Et nyt studie finder, at ph.d.-studerende der bruger AI til at skrive deres afhandling, har lavere sandsynlighed for at fortsætte i akademia — men hvad siger evidensen egentlig?
Det politiske spørgsmål
Kunstig intelligens er på vej ind i alle hjørner af universitetsverdenen. Ph.d.-studerende bruger AI-værktøjer til at skrive, opsummere litteratur og formulere argumenter. Universiteter verden over — herunder i Danmark — er i gang med at fastlægge regler for, hvornår og hvordan det er acceptabelt.
Spørgsmålet er ikke længere om AI bruges i forskeruddannelsen. Det bruges. Spørgsmålet er, hvad det gør ved de mennesker, der gennemgår uddannelsen — og ved akademia som institution.
Et nyt studie publiceret i Nature-sfæren sætter tal på én bekymring, som mange universitetsansatte har haft på fornemmelsen: At ph.d.-studerende, der overlader store dele af afhandlingsskrivningen til AI, er mindre tilbøjelige til at blive i forskning bagefter. Hvis det holder, er det ikke kun et spørgsmål om akademisk redelighed. Det er et spørgsmål om, hvem der ender med at forske i fremtiden.
Det empiriske spørgsmål bag
Det centrale spørgsmål i studiet er: Er der en sammenhæng mellem AI-brug i ph.d.-afhandlinger og sandsynligheden for at fortsætte i en akademisk karriere?
Det lyder enkelt, men gemmer sig bag spørgsmålet er en række metodiske faldgruber, som er værd at forstå, inden man drager konklusioner.
For det første er der spørgsmålet om kausalitet versus korrelation. Selv hvis studiet finder, at AI-brugere i højere grad forlader akademia, siger det ikke i sig selv, at AI-brugen er årsagen. Det kan sagtens være omvendt: At studerende, der allerede har besluttet sig for at forlade akademia, bruger mere AI, fordi de er mindre motiverede for den langsomme, møjsommelige proces det er at skrive en afhandling fra bunden.
For det andet er der selektionsbias (skævhed i udvalgene). Hvem bruger AI til at skrive hele afhandlinger? Er det de bedste studerende, de dårligst forberedte, de mest tidspressede, eller dem med de svageste vejledningsrelationer? Hvis det systematisk er én type studerende, der bruger AI mere, afspejler resultaterne måske den type — ikke AI-brugen i sig selv.
For det tredje er det metodisk vanskeligt at måle AI-brug i afhandlinger præcist. AI-detektionsværktøjer er upålidelige, og selvrapportering er behæftet med usikkerhed, fordi mange studerende er usikre på, hvad de må indrømme.
Hvad ved vi
Studiet finder en negativ sammenhæng ✓
Ifølge Nature News-artiklen finder studiet, at ph.d.-studerende, der i høj grad har brugt AI til at skrive deres afhandling, statistisk set har lavere sandsynlighed for at fortsætte i en akademisk stilling bagefter — sammenlignet med studerende der i mindre grad har brugt AI. Sammenhængen gælder selv når der kontrolleres for en række andre faktorer.
Det er værd at understrege: Det er en statistisk sammenhæng på gruppeniveau. Det siger ingenting om den enkelte ph.d.-studerendes fremtid.
Afhandlingsskrivning som læreproces ✓
Der er bred enighed i pædagogisk og videnskabsteoretisk litteratur om, at processen med at skrive en ph.d.-afhandling ikke primært handler om at producere et dokument. Det handler om at lære at tænke som forsker — at identificere problemer, navigere i litteratur, argumentere præcist og forsvare sine valg. Hvis AI overtager store dele af denne proces, er spørgsmålet, om den studerende reelt gennemgår den samme læring.
Denne bekymring afspejles i retningslinjerne fra Københavns Universitets ph.d.-program, som understreger, at AI-værktøjer kan bruges — men kun i det omfang den studerende selv kan efterprøve og faktisk har efterprøvet produkterne i detaljer. Formuleringen signalerer en klar forventning om, at den intellektuelle kontrol skal ligge hos forskeren, ikke hos sprogsystemet.
Massive investeringer i AI-ph.d.'er i Danmark ✓
Parallelt med denne debat investerer danske universiteter massivt i at uddanne en ny generation af AI-forskere. Aalborg Universitet har igangsat en stor satsning, hvor hvert forskerteam ledes af to co-directors og får to ph.d.-studerende ansat, vejledt af professorer fra universitetet. Formålet er at opbygge dansk AI-forskningstræk for fremtiden. Det giver en vis ironi til studiets fund: Vi investerer i AI-ph.d.'er, mens vi muligvis ser, at AI-brug under ph.d.'en reducerer sandsynligheden for, at disse studerende bliver i akademia.
Hvad ved vi ikke
Vi kender ikke årsagsretningen ~
Det er det vigtigste forbehold. Studiet er — som de fleste studier af denne type — observationelt. Det måler sammenhænge, ikke årsager. Selv en robust statistisk sammenhæng mellem AI-brug og akademisk frafald kan have mindst tre forklaringer:
- AI-brug reducerer den læring, der er nødvendig for at trives i akademia.
- Studerende der planlægger at forlade akademia, bruger mere AI, fordi de er mindre engagerede i processen.
- En tredje faktor — for eksempel svag vejledning, dårlig finansiering eller manglende tro på akademia som karriere — driver både AI-brugen og frafaldet.
Ingen af disse forklaringer kan udelukkes på baggrund af det foreliggende studie.
Vi ved ikke, hvad "brug af AI" præcist dækker ~
Der er stor forskel på at bruge et AI-værktøj til at rette stavefejl, til at opsummere artikler, til at generere udkast til afsnit og til at lade AI skrive hele kapitler uden efterfølgende kritisk bearbejdning. Studier der behandler "AI-brug" som én kategori, risikerer at sammenlægge meget forskellige praksisformer.
Vi ved ikke, om resultaterne gælder i Danmark ~
Studiet er baseret på data fra et specifikt land og uddannelsessystem. Ph.d.-uddannelsernes struktur, finansiering, vejledningsnormer og akademiske kulturer varierer betydeligt på tværs af lande. Danske forhold — herunder den relativt høje grad af selvstændighed i danske ph.d.-forløb og de særlige regler der er ved at blive etableret på danske universiteter — gør det uklart, om de samme mønstre ville opstå her.
Vi ved ikke, hvad der sker på lang sigt ~
AI-værktøjerne er stadig relativt nye. Det er muligt, at de studerende der er bedst til at bruge AI kritisk og reflekteret, på sigt vil klare sig særligt godt i akademia. Det er for tidligt at sige.
Hvad eksperter er uenige om
Er AI-brug i afhandlinger fundamentalt problematisk? ⚖
Her er der reel uenighed. Én position er, at afhandlingsskrivning er en dannelsesproces, og at AI-brug underminerer netop den del af processen, der former en forsker. En anden position er, at det er en elitær romantisering af den håndværksmæssige skriveproces — og at fremtidens forskere bør mestre AI som et redskab, ikke undgå det.
Mange universiteter, herunder Københavns Universitet, har valgt en midterposition: AI er tilladt som hjælpemiddel, men den intellektuelle substans skal komme fra den studerende, og vedkommende skal kunne stå inde for og efterprøve alt, hvad der indgår i det færdige arbejde.
Er frafaldet fra akademia et problem? ⚖
Det kan diskuteres. Akademia har i årtier produceret langt flere ph.d.'er end der er akademiske stillinger til. At færre ph.d.-studerende søger mod akademia er ikke nødvendigvis et samfundsmæssigt tab — mange af dem gør vigtig forskning og udviklingsarbejde i erhvervsliv, offentlig sektor og organisationer. Spørgsmålet er, om dem der forlader akademia, gør det fordi de har lært noget værdifuldt og søger andre muligheder — eller fordi de ikke har fået den grundlæggende forskeruddannelse, der ville have kvalificeret dem til at bidrage til videnskaben på sigt.
Skal AI reguleres hårdere i ph.d.-uddannelsen? ⚖
Nogle argumenterer for klare forbud mod visse former for AI-brug i afhandlinger, med teknisk overvågning og skærpede eksaminationskrav. Andre mener, at regulering er kontraproduktivt og at universiteter bør fokusere på vejledning og akademisk kultur frem for kontrol. Det er i høj grad et værdispørgsmål om universiteternes kerneopgave og tillidsforholdet mellem institution og studerende.
Konklusion
Et nyt studie finder en statistisk sammenhæng mellem udstrakt AI-brug i ph.d.-afhandlinger og lavere sandsynlighed for at fortsætte i akademia. Det er et bemærkelsesværdigt fund, der fortjener opmærksomhed — men det er ikke bevis for, at AI skader forskerkarrieren.
Sammenhængen kan have mindst tre forklaringer, og studiet kan ikke afgøre, hvilken der er den rigtige. Det er muligt, at AI-brug reducerer den læring, der er nødvendig for at trives i akademia. Det er mindst ligeså muligt, at studerende der allerede har besluttet sig for at forlade forskningen, bruger mere AI fordi de er mindre engagerede i processen.
Det, vi ved med større sikkerhed, er at afhandlingsskrivning traditionelt er en central del af forskeruddannelsen — og at der er god grund til at stille spørgsmålet, om AI-assisteret afhandlingsskrivning efterlader de studerende med den samme intellektuelle ballast. Danske universiteter er i gang med at finde svar på det spørgsmål, og reglerne er ved at tage form.
I mellemtiden investerer Danmark massivt i at uddanne AI-forskere. Det er et godt tidspunkt at spørge: Hvad vil vi egentlig have, at en ph.d.-uddannelse gør ved et menneske?