Kvart år skriv studentar ved OsloMet rundt 1500 masteroppgåver, og i år var det Mari si oppgåve «Gamle normer i nye former?» (nva.sikt.no) som skilde seg ut blant dei nominerte.
Som deltidsstudent ved masterstudiet i arkiv-, bibliotek- og informasjonsvitskap skreiv ho oppgåva ved sida av full jobb i NRK og livet med tre barn.
– Gratulerer med prisen! Korleis reagerte du då du fekk beskjeden?
– Da eg las e-posten første gongen, kunne eg ikkje heilt tru det som stod der. Eg vart skikkeleg overraska, men også glad og stolt. Tanken på at oppgåva mi vart vald over alle dei gode oppgåvene som vert skrivne på OsloMet kvart år, gjer meg veldig audmyk.
– Kva handlar prosjektet ditt om?
– Eg forska på korleis innhaldet ein trenar språkmodellar på, påverkar kva svar språkmodellen gjev. Eg fekk hjelp av Nasjonalbiblioteket som trena tre versjonar av same språkmodell på Aftenposten-artiklar: éin på artiklar frå før 1990, éin på artiklar publiserte mellom 1990 og 2025 og éin på heile perioden. Så undersøkte eg om dei tre språkmodellane hadde ulike bias, eller skeivskapar, knytte til samar. Det vil seie om modellane koplar samar til utdaterte haldningar.
– For å finne orda og assosiasjonane eg skulle teste på, konstruerte eg eit rammeverk der eg brukte kritisk diskursanalyse og tidlegare forsking på korleis samar blei framstilte i norske medium historisk. Den same kunnskapen brukte eg for å analysere resultata av dei heilt tekniske bias-testane eg utførte.
– Eit døme er at ordet “primitive” gav eit høgare utslag knytt til samar i modell 2 (1990–2025) enn i modell 1 (før 1990). Ein kunne anta at førestillinga om samar som primitive var sterkare før 1990 enn nærmare vår tid. Men medieforsking viser at media skreiv mykje mindre om samane før 1990, og at ein del av omtalen etter 1990 har kasta lys over eit oppgjer med historisk utdaterte haldningar. Om modell 2 berre har “lært” samanhengen mellom orda “samar” og “primitive” utan konteksten med oppgjeret, kan dette forklare eit funn som ved første augnekast kan sjå merkeleg ut. Metoden gav altså moglegheiter for å sjå tydelegare korleis historiske maktstrukturar kan påverke dagens teknologi.
– Kva er du mest stolt av med prosjektet?
– At det viser korleis tverrfaglegheit kan bidra til å utvikle kunstig intelligens i ei meir rettferdig retning. Om prosjektet belyser korleis arkivarar og andre som har førstehandskunnskap om tekstsamlingane sine kan ha ei meir aktiv rolle i opptreninga av norske språkmodellar, slik at dei blir meir rettferdige og ikkje reproduserer gamle føredomar som fører til diskriminering, er det fantastisk.
– Kva ligg bak engasjementet ditt for dette emnet?
– Eg har jobba mange år i eit arkiv som blant anna inneheld store mengder nyheitsinnhald. Desse språkdataa er ettertrakta til opptrening av ulike språkmodellar, og eg kjende i jobben min på ei viss «dårleg samvit» over å vite at språk og kultur som vi i dag oppfattar som utdatert, vart brukt til opptrening utan at vi hadde nokon moglegheit til å dele førstehandskunnskapen vår om innhaldet.
– Har du nokre råd til andre studentar som skal i gang med masteroppgåve?
– Vel deg ei problemstilling som verkeleg engasjerer deg. Du skal jobbe mykje med dette framover, og det vil kome både oppturar og nedturar. Om du er engasjert i problemstillinga frå start, kan dette vere ein god motivasjon i dei brattaste bakkane.
Begeistra jury
I grunngivinga dreg juryen fram temaet i oppgåva som interessant og samfunnsviktig, og at den har nye tilnærmingar til praksis.
– Oppgåva til Mari Skarnes viser korleis profesjonane innanfor arkiv, bibliotek og informasjonsvitskap kan bidra i utvikling av kunstig intelligens, seier juryleiar og prorektor for utdanning ved OsloMet, Silje Fekjær.
– Koplinga mellom statistiske målingar med bruk av KI og diskursanalyse var særleg interessant og nyskapande, seier Fekjær.
Juryen rosa også Skarnes for å ha lyst opp avgrensingane i arbeidet sitt.
– Mange trur at det gjeld å skjule svakheitene ved arbeidet ditt i akademia. Men tvert imot bør ein heller vere ærleg om svakheitene og drøfte dei. Dette har årets vinnar skjønt, seier Fekjær.
