or ChatGPT, actually work. For example, do they have access to subscription-based, academic databases? Compare these AI applications with AI assistants that are integrated directly into databases, and consider what the differences between them are. This kind of understanding already goes a long way when searching for scholarly information.

Riitta Holopainen, tietoasiantuntija | Information Specialist
Opetus- ja tietopalvelut | Training and information services