I Helli-ämnessökning (EBSCO Discovery) finns för närvarande två AI‑baserade funktioner tillgängliga: sammanfattningsverktyget AI Insights och sökning med naturligt språk (Natural Language Search – NLS). Funktionerna finns även i EBSCO:s databaser som CINAHL och MEDLINE, och är tillgängliga bara för material på EBSCO:s plattform. Läs mer här.
AI Insights‑funktionen skapar en sammanfattning (insights) med 2–5 kärnpunkter från fulltexten, vilket hjälper till att bedöma hur relevant artikeln är. EBSCO använder tekniken Retrieval Augmented Generation (RAG), där AI‑sammanfattningarna baseras på dokumentets text. Detta syftar till att minska risken för hallucinationer, det vill säga AI:s tendens att presentera påståenden utan grund i pålitliga källor. AI Insights är i beta‑fas, och både företagets experter och slutanvändare deltar i kvalitetsbedömningen av sammanfattningarna. Läs mer här.
I AI-assisterade sökning med naturligt språk (Natural Language Search – NLS) kan du skriva forskningsämnet direkt i sökrutan utan Booleska operatorer. NLS‑assistenten skapar automatiskt en Boolesk sökfråga åt dig. Använd engelskspråkigt gränssnitt och engelska som sökspråk. Sök i naturligt språk ersätter inte systematisk Boolesk sökning, utan kan användas parallellt. Läs mer här.
Snabbtest av AI-funktionerna
Låt oss testa hur AI-funktionerna i ämnessökningen kan hjälpa till att hitta information om hälsoeffekter av vinterbad.Vi börjar med grundsökningen i naturligt språk: Jag aktiverade knappen Natural Language Search och skrev frågan: ”What are the health effects of winter swimming?” Sökresultatet gav 136 referenser och resultaten verkade ämnesrelevanta vid en snabb genomgång. Jag klickade på länken Show refined query under sökrutan och såg sökfrasen, genererad av AI: ((winter swimming OR cold water swimming OR cold water immersion) AND (health effect OR health impact OR physiological response OR medical consequence))
Ett acceptabelt resultat, men jag ville testa olika variationer av min ursprungliga fråga. Jag försökte två olika formuleringar: “Find evidence on the health effects of winter swimming” och “Health effects of winter swimming”. Även om sökämnet inte förändrades, varierade sökorden beroende på frågeformuleringen. Det vill säga att sökfrågan eller -uppmaningen påverkade valet av sökord. Detta verkar hänga ihop med gränssnittets strävan att kontinuerligt utveckla sökningarna. Sökresultatet för evidensbaserade frågan (Find evidence on…) var litet, och det framgick inte av söksträngen vilka begränsningar AI hade gjort, så i det avseendet skulle jag inte lita på resultatet.
Vid sökning med naturligt språk lönar det sig att pröva olika frågeformuleringar – då hittar man nya sökord och får exempel på hur en söksträng kan se ut. Att kombinera sökfraser med OR-operatorn i sökhistoriken ger dock ett felaktigt resultat. Sökning med naturligt språk fungerar bra för smala ämnen och som hjälpmedel i inledande informationssökning eller vid ämnesplanering.
För att hitta en AI Insights‑sammanfattning, som endast finns tillgänglig im material på EBSCO‑plattformen, gjorde jag sökningen: “Find definition of patient education” och begränsade till CINAHL‑databasen. Sökresultatet var nästan 17 000 referenser. Mitt mål var dock enbart att hitta AI‑sammanfattningen, så jag nöjde mig med sökresultaten. Jag genererade AI‑sammanfattningen från artikeln: How experienced nurses think and act in supporting patient learning: an interview study. Baserat på abstractet bedömdes sammanfattningen innehålla de centrala elementen från artikeln, och det var också möjligt att lämna feedback till systemet. Verktyget kan vara till nytta vid hantering av stora mängder sökresultat, om funktionen är tillgänglig.
Fördelen med AI-verktyg som är integrerade i söksystem är att sökningen begränsas till databasens utvalda innehåll. Förmågan att tänka kritiskt är dock alltid särskilt viktig vid användning av artificiell intelligens – det är alltid användaren som ansvarar för att utvärdera sökresultat och information.