Demokraattista tieteentekemistä tekoälylaajennetulla Stetson–Harrison- menetelmällä

Tieteentekemisessä on jo pitkään syrjitty ihmisiä osaamisen ja ymmärtämisen perusteella. Tekemisessä ja menetelmissä leimallista on ollut osaamispainotteisuus, ja tiede onkin tähän asti ollut vahvasti meritokraattisen monopolin käsissä. Demokraattisemmat, osaamistarvetta minimoivat menetelmät, kuten Stetson–Harrison-menetelmä, eivät ole saaneet pysyvää jalansijaa tieteentekemisen kentällä. Tilanne on nyt kuitenkin muuttumassa, tekstiä tuottavan tekoälyn avulla voidaan murtaa tieteentekemisen pitkäaikainen stagnaatio, ja vapauttaa Stetson–Harrison-menetelmä suurten massojen työkaluksi. Vallitsevat, osaamisprotektionistiset rakenteet tulevat murtumaan ja uusi tieteellinen todellisuus odottaa!

Tuloksia nopeasti ja helposti

Kuten yleisesti tunnetaan, alun perin matemaattisissa ja tilastollisissa analyyseissa sovellettu Stetson–Harrison-menetelmä on osoittautunut tehokkaaksi menetelmäksi myös muiden tyyppisten analyysien tekemisessä ja laajemminkin erilaisten ongelmien ratkaisuissa (Delta ry 2016). Menetelmänä Stetson–Harrison on osoittautunut nopeaksi, kustannustehokkaaksi, tasalaatuiseksi, ja monessa kohtaa varsin uskottavaksi työkaluksi tuottaa ketterästi tavoitteiden mukaisia tuloksia.

Vaikka Stetson–Harrison-menetelmän sisältämät satunnaiselementit aiheuttavat selkeää luotettavuuden huojuntaa ja sen tuottamissa tuloksissa on jossain määrin tilastollista epävarmuutta (Wikisanakirja n.d.), on voitu havaita, että menetelmän tarkkuus ja luotettavuus riittävät erinomaisesti tarkoitusperiin, joissa nopeus, kustannustehokkuus ja tulosten ohjattavuus ovat kriittisiä. Stetson–Harrison-menetelmää onkin sovellettu vaihtelevalla menestyksellä erilaisissa raporteissa, selvityksissä ja selonteoissa.

Stetson–Harrison-menetelmän soveltaminen tieteessä vähäistä

Haasteena Stetson–Harrison-menetelmän laajemmassa käytössä on ollut tuloksia vastaava teoriatausta, joka ei ole syntynyt aivan yhtä kustannustehokkaasti kuin analysointivaihe. Ilman kunnollista teoriataustaa analyysin tuloksia on mahdotonta kiinnittää kontekstiinsa, ja hyvätkin tulokset jäävät helposti ilmaan roikkumaan. Uskottavan ja mielekkään oloisen teoriataustan laatiminen on tähän asti vaatinut vahvaa alan asiantuntemusta ja syvää perehtyneisyyttä aiheeseen, ja siksi tieteellisten julkaisuiden tuottaminen on pitkälti jäänyt akateemisesti korkeasti koulutettujen tutkijoiden harteille.

Samaan aikaan on ollut havaittavissa, että akateemisesti pitkälle koulutetut tukijat syystä tai toisesta tuntuvat karsastavan Stetson–Harrison-menetelmää; se on tiedemaailmassa jäänyt lapsipuolen asemaan, vaikka esim. politiikassa ja yritysten strategiatyössä se on näyttänyt käyttökelpoisuutensa ja luotettavuutensa. Voidaankin todeta, että tähän asti tiedemaailmassa Stetson–Harrison-menetelmä on jäänyt väliinputoajaksi: ne, jotka tuntevat aihealueen aiemman tutkimuksen ja teoriat hyvin, karttelevat sitä, ja taas ne, jotka menetelmää innokkaimmin olisivat soveltamassa, eivät juurikaan tunne kontekstia, jossa toimivat, eivätkä pysty siltä osin kirjoittamaan pätevän oloisia tutkimusraportteja. Hyvänkin kuuloiset tulokset saattavat jäädä täysin julkaisematta.

Tekoälylaajennuksella Stetson–Harrison-menetelmän tuloksiin sopiva teoriatausta

Tähän näennäisen lukkiutuneeseen tilanteeseen tekstiä tuottava, generatiivinen tekoäly on nyt tarjoamassa aivan uudenlaisia ratkaisuja. Tilanne on nimittäin ChatGPT:n uusimman version julkaisun jälkeen merkittävästi muuttunut (OpenAI 2023). Kuten yleisesti on havaittu, pyydettäessä ChatGPT pystyy luomaan teoriataustan lähes aiheesta kuin aiheesta lähteineen kaikkineen. Tarvittava teoriatausta, ja siis tutkimuksen konteksti syntyy muutamassa minuutissa, eli päästään lähes vastaavaan nopeuteen ja kustannustehokkuuteen kuin Stetson–Harrison-menetelmän käytössä analyysissä.

Lisäksi on huomioitavaa, että, samoin kuin Stetson–Harrison-analyysin tulokset, niin myös ChatGPT:n tuottama teoriatausta saattaa joissain tapauksissa pitää täysin paikkansa, toisinaan jopa teoriataustassa viitatut artikkelit ovat oikeasti olemassa. Toisin sanoen, yhdistämällä sekä Stetson–Harrison-menetelmä että tekstiä tuottava tekoäly, voidaan todeta saatavan tutkimusraportteja, joissa sekä analyysi että siihen luotu teoriatausta ovat riittävällä tarkkuudella yhtä luotettavia.

Uudenlaisten tieteellisten julkaisuiden vyöry

Voimmekin todeta, että ChatGPT-laajennus Stetson–Harrison-menetelmään tuo nopean ja kustannustehokkaan menetelmän jokaisen saataville, riippumatta käyttäjän tieteellisistä taustoista, kontekstin ymmärtämisestä tai muusta osaamisesta. Tämä laajennus on ehdottomasti yksi merkittävimpiä tieteen demokratisoijia, ja mahdollistaa nykyisen tieteentekemisen meritokraattisen monopolin murtamisen. Jatkossa tiede ja tutkimus eivät ole vain koulutettujen, akateemisesti meritoituneiden asiantuntijoiden yksinoikeus, vaan kuka tahansa voi ChatGPT:n ja Stetson–Harrison-menetelmän avulla nopeasti ja kustannustehokkaasti luoda aivan uudenlaista tieteellistä todellisuutta.

Jäämmekin mitä suurimmalla mielenkiinnolla odottamaan uusien ja jännittävien tieteellisten julkaisuiden, artikkeleiden, opinnäytetöiden ja väitöskirjojen vyöryä, joka tulee mullistamaan tieteellisen maailman sellaisena kuin me sen tunnemme.