På denna sida kan du läsa om vad källtillit är och varför det är viktigt. Vidare kan du läsa om källtillit i relation till vetenskapligt material, och källkritiskt tänkande vid användning av vetenskapliga artikilar. Slutligen är en viktig del av sidans innehåll källtillit och källlritik i sammanhanget generativ artificiell intelligens (GAI).
Källtillit och källrkitik är två begrepp som hänger ihop men har olika fokus. Källkritik handlar om att kritiskt granska och bedöma enskilda källors trovärdighet, medan källtillit handlar om att ha en grundläggande tilltro till vissa typer av källor och deras förmåga att leverera pålitlig information, ofta baserad på deras expertis och forskningsbakgrund.
Källkritik fokuserar på att identifiera brister eller skevheter (bias) i en specifik källa och kan innefatta att bedöma dess äkthet, beroende, tidssamband och tendens. Det är en metod för att analysera och värdera informationens tillförlitlighet. Källtillit, å andra sidan, handlar om att identifiera och välja källor som generellt sätt är pålitliga och trovärdiga, som exempelvis vetenskapliga publikationer och etablerade nyhetskällor. Det handlar om att förstå hur kunskap skapas och hur man kan bedöma trovärdigheten hos olika källor.
Sammanfattningsvis är källkritik en analys av enskilda källor, medan källtillit är en övergripande bedömning av vilka källor som generellt anses pålitliga. De kompletterar varandra, eftersom man behöver ha källtillit för att kunna välja vilka källor man ska ägna tid åt att källkritisk granska. (Källtillit eller källkritik, Borås Högskola, 220601)
Förtroende för tillförlitliga källor
Källtillit handlar om vilka grundläggande krav du ska ha på en källa för att kunna lita på den. Källtillit handlar om att bedöma vilka källor som är trovärdiga: att hitta en tidningsredaktion, en forskningsinstitution, eller en myndighet du kan lita på. Hur arbetar du för att göra dessa bedömningar?
Du kan läsa mer om källtillit på Internetstiftelsens sajt länkad nedan.
Vad behöver du tänka på när du väl har hittat en forskningsstudie som du funderar på att använda? Du behöver utvärdera studien på ett grundläggande sätt och undersöka forskningens tillförlitlighet, aktualitet och om forskningen använts av andra forskare. Borås högskolebibliotek förklarar närmare; klicka på länken nedan.
Källkritik av vetenskapliga källor
Hur vet du om en vetenskaplig tidskrift eller bok håller hög kvalitet? Hur kan du tänka gällande källtillit och vetenskapliga tidskrifter? Räcker det inte att du vet att tidskriften använder sig av peer review-förfarande? Nja, skriver du kandidat- eller masteruppsats bör du sträva efter att ”gå bortom peer review-knappen”. Nedan länkar vi till Jönköpings högskolebibliotek som ger dig information i frågor som:
När du använder generativ AI (GAI) för att skapa text, illustrationer eller video, finns det flera källkritiska aspekter att beakta. Generativ AI som ex vis CoPilot eller ChatGPT, har sina begränsningar och risker som påverkar hur informationen kan användas och tolkas. Här är några viktiga källkritiska aspekter att tänka på:
Bias och partiskhet
Generativa AI-modeller kan ibland förstärka befintliga fördomar och stereotyper som finns i samhället. Bias uppstår genom den träningsdata som har använts, vilket kan leda till partiska eller diskriminerande resultat. Det är viktigt att vara medveten om att GAI-modeller inte är neutrala och att alltid kritiskt granska de svar de genererar.
Många GAI-modeller fungerar som “svarta lådor”, vilket innebär att det är svårt att förstå exakt hur de når sina slutsatser. Transparens handlar om att förstå hur respektive GAI-modell har tränats och vilken data som har använts. Spårbarhet är också en utmaning, eftersom generativ AI ofta inte kan källhänvisa eller referera till sina källor, vilket gör det svårt att verifiera informationens sanningshalt.
Generativ AI har ingen förståelse av sanning eller fakta utan genererar innehåll baserat på sannolikhetsberäkningar. Detta kan leda till så kallade hallucinationer, där AI hittar på information. För att undvika att sprida felaktiga uppgifter är det viktigt att alltid faktagranska AI-genererade svar genom att jämföra med pålitliga källor.
Generativa AI-modeller kan hantera och analysera stora mängder personlig data, vilket medför risker för integritet och dataskydd. Att använda GAI-verktyg i enlighet med lagar som GDPR, och att vara medveten om hur personlig information hanteras, är avgörande för att skydda individers rättigheter.
GAI kan användas för att medvetet eller med avsikt, skapa felaktig, falsk information och så kallade deepfakes. Detta kan i värsta fall manipulera samhällsdebatten och vår demokrati mycket negativt. Det är viktigt att utveckla färdigheter för att identifiera och hantera sådan information, samt att använda verktyg för att kontrollera innehållets äkthet.
Generativa AI-modeller tränas på befintliga, ofta upphovsrättsskyddade, verk. Det kan skapa juridiska problem om upphovsrätt och licensiering. Det är viktigt att vara medveten om rättsläget och huruvida material skapat av GAI kan användas lagligt eller ej. Det kan således vara svårt att avgöra vem som egentligen äger en bild eller en text som är skapad av generativ AI.
Läs gärna mer om generativ AI i relation till upphovsrätt på Myndigheten för digital förvaltnings (Digg), webbsidor.
Bedöm upphovsrätten vid användning av generativ AI
Generativ AI väcker många etiska frågor, som frågan om ansvar och konsekvenser av dess användning. Det finns ett behov av att utveckla riktlinjer och ramverk för att säkerställa en etisk användning av GAI. Detta inkluderar att främja transparens, rättvisa och respekt för mänskliga rättigheter. Du bör alltså fundera på vilka eventuella etiska frågor som ditt användande av generativa AI-modeller kan ge upphov till.
Generativ AI bör ses som ett komplement snarare än som en ersättning för traditionella informationskällor. I akademiska sammanhang är det särskilt viktigt för dig som är student att följa universitetets riktlinjer för användning av generativ AI, och att alltid verifiera och källkritiskt granska informationen innan den används i studier och forskning.