Paradigm Shift from Traditional Coding to Conversational Analysis Yuan Ren mai 2026 Paradigmeskifte fra tradisjonell koding til konversasjonell analyse Den raske fremveksten av verktøy for generativ kunstig intelligens (genAI) omformer grunnleggende hvordan forskere arbeider med ustrukturerte data, særlig innenfor kvalitativ analyse. Disse teknologiske fremskrittene åpner spennende muligheter, men fører også med seg betydelige utfordringer. Tradisjonelle kvalitative kodingsme

AI in Qualitative Research: Collaborative Partner or Epistemic Risk? Yuan Ren mai KI i kvalitativ forskning: samarbeidspartner eller epistemisk risiko? Fremveksten av generativ KI (GenAI) har utløst en dyptgripende faglig debatt innen kvalitativ forskning, sentrert rundt et avgjørende spørsmål: Øker store språkmodeller (LLM-er) dybden i kvalitativ utforskning, eller truer de grunnleggende dens epistemologiske fundament? Adam S. Hayes (2025) argumenterer for at LLM-er revolusj

Yuan Ren mai *Å avdekke KI-skjevhet i kvalitativ forskning* Generativ KI er mer enn et verktøy Når vi ser tilbake fra midten av 2020-tallet, er det vanskelig å peke på noen nyere endring i akademia som har vært mer omveltende enn fremveksten av generativ kunstig intelligens (GenAI). Som Deleuze og Guattari skrev på 1980-tallet: «Verktøy finnes bare i relasjon til de sammenblandingene de gjør mulige, eller som gjør dem mulige.» I dag virker denne observasjonen særlig relevant

Yuan Ren april *Delegering mellom menneske og KI i samfunnsvitenskapen: kodifiserbare oppgaver mot taus kunnskap, teoretisk originalitet og feltskjønn* I en tid der alle snakker om KI, befinner samfunnsvitenskapelig forskning seg ved et ømtålig veiskille. Nylig reiste Yongjun Zhang (2026) ved Stony Brook University et utfordrende spørsmål i artikkelen «Vibe Researching as Wolf Coming»: hvilke deler av forskningen din kan bare du gjøre, og hva kan maskinene aldri erstatte? Er

Generative AI democratization in consumer research: broader participation brings new voices into the data ecosystem. Yuan Ren mars *Demokratisering av generativ KI i forbrukerforskning: bredere deltakelse bringer nye stemmer inn i dataøkosystemet* I dag kan en forbrukerforsker som starter et nytt prosjekt, begynne ikke med en database, men med et generativt KI-system. I løpet av sekunder trer et strukturert rammeverk frem. Litteraturstrømmer syntetiseres, forskningsspørsmål f

How GenAI Transforms Qualitative Data Analysis Yuan Ren februar Hvordan generativ KI endrer kvalitativ dataanalyse Generativ kunstig intelligens (GenAI) omformer kvalitativ forbrukerkulturforskning ved å tilføre nye effektiviseringer samtidig som den reiser epistemologiske avveininger langs teoretiske, kroppslige, empiriske og historiske dimensjoner. Med andre ord: når forbrukerkulturforskere laster intervjutranskripsjoner, feltnotater eller arkivmateriale inn i store språkmo

Yuan Ren februar Den raske utviklingen av generativ kunstig intelligens definerer på nytt hvordan forbruker- og markedsføringsforskning gjennomføres. Når en modell kan gjenskape forskningsprosessen i 35 artikler fra ledende tidsskrifter på få minutter, driver vi da fortsatt med «menneskeledet vitenskap»? En studie av Yoo, Haenlein og Hewett, publisert i *Journal of the Academy of Marketing Science*, tar opp nettopp dette spørsmålet: endrer KI bare forskningens verktøy, eller

The contrast between human interpretive work and computational code reflects the tension between qualitative meaning-making and generative AI’s promise of efficiency Yuan Ren desember 2025 *Kontrasten mellom menneskelig tolkningsarbeid og programkode speiler spenningen mellom kvalitativ meningsskaping og generativ KIs løfte om effektivitet* Generativ KI brukes i stadig større grad i kvalitativ forskning, men løftet om effektivitet reiser grunnleggende spørsmål om tolkning, me

Economics in the Age of AI Agents Yuan Ren november 2025 Økonomifaget i KI-agentenes tidsalder I løpet av de siste to årene har måten økonomer driver forskning på gjennomgått en dyptgripende strukturell endring. I NBER-arbeidsnotatet *AI Agents for Economic Research* fra 2025 argumenterer Anton Korinek for at forskningsmiljøet beveger seg fra enkle samtalesystemer som ChatGPT til et nytt paradigme sentrert rundt autonome KI-agenter. Disse systemene integrerer tekstgenerering

oktober KI og kvalitativ forskning Mens generativ KI (GenAI) i raskt tempo forandrer det vitenskapelige forskningslandskapet, står kvalitative forskere overfor en teknologisk utfordring uten sidestykke: Kan dette nye verktøyet, drevet av store språkmodeller (LLM-er), virkelig løse den humanistiske oppgaven som kvalitativ dataanalyse er, en oppgave som grunnleggende hviler på fortolkningsarbeid? I en nylig publisert artikkel gir Nguyen og Welch (2025) et systematisk og skarpt

september 2025 KI-kreativitet sammenlignet med menneskelig fantasi: store språkmodeller genererer mønstre basert på treningsdata, mens menneskelig kreativitet henter næring fra unike erfaringer og følelser. Bakgrunn: KI og kreativitet Store språkmodeller (LLM-er) utvikler seg i bemerkelsesverdig tempo. Fra å skrive fortellinger og poesi til idémyldring er deres tilstedeværelse i kreativt arbeid ubestridelig. Men her ligger et grunnleggende spørsmål: kan disse modellene faktis

juli 2025 Kunstig intelligens (KI) forandrer landskapet for akademisk forskning i et forbløffende tempo. Fra idéutvikling til dataproduksjon, fra skriving til publisering i tidsskrifter, trenger KI inn i hvert ledd av det akademiske økosystemet (Van Quaquebeke et al., 2025). I denne artikkelen, publisert i *The Leadership Quarterly*, påpeker Van Quaquebeke, Tonidandel og Banks at vi allerede befinner oss i en tid der KI deltar dypt i kunnskapsproduksjonen. Det egentlige spørs

mai 2025 Innledning Generativ KI er i ferd med å omforme forbrukerforskningen i grunnleggende grad: den styrker kreativ idéutvikling, støtter kvalitativ analyse og omdefinerer feltets utviklingsretning. Tre empiriske studier og én oversiktsartikkel i *Journal of Consumer Research* (Oxford Academic) gir utfyllende rammeverk og praktisk veiledning, og viser både det store potensialet og fallgruvene i samarbeid mellom mennesker og KI. Kreativ idéutvikling: LLM-er som et tveegget

april 2025 Kunstig intelligens (KI), særlig generativ KI brukt til innholdsproduksjon, har blitt et forskningstema av stor interesse. Selv om det har pågått diskusjoner om kvalitet, integritet og opphavsrett når slike verktøy brukes i forskning, blir potensialet generativ KI har for å hjelpe forskere med å utvikle eksperimentelle stimuli, ofte oversett. van Berlo et al. (2024) introduserte MADE-rammeverket (Mapping, Assembling, Demonstrating, Executing), med mål om å tilby et

mars 2025 Siden ChatGPT dukket opp i desember 2022, har verktøyet skapt bred debatt og ført til rask innføring av store språkmodeller (LLM-er) i en rekke bransjer. Disse modellene hjelper i dag brukere med et bredt spekter av åpne oppgaver, hvorav mange krever høy grad av kreativitet. I fjor publiserte Zenan Chen og Jason Chan en banebrytende studie i det ledende tidsskriftet *Management Science*, med tittelen «Large Language Models in Creative Work: The Role of Collaboration

februar 2025 Innen samfunnsvitenskap, økonomi og atferdsvitenskap har kvalitative intervjuer lenge vært et sentralt middel for å oppnå dyptgående innsikt. Tradisjonelle intervjumetoder står likevel overfor utfordringer som høyt ressursforbruk, betydelige tidskostnader, geografiske begrensninger og skjevheter som skyldes intervjuerens subjektivitet. De senere årene har den raske utviklingen innen kunstig intelligens, særlig fremveksten av store språkmodeller (LLM-er), gjort KI

desember 2024 Når vi tar farvel med 2024, ser vi tilbake på et bemerkelsesverdig år med innovasjon og resultater. Reisen startet med lanseringen av flere banebrytende produkter som har endret forskningsmetoder. Vi introduserte Mimi, vår intelligente chatbot, som har blitt en uvurderlig følgesvenn for forskere ved å koble behovene deres med over 400 spesialiserte verktøy for generativ KI. Scale Finder ble et viktig verktøy for spørreundersøkelser og hjelper forskere med å finn

november 2024 Tenk deg at du prøver å organisere tusenvis av kommentarer om et produkt i hovedtemaer eller emner. Tradisjonelt måtte forskere enten lese gjennom alt manuelt (tidkrevende og kostbart) eller bruke eldre dataprogrammer som ofte overså viktig kontekst. En ny preprint fra OSF viser at moderne KI-systemer som GPT-4, Claude og Gemini kan gjøre denne jobben effektivt, særlig med korte tekster. Forskerne gjennomførte to interessante eksperimenter: Studie 1: Studie av o

oktober 2024 Tenk om vi kunne automatisere oppdagelsen av banebrytende vitenskapelige hypoteser og åpne nye muligheter raskere enn noen gang før. Tre forskningsgrupper har tatt et betydelig steg i den retningen og lansert maskinlæringsrammeverk som er utviklet for å generere og evaluere vitenskapelige hypoteser med bemerkelsesverdig effektivitet. Det nye rammeverket er bygget rundt tre sentrale trinn: uttrekking, generering og evaluering av hypoteser. Først trekker systemet u

september 2024 (oppdatert 8. oktober 2024) Denne artikkelen, med tittelen «Can Large Language Models Provide Useful Feedback on Research Papers? A Large-Scale Empirical Analysis», er et samarbeid mellom et mangfoldig forskerteam med ulik faglig bakgrunn og institusjonstilhørighet. Studien ble publisert 17. juli 2024 i *NEJM AI*, bind 1, nummer 8. Artikkelen undersøker potensialet store språkmodeller (LLM-er) har for å gi nyttige tilbakemeldinger på forskningsartikler, og pres