Kunstig intelligens og litteratursøk

FHS skal «frembringe relevant FoU på høyt internasjonalt nivå […]. Dette betyr at FHS skal kunne sammenligne seg kvalitetsmessig med relevante internasjonale militære profesjonsutdanninger når det gjelder FoU, og/eller at man bidrar til relevante internasjonale FoU-debatter» (FHS FoU-strategi).

Målet med forskning er enten å teste grensene for eksisterende kunnskap eller å utvikle ny kunnskap der det identifiseres kunnskapshull. Både teoritesting og teoriutvikling forutsetter at forskeren kjenner kunnskapsfronten innen fagfeltet. Manglende oversikt kan føre til at man tester sammenhenger som allerede er testet, eller utvikler modeller der lignende modeller allerede er utviklet.

Prosjektet støtter FHS ambisjon om å gjøre FHS bedre i stand til å bidra til internasjonale FoU-debatter ved å utforske forskningsinfrastruktur som sikrer at våre forskere bedre kan identifisere relevant forskningsfront.

Vi ønsker å teste om søkeverktøy basert på kunstig intelligens (AI) er bedre til å identifisere relevant litteratur enn tradisjonelle litteratursøk. Kunstig intelligens (AI) oppfattes som “a system’s ability to correctly interpret external data, to learn from such data, and to use those learnings to achieve specific goals and tasks through flexible adaptation» (Kaplan & Haenlein, 2019)

Prosjektet springer ut fra FHS/SKSK/seksjon for militær logistikk. Fagområdet logistikk er i sin natur tverrfunksjonelt. Tilfang av forskning kommer fra mange ulike disipliner, både innen naturvitenskap og humaniora. Videre anvendes både kvantitative og kvalitative metoder.

Deltakere i FoU-gruppe Militær logistikk har gjennomført en preliminær litteraturstudie av fenomenet ‘defence logistics’. Tradisjonell søkemetodikk i vitenskapelige tidsskrifter resulterte i mer enn 100.000 treff, noe som er umulig å forholde seg til. En tradisjonell måte å avgrense litteratursøk på er å innsnevre søkeordene. Kvaliteten i litteratursøk avhenger av forskerens evne til å definere «gode» søkebegreper, og at søket gjennomføres i de mest optimale databasene. I vår preliminære studie oppdaget vi at søk i de samme databasene ga ulike svar avhengig av hvilken institusjon man søker fra. Det henger sannsynligvis sammen med hvor omfattende abonnement de enkelte institusjonene betaler for. Reliable litteratursøk bør derfor understøttes av en forskningsinfrastruktur som både kan redusere skjevhet i utvalg og forenkle jobben med å identifisere og kategorisere relevante funn.

FHS bibliotek deltar for å bidra med kompetanse om litteratur- og database-søk samt utvikle kunnskap om bruk av kunstig intelligens innen bibliotektjenester. Videre deltar FHS/Sverige, som også deltok i den preliminære studien. Dette for å styrke samarbeid på tvers av institusjoner og nasjoner. Videre vil funnene kunne generaliseres til andre relevante forskningsfelt ved FHS.