It is hard not to notice the proliferation of machine learning (ML) techniques in research and practice. Organizations globally are keen to leverage ML to drive their performance. Similarly, scholars are rapidly incorporating ML into their methodological toolboxes. It is surprising, however, to see a void in the discussion on the impact of ML on bread-and-butter activities of researchers – academic reading and writing. This TREO talk aims to spark a dialogue regarding opportunities and threats that ML technologies bring for these vital practices, as well as the special role that IS community can play in this regard.
TREO Talks in conjunction with the 43rd International Conference on Information Systems, ICIS 2022.
Koneoppimistekniikoiden yleistymistä tutkimustyössä ja käytännössä on vaikea olla huomaamatta. Eri puolilla maailmaa pienet ja suuret organisaatiot startupeista virastoihin haluavat tehostaa toimintaa koneoppimisen avulla. Vastaavasti koneoppiminen on löytänyt nopeasti tiensä myös eri alojen tutkijoiden työkaluvalikoimiin. Meistä on yllättävää, ettei keskustelua käydä koneoppimisen vaikutuksesta tutkijoiden leipätyöhön eli akateemisten julkaisujen lukemiseen ja kirjoittamiseen. Haluamme herätellä tällä kolumnilla keskustelua mahdollisuuksista ja uhkista, joita nämä koneoppimisteknologiat tuovat elintärkeisiin käytäntöihin, sekä erityisestä roolista, joka tietojenkäsittelytiedeyhteisöllä on asiassa.
Lue myös Timo Seppälän kolumni.
