”At vide, hvad man ikke ved, er dog en slags alvidenhed”

december 18, 2023

Om Piet Hein, AI og blinde vinkler i kvalitativ research

Piet Heins gruk har altid haft en særlig plads i mit hjerte, især når jeg tænker på det uendelige potentiale i kvalitativ research. At erkende, hvad vi ikke ved, sætter os på sporet af opdagelse og forståelse, og de største indsigter ligger ofte i det, vi endnu ikke er opmærksomme på.

Antropologiens tradition for at grave dybt i det uudforskede, at udfordre de etablerede normer og tænke ud af boksen, er ikke kun et håndværk, men også et mindset. Og det er netop dette mindset, der er afgørende, når vi taler om anvendelsen af AI i kvalitativ research. I den sammenhæng er AI ikke kun et værktøj, men en katalysator til netop at få øje på det, vi ikke ved, vi ikke ved, på vores blinde vinkler og vores biases.

Ved at kombinere min nye “kollega” ChatGPT’s omfattende analysekapacitet med mine levende kollegers menneskelige indsigt og kritiske tænkning, kan vi skabe et mere afbalanceret og omfattende undersøgelsesdesign, en mere nuanceret analyse og mere inkluderende og brugervenlige anbefalinger og løsninger.

Her er eksempler på, hvordan jeg konkret anvender ChatGPT til at afdække de områder, vi måske overser:

Afsløre blinde vinkler i analysedesign:

  • Jeg spørger ChatGPT: “Hvilke målgrupper kan vi have overset i vores analysedesign af [indsæt problemstilling]?”, ”Er der målgrupper, vi ikke har taget hensyn til i vores metodevalg?”
  • Ved at stille sådanne spørgsmål til AI, kan vi sikre, at vores forskningsdesign er omfattende og inkluderende, og at vi ikke overser vigtige perspektiver.

Afsløre blinde vinkler i dataanalyse:

  • Jeg beder ChatGPT om at “gennemgå vores anonymiserede data for emnet [indsæt emne] og pege på de temaer eller tendenser, som vi måske ikke har lagt mærke til.”
  • Denne tilgang kan hjælpe med at identificere skjulte mønstre eller indsigt, som vi kan have overset i den manuelle analyseproces.

Afsløre blinde vinkler i løsninger:

  • Jeg bruger ChatGPT til at udfordre vores anbefalinger til løsninger: “Hvordan vil forskellige målgrupper opfatte og interagere med vores løsning for [indsæt projekt]?” ”Gennemgå hver løsning som beskrevet fra et målgruppeperspektiv og beskriv, hvis en målgruppe oplever udfordringer, sproglige stigmatisering, manglende relevans eller andet, der ikke er hensigtsmæssigt”
  • Dette hjælper med at sikre, at vores løsninger er inkluderende, tilgængelige og relevante over for brugernes forskellige behov.

Men dette skriv er ikke udelukkende en ukritisk hyldest til AI for at kunne kompensere for vores blinde vinkler og bias. Det er velkendt, at AI i sig selv indeholder bias og blinde vinkler, fordi det er trænet på ”menneskelige” data med hvad dertil hører af netop bias og blinde vinkler. Hvor AI kan hjælpe med at identificere og reducere virkningen af ​​menneskelige bias, kan det derfor også gøre problemet større ved at tilføre nye bias eller forstærke eksisterende. Her er fx OpenAIs egne konklusioner på bias i ChatGPT: https://help.openai.com/en/articles/8313359-is-chatgpt-biased

Derfor er det for mig ikke bare et spørgsmål om at anvende AI som et redskab; det handler om at bruge det som en partner i dialog, eller et spejl, der reflekterer de vinkler af vores forforståelse, som vi selv kan have overset og samtidig bruge vores menneskelige intelligens til kritisk at vurdere output fra AI. Denne blanding af antropologisk intelligens og kunstig intelligens er mere end bare spændende – den er en game changer, også inden for kvalitativ research.

Er du blevet nysgerrig på, hvordan du kan minimere de blinde vinkler i kvalitativ research vha. AI, eller hvordan vi ser, de antropologiske og kunstige intelligenser komplementerer hinanden, så ræk ud til mig, Sanne Nissen Møller, Director, Hub Lead for Human Minds & Antropology, samo@epinionglobal.com, +45 20 76 04 70 eller vores Human Minds & Anthropology Hub.

Du kan også læse mere om AI i Epinion her: Epinion og AI: Mennesker, maskiner og mening

 

Sanne Nissen Møller
DIRECTOR
samo@epinionglobal.com