Über den Einsatz von KI-basierten Werkzeugen wie ChatGPT zur Unterstützung der Managementforschung

Zweck: Der Artikel erörtert die aktuelle Relevanz von künstlicher Intelligenz (KI) in der Forschung und wie KI verschiedene Forschungsmethoden verbessert. Dieser Artikel konzentriert sich auf die praktische Fallstudie systematischer Literaturübersichten (SLRs), um eine Anleitung für den Einsatz von KI im Prozess zu bieten. Design/Methodik/Ansatz: Forscher benötigen keine technischen Fähigkeiten mehr, um KI in ihrer Forschung zu verwenden. Die aktuelle Diskussion über die Nutzung von Chat Generative Pre-trained Transformer (GPT), einem Chatbot von OpenAI, hat die akademische Welt erreicht und hitzige Debatten über die Zukunft der akademischen Forschung ausgelöst. Dennoch, wie das Sprichwort sagt, wird KI unseren Job nicht ersetzen; ein Mensch, der KI nutzt, wird es tun. Diese redaktionelle Übersicht zielt darauf ab, einen Überblick über den aktuellen Stand der Nutzung von KI in der Forschung zu geben und aktuelle Trends und Entwicklungen in diesem Bereich hervorzuheben. Ergebnisse: Das Hauptergebnis sind Leitlinien für die Nutzung von KI im wissenschaftlichen Forschungsprozess. Die Leitlinien wurden für den Fall der Literaturübersicht entwickelt, aber die Autoren glauben, dass die bereitgestellten Anweisungen an viele Forschungsbereiche angepasst werden können, einschließlich, aber nicht beschränkt auf quantitative Forschung, Datensqualifizierung, Forschung zu unstrukturierten Daten, qualitative Daten und sogar viele Unterstützungsfunktionen und sich wiederholende Aufgaben. Originalität/Wert: KI hat bereits das Potenzial, die Arbeit von Forschern schneller, zuverlässiger und bequemer zu gestalten. Die Autoren heben die Vorteile und Einschränkungen von KI in der aktuellen Zeit hervor, die in jeder Forschung, die KI nutzt, vorhanden sein sollten. Vorteile umfassen Objektivität und Wiederholbarkeit in Forschungsprozessen, die derzeit menschlichen Fehlern unterliegen. Die größten Nachteile liegen in der Architektur der aktuellen allgemeinen Modelle, deren Verständnis entscheidend für die Nutzung in der Forschung ist. Die Autoren werden die wichtigsten Mängel beschreiben, ohne in technische Einzelheiten einzugehen, und vorschlagen, wie man täglich mit den Mängeln arbeiten kann.