Desk research kan være krævende, når du står med mange kilder og store tekstmængder. NotebookLM hjælper dig med at skabe overblik, trække centrale pointer frem og navigere i materialet. Her får du et indblik i, hvordan du kan bruge værktøjet i dine egne analyser.
Hvis du arbejder med desk research, kender du sikkert udfordringen:
Dokumenterne hober sig op, og det bliver stadig sværere at se mønstre, huske hvad der står hvor, og få materialet omsat til klare indsigter. Selvom metoden virker enkel, er analysefasen alt andet end det.
I dette indlæg viser jeg, hvordan du kan bruge NotebookLM til at skabe struktur og overblik i komplekst materiale – med konkrete eksempler fra et aktuelt projekt om efteruddannelse.
Hvorfor bruge NotebookLM?
Googles AI-analyseassistent, NotebookLM, er mest kendt for at kunne generere podcast-lignende lydfiler ud fra tekstmateriale. Men værktøjet er egentlig bygget til analyse af kvalitativt materiale – såsom rapporter og artikler – og har nogle store fordele i den forbindelse:
- Værktøjet har et stort kontekstvindue og kan rumme en stor mængde input, fx i form af rapporter eller artikler. P.t. op til 50 dokumenter.
- Den respons, du får af NotebookLM, baserer sig udelukkende på dit materiale med en meget lav grad af hallucinering.
- Du kan løbende vælge at arbejde med dit samlede datamateriale eller kun dele af det.
- NotebookLM laver automatisk interaktive henvisninger fra sin respons til dit datamateriale. Det letter dit arbejde med at tjekke og validere chatbottens respons. Du vil tydeligt kunne se, hvilke studier en given kategori er baseret på.
Oprettelse af notebook
Når du bruger NotebookLM til desk research, opretter du en notebook – en kildesamling – pr. undersøgelse. Hvis du arbejder med flere delundersøgelser, hvor du benytter dig af desk research, kan du med fordel oprette en notebook til hver af dem.
I et aktuelt projekt om efteruddannelse af højtuddannede har jeg lavet to notebooks:
- En med rapporter og notater om emnet fra tænketanke, fagforeninger, brancheorganisationer m.fl.
- En med interviews og andre personfokuserede tredjepersonsberetninger om efteruddannelse fra fagblade.
Når du klikker på “Opret ny notebook”, bliver du bedt om at tilføje kilder. Det kan du gøre på flere måder. Blandt andet kan du uploade dokumenter fra din egen computer, eller du kan søge efter dokumenter med funktionen “Opdag kilder”.
Find (gode) kilder udenom NotebookLM
Ifølge danske regler må man ikke uploade pdf’er, man ikke selv har ophavsret over, til AI-værktøjer som NotebookLM og bede dem om at trække data ud. Man må kun lave dataudtræk på de artikler, som værktøjet selv finder til én i søgningen. Derfor er funktionen “opdag kilder” god at bruge.
Det kan dog være svært at skelne mellem skidt og kanel blandt de kilder, som NotebookLM “opdager” for dig. Det gælder, uanset om man bruger funktionen “fast research” eller “deep research”.
Et godt tip er derfor i forvejen at lavet en liste over de rapporter og artikler, du ønsker at inkorporere i din desk research, og så fremsøge dem gennem NotebookLM. Det kan lade sig gøre, hvis rapporten ligger online.
Med andre ord anbefaler jeg at foretage søgeprocessen udenom NotebookLM. Muligvis kan du i den forbindelse have glæde af andre AI-værktøjer som ChatGPT, Elicit og Scholarcy.
Udforskning af materialet
Når du har fundet de kilder, der skal indgå i din desk research, er NotebookLM formidabel til at trække data ud af materialet. Du kan arbejde med det samlede materiale, eller du kan vælge at trække informationer ud af specifikke kilder ved at til- og fravælge dem i kildepanelet i venstre side af interfacet på NotebookLM.
I mit projekt om efteruddannelse blandt højtuddannede fik jeg NotebookLM til at trække data ud om specifikke målgrupper, som optrådte i materialet: humanistiske kandidater, samfundsvidenskabelige kandidater, sporskiftere m.fl.
Notebook kan også lave sammenligninger på tværs af målgrupper, fx i tabelformat ud fra parametre, man selv tilføjer, eller parametre, som NotebookLM opstiller på baggrund af datamaterialet.
Du kan læse mere om at interagere med NotebookLM i indlægget Guide: AI-assisteret analyse af kommentarer i spørgeskemaer.
Når du skal præsentere dine indsigter
Når du har udforsket dit materiale og skal præsentere dine indsigter, kan du enten blive i eller forlade NotebookLM. Det kommer an på dine ønsker til præsentationen.
I interfacets højre side finder du forskellige præsentationsformater: lydoverblik, mindmap, quiz osv. Nogle af dem er mere målrettede mod læringssituationer end mod præsentation af indsigter fra desk research. Om de er relevante at bruge for dig, kan du bedst selv afgøre.
I projektet om efteruddannelse af højtuddannede, kopierede jeg mine dataudtræk over i et tekstbehandlingsdokument og arbejdede videre med det manuelt. Når jeg havde brug for at kondensere længere tekster, brugte jeg ChatGPT.
Sådan kan du fortsætte
Selv om NotebookLM ikke kan klare alt, er analyseassistenten et solidt værktøj til projekter med mange dokumenter og komplekst materiale. Det kan hjælpe dig med at skabe overblik, se mønstre og navigere mere sikkert i dine kilder.
Hvis du er interesseret i andre former for – og værktøjer til – AI-assisteret analyse, kan du måske have glæde af mine tidligere indlæg om emnet:
