Veel onderzoekers vertrouwen nu al op AI-tools in verschillende fasen: van brainstormen en het maken van outlines tot spellingcontrole en zelfs het herformuleren van teksten. Ja, dat kan de efficiëntie vergroten en routinetaken stroomlijnen, maar het brengt ook serieuze ethische risico’s met zich mee.
In AI-systemen ingebakken biases kunnen op subtiele wijze wetenschappelijke communicatie beïnvloeden. Wanneer we een LLM betrekken bij het schrijfproces, lopen we het risico bestaande biases in kennisproductie te bestendigen. Overmatige afhankelijkheid van AI kan ook de kwaliteit van peer reviews en manuscripten ondermijnen, doordat kritisch oordeel plaatsmaakt voor geautomatiseerde suggesties.
Wetenschappelijke uitgevers en redactieraden spelen een cruciale rol in het bepalen welke kennis wordt gelegitimeerd en wat wordt afgewezen. Moeten zij delen van deze verantwoordelijkheid overlaten aan algoritmen? Zijn de efficiëntiewinsten werkelijk de moeite waard als daar verlies van context, ethische nuance en innovatieve denkkracht van menselijke experts tegenover staat?
We zijn benieuwd: wat vind jij de belangrijkste stap die redacteuren van academische tijdschriften nú zouden moeten zetten om om te gaan met AI in schrijven en peer review?
Tijdens de Openjournals Network and Users’ Day op 3 juni 2026 gaan we dieper in op dit onderwerp en meer.
