Humanistinen ammattikorkeakoulu

Tekoäly tiedonhaussa – esimerkkinä Keenious

  • Kirjoittaja: Anna-Kaisa Sjölund, FM, informaatikko, Humanistinen ammattikorkeakoulu, 07.11.2023
  • Kirjoittaja: Auli Rossi, tradenomi (AMK) kirjasto- ja tietopalveluala, informaatikko, Alkio-opisto, Humanistinen ammattikorkeakoulu, 07.11.2023

Tämä blogikirjoitus on osa Tekoälytiistai-blogisarjaa, jonka jokaisessa osassa esittelemme yhden näkökulman tekoälyn hyödyntämiseen. Kutsumme tätä blogisarjaa Tekoälytiistaiksi, koska blogitekstejä julkaistaan joka tiistai syys- ja marraskuussa. Blogisarjan tuotantoa koordinoi Digioppimisen kehittämisryhmä Dingo.

Tekoälytiistai.

Tiedonhaku tehdään yleensä kirjastojen tietokannoista käyttämällä tuttuja Finton asiasanoja, googlettamalla Internetistä tai käyttämällä tieteelliseen tiedonhakuun erikoistunutta Google Scholaria tai samaan tapaan toimivaa Semantic Scholaria.

Tekoäly tuo uusia ulottuvuuksia tiedonhakuun. Sen avulla voi saada apua aiheeseen orientoitumiseen ja tutkimuskysymysten ideointiin (ChatGPT), samankaltaisten artikkelien hakemiseen (Research Rabbit), tieteellisten artikkelien hakuun sekä relevanteimpien hakutulosten lyhyen yhteenvedon tekemiseen (Elicit) tai vaikkapa visuaalisen kirjallisuuskartan tekemiseen (Litmaps).

ChatGPT on kielimalli, joten se ei toimi tiedonhaun välineenä, mutta sitä voi hyödyntää nimensä mukaisesti mallina kielen käytöstä, sen oikeellisuudesta ja mahdollisista uusista tavoista ilmaista asia. Kielimallit perustuvat olemassa olevaan kieliaineistoon, kuten esimerkiksi kirjojen, sanomalehtien ja Internetin tekstiaineistoon.

 

Keenious 

Keenious on tekoälypohjainen tiedonhakuohjelma, jonka avulla voi etsiä joko artikkelin tai kirjoitetun tekstin perusteella samankaltaisia artikkeleita.

Aloitusnäyttö, jossa voi valita tuoko analysoitavan tekstin pdf-tiedostona, antamalla artikkelin verkko-osoitteen tai syöttämällä tekstin.
Keenioukselle annettavan lähdetekstin voi ladata pdf-tiedostona, antamalla artikkelin verkko-osoitteen tai syöttämällä tekstin sellaisenaan.

 

Keenious toimii verkkoselaimessa tai sen lisäosan voi ladata MS Wordiin tai Google Docsiin, jolloin artikkelisuosituksia voi hakea suoraan tekstinkäsittelyohjelmassa avoinna olevaan tekstiin tai valittuun tekstinosaan liittyen. Helsingin yliopisto koekäytti Keeniousta keväällä 2023 ja Keenious on lisensoitu Helsingin yliopistolle vuoden 2024 loppuun saakka. Käytön aikana Helsingin yliopiston kirjaston omien julkaisujen lainaus on kirjastohenkilökunnan mukaan lisääntynyt.

Keenious pystyy toistaiseksi analysoimaan vain englanninkielisiä tekstejä, mutta siihen voi ladata myös muun kielisiä tekstejä (jolloin ao. teksti konekäännetään englanniksi ja sovelluksen analyysi perustuu käännökseen.) Mikäli Keenioukseen syöttää suomenkielisen tekstin, tekoäly kääntää sen englanniksi. Tällöin ei virheiltä aina voi välttyä. Keenious toimii kuitenkin kohtuullisesti suomenkielisten tekstien kohdalla. Tulee huomioida kuitenkin, että englanninkielisten tekstien suhteen ei ole pituusrajoituksia, kun taas muun kielisten tekstien sanamäärä voi olla korkeintaan 20 000 merkkiä.   

Keeniouksen data tulee OpenAlexista, joka sisältää suuren määrän sekä avoimien että ei-avoimien lehtiartikkeleiden metadataa. Kirja-artikkelien luvataan tulevan mukaan myöhemmin. Aineisto on lähinnä englanninkielistä. 

Toisin kuin tavallisimmat tiedonhakumenetelmät, Keenious ei perustu hakusanojen keksimiseen, vaan siihen, että löytämäsi artikkeli tai itse kirjoittamasi teksti analysoidaan ja Keenious tekee tekstistä analyysiin, minkä perusteella tekee hakuja.

Keeniuksen tuloslista.
Tuloslistan artikkeleita voi filtteröidä viittausten lukumäärän ja julkaisuvuoden mukaan sekä rajata pelkästään Open Acces -artikkeleihin. Hakua voi muuttaa painottamalla aihealueita tai sulkemalla niitä pois.

Keeniousta voi käyttää

  • ideoiden löytämiseen esseeseen tai artikkeliin
  • uusien käsitteiden ja asiasanojen löytämiseen ja oppimiseen
  • kirjallisuusluettelon täydentämiseen
  • johonkin aiheeseen tai tieteenalaan liittyvän aiemman tutkimuksen kartoittamiseen.

 

Keeniouksen käyttö 

Keenious toimii toistaiseksi ilman erillistä kirjautumista. Helsingin yliopistossa Keenious on asennettu keskitetysti Office265-asennuksena Wordiin.  Kirjautumalla palveluun saa siitä enemmän irti.

Wordissa Keeniouksen tiedonhaussa voi hyödyntää itse kirjoitettua tekstiä. Oikean sivupalkin kokoa voi muokata, toisin kuin selainversiossa. Perusperiaate on se, että kun avaa dokumentin/kirjoittaa tekstiä, Keenious analysoi sen ja ehdottaa samaan tapaan aiheeseen liittyvää materiaalia kuin selainversiossakin. Edistynyt haku, kuten filtteröinti ja aihehaku toimivat samalla tavalla Wordissa kuin selainversiossakin.

Keeniousta käyttäessä aineistot voi tallentaa omalle koneelleen ja hyödyntää heti, mikäli ne ovat avoimesti saatavilla. Keenious voi tarjota myös sellaista materiaalia, mikä löytyy oman korkeakoulun kirjastotietokannasta. Tällöin positiivisena asiana voidaan nähdä oman korkeakoulun aineistojen käytön lisääntyminen.

 

Artikkeleihin pääsy

Keeniouksen löytämien artikkeleiden yhteyteen muodostuu linkkejä eri otsikoiden alle: DOI, PDF ja LINKS. PDF-linkit johtavat vapaasti saataviin artikkeleihin. Muut linkit saattavat avata kokotekstin tai voivat johtaa tekstiin, joka on maksumuurin takana.

Artikkelin kohdalla on myös Access Full-Text -nappula. Jos Keenioukseen kirjautunut käyttäjä on määritellyt omissa tiedoissa organisaation link resolver -osoitteen (SFX tms.), Access Full-Text -nappula pyrkii rakentamaan linkin artikkeliin. Laurean ammattikorkeakoulun tekemien testien mukaan SFX-osoitteen antaminen ei luonut toimivia linkkejä. Jos link resolver -tietoa ei ole määritelty, Access Full-Text -nappula vie LibKey-palveluun, joka omalla organisaatiolla joko on käytössä tai sitten ei. Testissä LibKey-linkitys oli toiminut mainiosti.

 

Keenious opiskelijan käytössä 

Keenious sopii käytettäväksi opinnäytteen eri vaiheissa. Opinnäytteen ideaa voi jalostaa Keeniouksen linkkien avulla, joko karsimalla aiemmin kerättyä aineistoa tai löytämällä uusia näkökulmia aiheeseen. Kirjoitusprosessien edetessä voi tehdä uusia aiheeseen liittyviä hakuja. Tekoälyn avulla voi löytää materiaalia, jota ei itse välttämättä tule ajatelleeksi – uusia näkökulmia ja lähestymistapoja.

Keeniouksen avulla löydettyjen artikkelien lähdetiedot on helppo lisätä dokumenttiin tai tuoda viitehallintaohjelmiin.

 

Keenious tutkijalle tai hanketyöryhmälle 

Keenious on tehokkaampi tutkimusartikkelien hakuväline kuin esimerkiksi Google Scholar.

Word-laajennus mahdollistaa Keeniouksen lisäämisen tutkimusprosessiin – esimerkiksi artikkelia kirjoittaessa voi pysähtyä hetkeksi etsimään johonkin tekstikohtaan liittyviä artikkeleita. Keenious voi myös edistää eri tieteen tai ammattialojen tiedonvaihtoa ja sen avulla voi etsiä minkälaisten aiheiden parissa on tehty työtä ja tutkimusta muilla aloilla (mahdollisuus käyttää aihefilttereitä). Hakutulokset saa kätevästi lisättyä tekeillä olevaan dokumenttiin tai tuotua viitehallintaohjelmiin.

 

Tekoäly vai tukiäly? 

Kun tiedonhankintaa tehdään perinteisesti kirjastojen tietokannoista, ovat hakutulosten aineistot käyneet läpi ihmisen tekemän arvioinnin – kustantajan arvion ennen julkaisua, tieteenalan asiantuntijan ennakkoarvioinnin vertaisarvioidun artikkelin julkaisukelpoisuudesta tai informaatikon arvioin ennen tietokannan hankkimista kirjaston kokoelmaan. Hakuja tehdään yhteisesti sovittujen asiasanojen avulla. Kokoelmat ovat harkitusti muodostettuja ja niiden tieto on lähtökohtaisesti luotettavaa.

Tekoälyn hyödyntäminen tiedonhankinnassa edellyttää kriittisyyden taitoa. On hyvä tietää, miten ohjelmia käytetään ja perustuvatko vastaukset tieteellisiin julkaisuihin vai internetistä löytyvään ei-luotettavaan tietoon. Myös tietoturvan merkitys korostuu tekoälyä käytettäessä, erityisesti silloin kun sinne syötetään omaa aineistoa.

Tekoälysovellukset ovat hyödyllisiä apuvälineitä, mutta ne eivät korvaa oman ajattelun ja päätöksenteon tärkeyttä. Käytä niitä oppimisen tukena ja oman työsi tehostamiseen, mutta huolehdi, että ymmärrät ja arvioit niiden antamia tuloksia ja tietoa. Opiskelutehtävien tekstin lopussa tulee kertoa, että on käyttänyt tekoälyä ja kuvailla, kuinka sitä on käyttänyt.

Kun käytät tekoälysovelluksia, mieti käytätkö sovellusta tekoälynä vai tukiälynä:

  • tekoäly (arficial intelligence) = tekoäly hoitaa eikä tarvitse itse ajatella mitään?
  • tukiäly (intelligence augmentation) = sovelluksia käytetään oman oppimisen / työtehtävän tukemiseen, reflektointiin ja tehostamiseen.

Korkeakoulut ovat ohjeistaneet kuluvan vuoden aikana tekoälyn sovellusten käytöstä niin opetuksen, opiskelun, oppimisen, opiskelutehtävien teossa kuin myös tiedonhankinnassa. Lisätietoa Humakin ohjeista löydät esimerkiksi Humakin Kirjaston tekoälyoppaasta ja Tekoälyn käyttö opinnäytetyössä-ohjeista.

 

 

Lähteet

Laurea-kirjasto 25.10.2023.Tekoäly tiedonhaussa: Etusivu. Viitattu 26.10.2023. https://libguides.laurea.fi/tekoaly_tiedonhaussa

Helsingin yliopiston kirjasto. Keenious hakutyökalu: Keenious – yleistä 16.10.2023. Viitattu 26.10.2023. https://libraryguides.helsinki.fi/keenious/fi

Helsingin yliopisto 15.3.2023. Keenious, tekoälypohjainen hakutyökalu nyt koekäytössä. Viitattu 26.10.2023. https://studies.helsinki.fi/ohjeet/uutiset/keenious-tekoalypohjainen-hakutyokalu-nyt-koekaytossa

Turun yliopisto 26.10.2029. Kirjaston tekoälyopas. Viitattu 26.10.2023. https://utuguides.fi/tekoaly/tiedonhaku#s-lg-box-16137323

Kreodi 6.6.2023. Tiedonhaun kokeilukulttuuria: Tekoälyä käyttävät artikkelihaun työkalut. Viitattu 26.10.2023. https://www.kreodi.fi/arkisto/artikkelit/tiedonhaun-kokeilukulttuuria-tekoalya-kayttavat-artikkelihaun-tyokalut.html