Literatuuronderzoek en thema-ontdekking

Toepassing: Onderzoekers in de sociale wetenschappen hebben GenAI gebruikt om snel literatuur over complexe onderwerpen te verkennen, zoals de impact van digitalisering op de arbeidsmarkt.

Resultaat: GenAI bood samenvattingen van relevante artikelen en introduceerde nieuwe zoektermen, wat leidde tot een meer gerichte en efficiënte zoekstrategie.

Hypothesevorming
Toepassing: In de medische wetenschappen hebben onderzoekers GenAI ingezet om nieuwe verbanden tussen genen en ziektes te identificeren.

Resultaat: Door enorme hoeveelheden data samen te vatten, konden onderzoekers hypothesen formuleren over mogelijke oorzaken van zeldzame ziektes, wat de basis vormde voor vervolgonderzoek.

Dataverwerking en analysekader
Toepassing: In klimaatonderzoek werd GenAI gebruikt om datasets van beleidsdocumenten, rapporten en wetenschappelijke publicaties te analyseren.

Resultaat: De modellen hielpen bij het identificeren van trends in beleidsvoering en wetenschappelijke samenwerking rond duurzame energie, wat leidde tot beter geïnformeerde beleidsaanbevelingen.

Onderwijsonderzoek
Toepassing: Onderwijskundigen gebruikten GenAI om trends in pedagogische benaderingen te verkennen door relevante publicaties samen te vatten.

Resultaat: Door de versnelde verwerking van literatuur konden onderzoekers sneller aanbevelingen doen voor innovatieve onderwijsprogramma’s.

Multidisciplinaire samenwerking
Toepassing: GenAI hielp wetenschappers in multidisciplinaire onderzoeksprojecten om terminologie en concepten uit verschillende vakgebieden te begrijpen.

Resultaat: Dit bevorderde een betere communicatie tussen teams en zorgde ervoor dat onderzoekers inzichten uit verschillende disciplines konden combineren.

Hoewel GenAI opvallend goede resultaten kan opleveren, blijft het een hulpmiddel dat zorgvuldig en kritisch gebruik vraagt.