هوش مصنوعی تولید پژوهش علمی را افزایش داد، اما کیفیت را کاهش می‌دهد

به گزارش خبرگزاری بین‌المللی اهل‌بیت(ع) ـ ابنا ـ دیگر صحنه پژوهشگری که ساعت‌ها سرگرم نوشتن چکیده‌ها و مقدمه‌ها باشد، مانند چند سال پیش رایج نیست. امروز بسیاری تنها با باز کردن یک پنجره گفت‌وگو با یک مدل زبانی بزرگ مانند «چت‌جی‌پی‌تی» می‌توانند ظرف چند دقیقه به متنی علمی با زبانی صیقل‌خورده دست پیدا کنند.

اما یک پژوهش جدید که در نشریه معتبر «ساینس» منتشر شده، نسبت به یک تناقض نگران‌کننده هشدار می‌دهد. براساس این پژوهش، همین ابزارهایی که بهره‌وری انتشار علمی را بالا می‌برند و به متن‌ها جلوه‌ای فاخر می‌دهند، ممکن است هم‌زمان باعث سرازیر شدن مقالاتی شوند که از نظر کیفیت علمی ضعیف‌تر هستند.

شواهد قوی

این پژوهش که به سرپرستی «کیگو کوسومگی»، «پل گینزبارگ» و همکارانشان انجام شده، نشان می‌دهد که اکنون می‌توان متنی بسیار قوی از نظر زبانی تولید کرد، بدون آن‌که استدلال علمی آن به همان اندازه مستحکم باشد.

در بیانیه‌ای خبری از دانشگاه کرنل، این ایده با جمله‌ای صریح خلاصه شده است که افزایش حجم مقالات، تشخیص سهم‌های ارزشمند را از سیل آثار ضعیف، برای داوران، تأمین‌کنندگان مالی و سیاست‌گذاران دشوارتر می‌کند.

برای آن‌که بحث صرفاً در حد گمانه‌زنی باقی نماند، تیم پژوهشی شواهد کمّی گسترده‌ای گردآوری کرد. آن‌ها حدود ۲.۱ میلیون پیش‌نویس اولیه مقاله، ۲۸ هزار گزارش داوری، و ۲۴۶ میلیون بازدید و دانلود اسناد علمی را بررسی کردند.

سپس با استفاده از ابزارهای تشخیص متن، زمان نخستین استفاده از مدل‌های زبانی بزرگ را شناسایی کردند و عملکرد پژوهشگران را پیش و پس از استفاده از این ابزارها با هم مقایسه نمودند، در حالی که تلاش شد تأثیر این ابزارها از روندهای عمومی هر حوزه علمی تفکیک شود.

سه نتیجه مهم

نخستین نتیجه – که به گفته پژوهشگران بدیهی‌ترین یافته است – نشان می‌دهد استفاده از مدل‌های زبانی، تولید علمی (تعداد مقالات) را بسته به حوزه و پیشینه پژوهشگر، بین حدود ۲۳.۷ تا ۸۹.۳ درصد افزایش می‌دهد.

نکته مهم‌تر آن‌که این افزایش بیشترین تأثیر را بر پژوهشگرانی داشته که با موانع زبانی و نوشتاری روبه‌رو هستند؛ موضوعی که نشان می‌دهد این ابزارها می‌توانند مالیات زبان انگلیسی را که سال‌ها بر دوش پژوهشگران غیرانگلیسی‌زبان سنگینی می‌کرد، کاهش دهند.

دومین نتیجه، وارونگی رابطه میان بلاغت و کیفیت است. این پژوهش نشان می‌دهد رابطه سنتی میان مهارت نوشتاری و کیفیت پژوهش دچار تغییر شده است.

در گذشته، نوشتار روان‌تر و پیچیده‌تر معمولاً با پژوهش‌های قوی‌تر همراه بود، اما پس از گسترش استفاده از مدل‌های زبانی بزرگ، موجی از دست‌نوشته‌ها پدید آمده که از نظر زبانی پیچیده و چشم‌نواز هستند، اما از لحاظ محتوای علمی ضعیف‌اند.

به بیان دیگر، زبان پرزرق‌وبرق دیگر تضمینی برای کیفیت نیست و حتی ممکن است به نقابی تبدیل شود که فرآیند داوری را دچار خطا کند و اتکا به برداشت‌های سبکی را به یک ریسک روش‌شناختی بدل سازد.

سومین نتیجه اما جنبه‌ای مثبت دارد. پژوهشگران دریافتند که کاربران مدل‌های زبانی دامنه متنوع‌تری از منابع را مطالعه و به آن‌ها استناد می‌کنند. آن‌ها بیشتر کتاب می‌خوانند، به آثار جدیدتر و منابع کمتر شناخته‌شده یا کم‌ارجاع توجه نشان می‌دهند؛ امری که می‌تواند افق منابع علمی را گسترش داده و برخی چرخه‌های بسته در استنادهای علمی را بشکند.

توصیه‌های پژوهش

در این چارچوب، پژوهش به آینده‌ای اشاره می‌کند که در آن، روانی زبان انگلیسی به‌عنوان یک سرمایه دانشگاهی اهمیت کمتری خواهد داشت؛ امری که از منظر عدالت علمی یک دستاورد است، اما بهای سنگین افزایش آثار کم‌کیفیت دارد که شناسایی آن‌ها نیازمند دقت و تلاش بیشتری است.

توصیه پژوهش منع استفاده از این ابزارها نیست، بلکه بازنگری در نهادهای ارزیابی علم است. معیارهای کیفیت باید دقیق‌تر و سخت‌گیرانه‌تر شوند که شامل الزام به ارائه داده‌های تکمیلی، چک‌لیست‌های روش‌شناختی درباره طراحی پژوهش، آمار، حجم نمونه و سوگیری‌ها است. 

همچنین توصیه می‌شود داوری‌ها بر قابلیت تکرارپذیری و شواهد علمی متمرکز باشند نه صرفاً بر سبک نگارش، و استفاده از ابزارهای هوش مصنوعی در ویرایش و نگارش به‌طور شفاف افشا شود.

..............................

پایان پیام/ ۲۶۸