Normative boundaries of AI in scientific work: Evidence from PhD researchers
Sulla base di un sondaggio condotto su 3.785 ricercatori di dottorato internazionali, questo studio identifica quattro distinti profili attitudinali riguardo all'IA nel lavoro scientifico, rivelando che i livelli di comfort dei ricercatori sono definiti da confini specifici per compito — accettando l'IA per i compiti di letteratura pur resistendo al suo uso nei contributi intellettuali centrali come la scrittura e la progettazione sperimentale — piuttosto che da un semplice binario di accettazione o rifiuto.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
La scienza è sempre stata un'impresa umana, un processo in cui i ricercatori pongono domande, raccolgono prove e costruiscono nuove comprensioni attraverso le proprie menti e le proprie mani. Ma un nuovo strumento è entrato nel laboratorio e nella biblioteca: l'intelligenza artificiale. Questi sistemi possono ora scrivere testi, analizzare numeri e cercare attraverso enormi quantità di informazioni più velocemente di quanto possa fare qualsiasi persona. Questo cambiamento solleva una domanda fondamentale per il futuro della scoperta: se una macchina può svolgere il lavoro, chi sta pensando? La preoccupazione non riguarda solo se il lavoro venga portato a termine, ma come cambia la natura della ricerca quando esseri umani e macchine condividono il carico. Se un computer scrive un articolo o progetta un esperimento, il ricercatore umano merita ancora il credito? Il processo di apprendimento che trasforma uno studente in un esperto avviene ancora se la macchina svolge il lavoro pesante? Queste non sono solo questioni tecniche riguardanti il software; sono questioni riguardanti le regole e i valori che governano il modo in cui la scienza viene prodotta.
Per capire come la prossima generazione di scienziati stia navigando in questo nuovo panorama, i ricercatori Francesco Angelini e Johan Lyrvall hanno guardato direttamente alle persone che daranno forma al futuro della ricerca: i dottorandi. Hanno analizzato i dati di un vasto sondaggio condotto su 3.785 dottorandi in campi della scienza, tecnologia, ingegneria, medicina e salute da tutto il mondo. Invece di porre una semplice domanda sì-o-no su se gli studenti gradiscano l'uso dell'IA, i ricercatori hanno chiesto loro di valutare quanto si sentissero a proprio agio nell'usare questi strumenti per cinque parti specifiche del loro lavoro quotidiano. I compiti variavano dal tracciare e riassumere la letteratura scientifica al scrivere articoli di ricerca, raccogliere e analizzare dati e progettare esperimenti. Osservando come gli studenti si sentivano riguardo a ciascun compito specifico, i ricercatori potevano vedere se esisteva un modello nel loro pensiero. Hanno scoperto che gli studenti non si dividevano semplicemente in due fazioni di "amanti" e "odiatori" dell'IA. Invece, i loro atteggiamenti formavano quattro gruppi distinti, rivelando una mappa complessa di dove erano disposti a lasciare che le macchine aiutassero e dove tracciavano la linea.
Il gruppo più numeroso, che rappresentava quasi la metà di tutti gli studenti intervistati, mostrava un modello chiaro che i ricercatori hanno chiamato "divisione del lavoro". Questi studenti erano piuttosto a proprio agio nell'usare l'IA per compiti come trovare e riassumere articoli scientifici esistenti. Vedevano queste attività come lavori di supporto, in cui una macchina poteva gestire efficientemente l'informazione. Tuttavia, gli stessi studenti si sentivano molto meno a proprio agio nell'usare l'IA per i compiti intellettuali centrali della ricerca: scrivere l'articolo stesso, analizzare i dati o progettare gli esperimenti. Per questo gruppo, il confine era chiaro. Erano disposti a lasciare alla macchina il lavoro di contorno, ma volevano mantenere i compiti che richiedevano pensiero profondo, creatività e responsabilità finale saldamente nelle mani umane. Ciò suggerisce che, per molti futuri scienziati, il valore dell'IA risiede nella sua capacità di assistere nella gestione delle informazioni, non nella sua capacità di sostituire la mente umana nell'atto della scoperta.
Altri gruppi dello studio sostenevano opinioni diverse. Circa un terzo degli studenti era a disagio con l'uso dell'IA per quasi ogni compito di ricerca, una posizione che i ricercatori hanno etichettato come "status quo". Tendevano a sentirsi a disagio con la tecnologia in generale, sebbene il loro disagio fosse più forte per quanto riguarda la scrittura e l'analisi dei dati. Un gruppo più piccolo, circa il 16 percento, era l'opposto: erano ampiamente a proprio agio con l'uso dell'IA per tutto, vedendola come uno strumento di uso generale che poteva aiutare in qualsiasi parte del processo di ricerca. Infine, un piccolo ma significativo gruppo del 7 percento era "indeciso". Questi studenti sceglievano frequentemente "non so" quando veniva chiesto loro il livello di comfort, suggerendo che non fossero sicuri della tecnologia, non l'avessero usata abbastanza per formare un'opinione o stessero ancora cercando di capire quali fossero le regole. Anche tra coloro che erano incerti, era più probabile che esprimessero un sentimento positivo piuttosto che negativo.
Lo studio ha anche esaminato se fattori come il campo di studi dello studente, l'anno di corso o la frequenza d'uso dell'IA cambiassero questi atteggiamenti. I risultati hanno mostrato che gli studenti nei campi STEM erano leggermente più propensi a far parte del gruppo scettico dello "status quo" rispetto a quelli nelle scienze mediche e della salute. Tuttavia, i modelli generali rimanevano validi indipendentemente dal fatto che uno studente fosse al primo anno o all'ultimo anno, o che studiasse a tempo pieno. Ciò suggerisce che il modo in cui gli studenti vedono il ruolo dell'IA non è semplicemente una questione di quanto tempo abbiano avuto accesso agli strumenti, ma piuttosto un riflesso più profondo di come vedono la natura del loro lavoro. Il fatto che il gruppo della "divisione del lavoro" sia il più numeroso indica che la norma emergente più comune non è rifiutare l'IA interamente, né accettarla ciecamente, ma classificare attentamente quali compiti appartengono alla macchina e quali devono rimanere umani.
Queste scoperte hanno importanti implicazioni per il modo in cui la scienza viene insegnata e valutata. I ricercatori suggeriscono che il modo in cui pensiamo all'IA nella scienza debba andare oltre le semplici regole che ne vietano o ne permettono l'uso. Invece, le istituzioni e le riviste potrebbero dover adottare un approccio più sfumato che riconosca la differenza tra l'usare l'IA per trovare un riferimento e l'usare l'IA per scrivere una conclusione. Se uno studente usa l'IA per riassumere cento articoli, si tratta di un tipo di assistenza diverso dall'usarla per generare l'argomentazione centrale di una tesi. Lo studio implica che la formazione scientifica futura dovrà concentrarsi sull'aiutare gli studenti a comprendere questi confini. Non si tratta solo di imparare a usare lo strumento, ma di imparare quali parti del processo di ricerca sono essenziali per sviluppare la propria competenza. Se uno studente lascia che una macchina faccia la scrittura o l'analisi dei dati, potrebbe perdere l'opportunità di sviluppare le capacità di pensiero critico che derivano dal svolgere quei compiti personalmente.
In definitiva, questa ricerca cattura un momento di transizione. Gli atteggiamenti di questi dottorandi non sono fissi; è probabile che evolveranno man mano che la tecnologia migliorerà e la comunità scientifica stabilirà nuove norme. Oggi, la visione più comune è quella selettiva, in cui l'IA è accolta come un aiuto per l'informazione ma resistita come sostituto del giudizio. Questa "divisione del lavoro" potrebbe diventare il modo standard in cui la scienza viene praticata, con le macchine che gestiscono il volume delle informazioni e gli esseri umani che si concentrano sulla sintesi e sulla creazione di nuova conoscenza. Mentre questi studenti si laureano e diventano i leader, gli editor e i revisori di domani, i confini che stanno tracciando ora aiuteranno a definire cosa costituisce un lavoro scientifico legittimo in un'era di intelligenza artificiale. Il documento non pretende di aver risolto il dibattito, ma fornisce un quadro chiaro di dove la linea venga attualmente tracciata proprio dalle persone che la attraverseranno negli anni a venire.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.