TAIKun: Tilrettelegging for kompetanseheving og AI-kunnskap

Søknad

Mål

Målet med TAIKun er å heve bibliotekansattes kompetanse om kunstig intelligens (AI), og bidra til tillit i møte med nye krav og forventninger. Til tross for at mye innhold om AI er lett tilgjengelig, er etterspørselen stor etter utvikling av anvendbare ferdigheter om AI i biblioteksektoren.
TAIKun vil gjennom samarbeid utvikle praksisnære opplæringsopplegg innen AI. Prosjektets «training the trainer»-tilnærming egner seg for å dele kompetanse på tvers av bibliotekorganisasjoner.
Bibliotekene er i ferd med å ta en ledende rolle i veiledning og tilrettelegging av AI-bruk i høyere utdanning. På samfunnsnivå er kunnskapsbasert AI-bruk en forutsetning for videreføring av grunnleggende verdier som ytringsfrihet og demokrati.
Vi ønsker gjennom prosjektet å bidra til å ivareta viktige samfunnsverdier, styrke fag- og forskningsbibliotek som en viktig samfunnsaktør, og gjøre arbeidet mer meningsfylt for bibliotekansatte gjennom økt kompetanse innen et etterspurt og aktuelt felt.

Beskrivelse

I en tid preget av teknologiske og samfunnsmessige endringer, har bibliotekene en mulighet til å styrke sin posisjon som frie og demokratiske arenaer for informasjonsinnhenting, læring og informasjonskompetanse (1).
For å kunne benytte denne muligheten, bør bibliotekansatte ha kunnskap og tillit i egen kompetanse i møte med teknologier som AI. De bør forstå hvordan AI teknologier fungerer, men også hvordan de påvirker bibliotekets virksomhet, samt innlemme AI-verktøy i tjenestene de tilbyr og i driftsoppgaver på en ansvarlig og effektiv måte (1,2).
I møte med de mulighetene og utfordringene som AI teknologier medfører, har bibliotekansatte etterlyst behov for å utvikle nye kompetanse (3), og for å føle seg mere komfortabel når de blir spurt om problemstillinger knyttet AI.
Bibliotekansatte skal gi veiledning til brukere, som kommer fra fagmiljøer hvor det kan finnes lite kunnskap om AI bruk i forskning og undervisning, og dermed manglende rutiner og erfaring for bruk av AI. Videre kan de bibliotekansatte også kjenne på usikkerhet, og må styrkes i sin rolle som en støtte for andre.
I lys av en slik kontekst, haster det med en nasjonal satsing for kompetanseheving i biblioteksektoren. Bibliotekene i universitets- og høyskolesektoren har kommet i gang med å iverksette tiltak og utforme tilbud rettet mot sine brukere, og det er mange synergier å hente gjennom samarbeid som planlegges gjennom felles opplæringstiltak. Prosjektet TAIKun vil trekke veksler på arbeidet som er satt i gang hos ledende AI-fagmiljøer i den norske biblioteksektoren for å heve kompetansen på tvers av institusjoner (1–6). TAIKun har som mål å utvikle fleksible og praksisnære opplæringsopplegg om AI for bibliotekansatte i Norge.

*Utarbeidelse av et fleksibelt opplæringsopplegg*
Prosjektteamets erfaring viser at, på tross av de mange foredrag, webinarer og innhold som har blitt produsert angående AI i de siste årene, er det vanskelig for bibliotekansatte å navigere blant de mange tilbudene og samtidig vurdere kvalitet.
TAIKun baserer seg på en «training the trainer»-tilnærming, der fokuset er å lære opp en kjernegruppe av undervisere og tilrettelegge for at kompetanse kan deles videre i form at ytterligere treningsopplegg hos deres egen (og andres) institusjon. På denne måten legger TAIKun til rette for erfaringsutveksling og nettverksbygging på tvers av institusjoner.
Det er vist at brukere av bibliotekene kan kjenne på stor usikkerhet, og tematisering av det emosjonelle aspektet i tilknytning til AI-bruk vil også inkluderes i vårt opplæringsopplegg (6), og vi vil derfor inkludere dilemmaer og etiske spørsmål som bibliotekansatte møter i sin hverdag. Opplæringsoppleggene vil inkludere dialog, samarbeid og refleksjoner, og finne sted i sanntid.
Organisasjonene som deltar i prosjektteamet har ulike behov med tanke på hvordan opplæringsopplegget kan leveres, siden noen av dem er spredt over store fysiske områder. Derfor skal formen tilpasses og være fleksibel, slik at oppleggene kan arrangeres enten fysisk, digital, eller hybrid etter behov.
Opplæringsoppleggene vil ta for seg tematiske områder som handler om AI i bibliotek. Samtidig, ser vi for oss at nye temaer kan legges til i opplegget underveis i prosjektet. Midler og egeninnsats vil dekke utviklingsverksteder, koordinering av samarbeidet og formidling.
I utviklingen av innhold, vil TAIKun rådgi seg med fagmiljøer utenfor bibliotekene, for eksempel NORA (Norwegian Artificial Intelligence Research Consortium), NAIL (The Norwegian Open Artificial Intelligence Lab), med mer.

*Eksempler på tematiske områder*
a. Grunnleggende forståelse av AI. Kunstig intelligens er ikke en teknologi, men et sett av teknologier, som f.eks. overordnede kategorier, diverse teknikker (som maskinlæring, regelbasert systemer), oppgaveløsning (klassifisering, prediksjon eller optimalisering), type data som brukes (som strukturerte data, ustrukturerte data, tidsseriedata), eller type media (tekst, tall, lyd, video, eller bilde). Bibliotekansatte bør kunne navigere disse begrepene. Videre bør de kunne eksperimentere med verktøy som språkmodeller, bildegenerator med mer for å kjenne på deres egenskaper og begrensinger og opparbeider seg erfaring for å kunne veilede brukerne.
b. Forståelse av etiske utfordringer knyttet til AI. Mens AI lover betydelig effektivisering i diverse bransjer, fører teknologien til mange etiske utfordringer for studenter, forskere og bibliotekansatte. AI er preget av skjevhet (bias), er sårbar til informasjonsmanipulering, og utfordrer personvern og opphavsrett. I tillegg er det usikkerhet rundt skjulte arbeid i trening av KI modeller (ghost work) og miljømessige konsekvenser. I tillegg til kraftige energiforbruk, er også bruk av mineraler og vann (for avkjøling av datasenter) viktige bekymringer. Selv om det ikke finnes bredt enighet om hva som er riktig etisk oppførsel i mange av disse temaer, bør bibliotekansatte kunne forstå dilemmaer, stå i usikkerhet, og veilede brukere i et slikt landskap.
c. Geopolitikk, lovverk og regulering. Nye regelverk og rammer vil vokse frem og iverksettes, som f.eks. EUs AI forordning. Internasjonal konkurranse vil påvirke hvilke verktøy som blir markedsledene, og ulike lands juridiske reguleringer I UH-sektoren er diskusjoner rundt retningslinjer og forståelse av (u)redelighet og akademisk integritet spesielt viktig.
d. Vurdering av AI-verktøy og sikkerhet i bruk. KI-teknologi krever at bibliotekansatte tilegner seg kompetanse, ikke bare for å forstå hvordan bruke KI-verktøyene, men også de underliggende kreftene som driver teknologiutviklingen. Dette inkluderer den politiske og økonomiske dynamikken som påvirker utviklingen av AI, samt konsekvensene av forretningsmodellene som utviklerne bruker for informasjonslandskapet, bibliotekene og brukerne. I tillegg må bibliotekansatte være oppmerksomme på spørsmål rundt sikkerhet og personvern for å kunne navigere og veilede i dette komplekse landskapet på en ansvarlig måte.
e. Litteratursøk og informasjonshåndtering og kildekritikk. Med fremveksten av AI-verktøy er det nødvendig å forstå nye måte å søke litteratur på, og hvordan retrieval-augmented generation fungerer. Dette kan påvirke hvordan kunnskapsoppsummeringer utføres, hvilke kilder som anses som relevante, samt informasjonskompetanse og kildekritikk.
f. Publiseringsprosess og forlagspraksis. Akademiske publikasjoner er høykvalitets datasett for KI-utvikling, og akademiske forlag har begynt å selge tilgang til sine arkiver til selskaper som utvikler språkmodeller, samtidig som de forsøker å innføre nye klausuler i lisensavtaler som begrenser akademiske institusjoner i sin bruk av maskinlesning på abonnementsinnhold. AI har også konsekvenser for redaktørarbeid og fagfellevurdering, som bibliotekansatte bør få innsikt i.

*Referanser*
1. Nogueira, Hegle et al. Kunstig intelligens, ekte bibliotek. NTNU Universitetsbiblioteket; 2024.
2. Nogueira, Moltubakk, et al. Cutting through the noise. IFLA Journal. 2025;03400352241304121.
3. Skagen, Hunskår, Lein. Kompetansebehov for morgendagens bibliotekarer. 2024.
4. Gasparini, Kautonen. Understanding artificial intelligence in research libraries – extensive literature review. LIBER Quarterly. 2022;32(1).
5. Kannelønning, Gasparini, Ringnes. Vi må snakke mer om KI-bruk i forskning. Khrono. 2024.
6. Grote, Faber, Gasparini. Artificial Intelligence in PhD education: New perspectives for research libraries. LIBER Quarterly. 2024;34(1).