Pssst... die Künstliche Intelligenz möchte ungestört arbeiten. Videoaufzeichnung des Vortrags an der UB Erfurt am 11.5.2023
Bibliographic record
Abstract
Dieser Vortrag thematisiert, wie die jüngsten Entwicklungen im Bereich künstlicher Intelligenz (KI) die Landschaft von Forschung und Lehre umgestalten und welche Rolle wissenschaftliche Bibliotheken in diesem Prozess spielen können.<br> Gemeinsam werfen wir ein Schlaglicht auf die jüngste Generation von KI-Anwendungen, insbesondere generativer KI wie ChatGPT, und beleuchten deren Relevanz und Potenzial für den akademischen Bereich. Wir diskutieren die Herausforderungen, welche KI-Anwendungen der ChatGPT-Ära für forschungsethische Fragestellungen, für die gute wissenschaftliche Praxis und für etablierte Lehrmethoden darstellen, aber auch welche neuen Möglichkeiten sie eröffnen. Befürchtungen gegenüber dieser disruptiven Technologie sollen adressiert und kritische Perspektiven eingenommen werden.<br> Zuletzt stellt der Vortrag Ideen zur Diskussion, wie wissenschaftliche Bibliotheken ihre Rolle in diesem sich rasant entwickelnden Aufgabenbereich ausloten und definieren können, indem sie ihre Relevanz für Kernaspekte dieses sich anbahnenden Strukturwandels – z.B. beim Thema OA-Transformation – erkennen und bibliothekarische Kompetenzen erweitern. Wir werfen einen Blick auf zukünftige Aufgabenfelder und diskutieren, wie wissenschaftliche Bibliotheken ganz konkret als Akteure im Bereich KI agieren können.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.010 | 0.011 |
| Meta-epidemiology (broad) | 0.009 | 0.004 |
| Bibliometrics | 0.030 | 0.065 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.009 | 0.014 |
| Open science | 0.014 | 0.008 |
| Research integrity | 0.008 | 0.009 |
| Insufficient payload (model declined to judge) | 0.062 | 0.121 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".