AI in Practice: A Multilingual Survey of 2025 BioHackathon Participants

Questo dataset presenta i risultati di un sondaggio multilingue condotto durante il BioHackathon 2025 del DBCLS in Giappone, che analizza l'adozione, gli ostacoli e le preoccupazioni relativi all'uso dell'intelligenza artificiale tra 105 partecipanti del settore bioinformatico e genomico, fornendo dati grezzi anonimizzati e versioni elaborate per l'analisi quantitativa.

L'essenziale

Immagina il BioHackathon 2025 come un enorme "laboratorio creativo" dove scienziati, programmatori e ricercatori di tutto il mondo si riuniscono per costruire strumenti digitali che aiutano a capire la vita (il DNA, le proteine, le malattie). È un po' come un festival di hacker, ma invece di rubare dati, cercano di salvare vite umane con il codice.

Nel 2025, durante questo evento in Giappone, gli organizzatori hanno deciso di fare una cosa molto semplice ma importante: hanno chiesto a tutti i partecipanti cosa pensano dell'Intelligenza Artificiale (AI) nel loro lavoro quotidiano.

Ecco la storia di questo studio, raccontata in modo semplice:

1. La Ricetta Multilingua 🌍🗣️

Gli organizzatori hanno preparato un questionario, ma non solo in una lingua. L'hanno tradotto in inglese, giapponese e thailandese.

• L'analogia: Immagina di preparare una torta per una festa internazionale. Se parli solo inglese, solo metà degli ospiti capisce il menu. Qui, hanno preparato il menu in tre lingue diverse per assicurarsi che tutti, dal giapponese al thailandese, potessero dire la loro senza barriere.
• Il risultato: Hanno raccolto 105 risposte da persone di diversi paesi. Non è un numero enorme, ma è come un piccolo "assaggio" molto dettagliato di ciò che sta succedendo in questo mondo specifico.

2. Cosa hanno chiesto? (Il Menu della Domanda) 🍽️

Il questionario non era noioso. Chiedeva cose pratiche:

• Quanto usate l'AI? È come un caffè mattutino (ogni giorno) o una medicina rara (solo quando serve)?
• A cosa la usate? Per scrivere codice, per riassumere articoli scientifici, per tradurre testi o per brainstorming?
• Come la usate? La usate per aiutarvi (come un assistente), per abbozzare qualcosa (come un primo disegno), o per finire il lavoro da soli (come un robot che fa tutto)?
• Cosa vi spaventa? Avete paura che l'AI dica bugie (allucinazioni), che rubi i vostri dati o che sia ingiusta?

3. Il Grande "Pulito" (Anonimato e Dati) 🧹🔒

Qui entra in gioco la parte più delicata. Quando 105 persone scrivono le loro opinioni, a volte dicono cose che potrebbero far capire chi sono (es. "Sono il ricercatore X che lavora all'ospedale Y").

• L'analogia: Immagina di avere un mazzo di lettere anonime. Prima di mostrarle al pubblico, qualcuno le ha passate al setaccio per togliere tutti i nomi, gli indirizzi e i link segreti. Hanno anche corretto gli errori di battitura (es. trasformare "chatGTP" in "ChatGPT") e messo tutto in ordine, come se avessero riordinato un armadio disordinato.
• Il risultato: Hanno creato due versioni dei dati:
  1. La versione "Cruda": Le risposte originali, pulite solo dai nomi, in tutte le lingue.
  2. La versione "Pulita": Una tabella in inglese, perfetta per fare grafici e statistiche veloci, dove tutto è standardizzato.

4. Perché è importante? (La Mappa del Tesoro) 🗺️💡

Perché qualcuno dovrebbe leggere questo studio?

• Per capire la realtà: Non è solo teoria. Ci dice come gli scienziati realmente usano l'AI oggi. È come guardare attraverso una finestra per vedere cosa succede davvero nei laboratori.
• Per migliorare gli strumenti: Se gli sviluppatori di AI vedono che tutti hanno paura della privacy o che l'AI sbaglia spesso nelle traduzioni scientifiche, possono costruire strumenti migliori.
• Per le politiche future: Le università e i governi possono usare questi dati per decidere come supportare i ricercatori. È come avere una mappa che mostra dove ci sono buche sulla strada, così si possono mettere i segnali di pericolo.

In Sintesi

Questo documento è come un diario di bordo di una comunità di scienziati. Racconta come stanno imparando a usare i nuovi "robot intelligenti" (l'AI) nel loro lavoro, cosa li aiuta, cosa li blocca e cosa li preoccupa. È un passo fondamentale per capire come l'Intelligenza Artificiale sta cambiando la scienza della vita, non in modo astratto, ma attraverso gli occhi di chi la usa ogni giorno.

Il messaggio finale: L'AI è qui, è potente, ma ha bisogno di essere guidata con cura, e questa indagine ci aiuta a capire come farlo.

Sommario tecnico

Titolo: AI in Practice: A Multilingual Survey of 2025 BioHackathon Participants

Sintesi Tecnica

1. Il Problema

Nonostante la rapida adozione dell'Intelligenza Artificiale (IA) nella ricerca scientifica, esiste una carenza di dati empirici strutturati che descrivano come le comunità tecniche, in particolare quelle specializzate in bioinformatica e genomica, integrino effettivamente questi strumenti nel loro flusso di lavoro quotidiano. Manca una comprensione chiara di:

• Le modalità d'uso specifiche (assistenza, stesura, completamento autonomo).
• Le barriere istituzionali e tecniche all'adozione.
• Le preoccupazioni etiche e pratiche (bias, privacy, proprietà intellettuale).
• Le differenze nell'uso dell'IA tra diverse lingue e contesti geografici.

Il documento affronta il bisogno di un dataset pubblico e anonimizzato che permetta di analizzare queste dinamiche "sul campo" all'interno della comunità del BioHackathon.

2. Metodologia

Lo studio si basa su un'indagine multilingue condotta durante il BioHackathon 2025 in Giappone.

• Strumento di raccolta: Un questionario online (Google Forms) distribuito tramite canali Slack e codici QR durante l'evento.
• Lingue: Il sondaggio è stato offerto in Inglese, Giapponese e Thai per garantire una rappresentatività globale e ridurre le barriere linguistiche.
• Campionamento: 105 risposte finali da partecipanti e membri della rete del BioHackathon, provenienti da diversi paesi e tipi di istituzioni (università, ricerca, industria).
• Design del sondaggio:
  • Durata: 10-15 minuti.
  • Domande: Solo due domande erano obbligatorie (lingua e livello di utilizzo dell'IA); tutte le altre erano opzionali per ridurre la pressione sui rispondenti.
  • Aree tematiche: Dati demografici, frequenza d'uso, strumenti specifici, applicazioni per task (codice, scrittura, insegnamento, traduzione), sfide, soddisfazione, supporto istituzionale e preoccupazioni (bias, privacy, allucinazioni, impatto ambientale).
• Definizione di IA: Includeva machine learning, IA generativa, strumenti scientifici basati su IA e assistenti per la codifica, escludendo i metodi statistici tradizionali non basati su IA.

3. Elaborazione dei Dati e Anonimizzazione

Il processo di gestione dei dati è stato rigoroso per bilanciare l'utilità analitica con la privacy:

• Anonimizzazione (Safe Harbor): Non sono stati raccolti nomi, affiliazioni istituzionali, indirizzi IP o account Google. Gli indirizzi email opzionali per follow-up sono stati rimossi.
• Pulizia del testo libero:
  • Rimozione di tutte le URL (sostituite da [URL redacted]).
  • Rimozione di dettagli identificativi potenziali.
  • Eliminazione delle risposte narrative lunghe (storie di successo/fallimento) nel dataset "pulito" per ridurre il rischio di re-identificazione, mantenendole solo nel dataset grezzo.
• Standardizzazione:
  • Mappatura linguistica: Creazione di una tabella di ricerca (lookup table) per allineare le categorie di risposta tra inglese, giapponese e thai.
  • Normalizzazione dei paesi: Correzione di errori di ortografia e abbreviazioni (es. "U.K." -> "United Kingdom").
  • Gruppi di strumenti IA: Parsing dei nomi degli strumenti (es. "chatGTP" -> "ChatGPT", "copilot" -> "Copilot (unspecified)").
  • Gestione dei valori mancanti: Le risposte "Preferisco non rispondere" sono state convertite in valori mancanti standard (NA/blank).

4. Risultati e Struttura del Dataset

Il dataset rilasciato non contiene solo i risultati aggregati, ma l'intero set di dati strutturato per la riutilizzabilità. I risultati chiave (come illustrato nella Figura 1 del documento) includono:

• Dimensione: 105 risposte finali.
• Adozione: Distribuzione dei livelli di utilizzo (da utenti occasionali a ricercatori/developer di IA).
• Utilizzo per Task: Distinzione tra l'uso dell'IA per "Assistere" (aiutare in parti specifiche), "Stendere" (generare una prima bozza) o "Completare" (finire il task con poca editing).
• Preoccupazioni: Valutazione su scala 1-5 delle preoccupazioni riguardanti bias algoritmici, privacy dei dati, proprietà intellettuale e allucinazioni.
• Copertura Geografica: Partecipazione da diversi paesi (con focus su Giappone, Thailandia, USA, ecc.).

Il dataset è disponibile in tre versioni principali:

1. Dati grezzi anonimizzati: Nelle lingue originali (Inglese, Giapponese, Thai).
2. Dati grezzi tradotti: Versione inglese delle risposte originali.
3. Dati puliti (Cleaned): Versione inglese strutturata, pronta per l'analisi quantitativa, con variabili categorizzate e campi ridotti.

5. Contributi Chiave

• Dataset Multilingue Pubblico: Fornisce una delle prime risorse pubbliche strutturate sull'uso dell'IA in bioinformatica, disponibile in tre lingue e con strumenti di traduzione integrati.
• Trasparenza Metodologica: Documenta dettagliatamente il processo di pulizia, anonimizzazione e standardizzazione, offrendo un modello per future indagini simili.
• Distinzione tra Tipi di Uso: Introduce una tassonomia operativa per l'uso dell'IA (Assist vs. Draft vs. Complete), permettendo analisi più fini rispetto alla semplice domanda "usi l'IA?".
• Accessibilità: Il rilascio su GigaDB include non solo i dati, ma anche il questionario completo, il dizionario dei dati (codebook) e la tabella di traduzione, facilitando la riproducibilità.

6. Significato e Impatto

Questo lavoro è significativo per diversi ambiti:

• Ricerca sull'Adozione dell'IA: Permette di quantificare l'adozione dell'IA in comunità tecniche specifiche, identificando divari tra paesi e istituzioni.
• Progettazione di Strumenti Scientifici: Gli sviluppatori di tool di IA per la scienza possono utilizzare i dati per identificare i punti di dolore (pain points) e le aree di miglioramento richieste dagli utenti (es. supporto per la traduzione, riduzione delle allucinazioni).
• Politiche e Governance: I dati sulle preoccupazioni (privacy, IP, bias) forniscono evidenze empiriche per informare le politiche istituzionali sull'uso dell'IA nella ricerca.
• Metodologia di Ricerca: Dimostra come condurre indagini multilingue in contesti scientifici globali, gestendo le sfide della traduzione e della standardizzazione dei dati senza compromettere la privacy.

In sintesi, il documento non è solo un report di sondaggio, ma un risorsa dati completa e riutilizzabile che funge da base per studi futuri sull'impatto pratico dell'IA nella scienza dei dati biologici.