Hoe AI de vaardigheden van onderzoekers herschrijft
Kunstmatige intelligentie neemt routinetaken over, zoals data-analyse en copywriting, maar vervangt nooit een kritische blik of creativiteit, schrijft Judith Künneke. ‘Het is onwaarschijnlijk dat AI onderzoekers vervangt; het zal ons aanzetten tot snellere ontwikkeling.’

De afgelopen jaren is AI geëvolueerd van een hulpmiddel in de informatica naar een aanwezigheid in de academische wereld die we nog niet eerder hebben gezien. Tegenwoordig “zit” het stilletjes naast ons terwijl we schrijven, analyseren en brainstormen. Wat vroeger een grotendeels eenzaam proces was van jongleren met data, woorden en ideeën, wordt steeds meer een samenwerking (hoewel die eenzame omgeving misschien nog steeds bestaat). Deze trend draait niet alleen om efficiëntie, maar verandert ook wat het betekent om een bekwame onderzoeker te zijn.
AI-tools helpen nu bij literatuuronderzoek, codering, datacleaning en zelfs bij het schrijven van conceptversies of reacties van reviewers. Op het eerste gezicht lijkt dit vrij positief: meer tijd voor creativiteit, minder voor routinewerk. Deze transformatie roept echter een aantal vragen op waarover we waarschijnlijk moeten nadenken: als machines een deel van ons intellectuele werk kunnen doen, wat is dan onze toegevoegde waarde? En wat betekent dit voor de opvoeding van de volgende generatie onderzoekers?
Traditioneel was en is academische training sterk gericht op methoden: leren hoe data te verzamelen, structureren en analyseren. Maar nu AI deze fundamentele vaardigheden automatiseert, moeten onderzoekers steeds meer hun oordeelsvermogen en ontwerpend denken trainen. Dat wil zeggen, het vermogen om zinvolle vragen te stellen, te beoordelen of door AI gegenereerde resultaten zinvol zijn en de bredere implicaties van bevindingen te zien. De kunst van het nadenken over denken, ook wel metacognitie genoemd, wordt steeds belangrijker in ons werk.
Dit is een wisselcolumn van de Tilburg Young Academy (TYA). Elke maand belicht een ander lid van TYA ontwikkelingen in de academische wereld.
Tegelijkertijd brengt het gemak dat AI biedt een niet-triviaal risico van intellectuele zelfgenoegzaamheid met zich mee. Wanneer tekstgeneratie, -analyse en -visualisatie geen kosten meer met zich meebrengen, groeit de verleiding om output te accepteren zonder een diepere, kritische betrokkenheid bij de output. De eindeloze strijd met theorie, data en schrijven kan onnodig beginnen te voelen. Toch is het juist die strijd die diepgang, originaliteit, nauwkeurigheid en discussie opbouwt.
Voor onderzoekers aan het begin van hun carrière lijken de eisen toe te nemen. Ze moeten traditionele academische methoden leren en tegelijkertijd digitale en ethische geletterdheid ontwikkelen, en tegelijkertijd investeren in hun vaardigheden van een hogere orde, zoals ethisch redeneren, synthese en het creëren van nieuwe oplossingen.
Dit zijn de vaardigheden die AI – althans tot een bepaald moment in de toekomst – niet kan evenaren en die onze intellectuele onafhankelijkheid bepalen. Het begrijpen van AI lijkt niet optioneel, omdat het onderdeel is van een verantwoordelijke wetenschapper. Maar dat geldt ook voor het behouden van de nieuwsgierigheid en gezonde scepsis die kenmerkend zijn voor goed onderzoek.
Als begeleiders dragen we een bijzondere verantwoordelijkheid in deze transitie. Promovendi betreden een wereld die fundamenteel anders is dan de wereld die we kenden. Ze hebben gestructureerde mogelijkheden nodig om vaardigheden van een hogere orde te ontwikkelen: bewijs kritisch beoordelen, ethisch redeneren en complexiteit vertalen naar kennis die ertoe doet.
Universiteiten spelen een cruciale rol door mentorprogramma’s, interdisciplinaire samenwerkingen en trainingsmodules te creëren die zich expliciet richten op reflectie, redeneren en oordeelsvorming. We moeten gesprekken normaliseren over hoe we denken, niet alleen over wat we produceren.
Uiteindelijk zal AI onderzoekers waarschijnlijk niet vervangen; het zal ons aanzetten tot snellere ontwikkeling. De echte vraag is niet of AI de academische wereld verandert, maar hoe wij, als onderzoekers en docenten, onszelf zullen veranderen als reactie daarop.
Judith Künneke is universitair hoofddocent Managerial Accounting aan TiSEM. Ze is geïnteresseerd in hoe AI-ondersteunde besluitvormingsomgevingen het oordeel van managers veranderen en wat het gebruik van AI betekent voor vaardigheidsontwikkeling, evaluaties en carrièrepaden.
