AI in Practice: A Multilingual Survey of 2025 BioHackathon Participants

この論文は、2025 年 DBCLS BioHackathon の参加者 105 名を対象とした多言語アンケート調査に基づき、AI ツールの利用実態、障壁、制度支援、懸念事項などを包括的に分析したデータセットと関連資料を提示するものである。

要約

この論文は、2025 年に日本で開催された「バイオハッカソン（生物情報科学のハッカソン）」というイベントに参加した人々を対象に、**「AI（人工知能）を仕事でどう使っているか？」**というアンケート調査の結果をまとめたものです。

まるで、「料理人たちが、新しい魔法の包丁（AI）をどう使っているか、そしてその包丁にどんな不安を持っているか」を聞き取った報告書のようなものだと考えてください。

以下に、専門用語を排して、わかりやすく解説します。

1. 何をしたのか？（調査の概要）

研究者たちは、日本、タイ、英語圏など、世界中から集まった 105 人のバイオハッカソン参加者に、「英語、日本語、タイ語」の 3 つの言語でアンケートを行いました。

• どんな質問をした？
  • 「AI を使っていますか？（毎日？たまに？）」
  • 「何に使っていますか？（コードを書く、論文を書く、アイデア出しなど）」
  • 「AI を使うとどんな問題が起きる？（エラーが出る、情報が嘘っぽいなど）」
  • 「会社や大学は AI を使うのを応援していますか？」
  • 「AI に対してどんな心配がありますか？（プライバシー、著作権など）」

2. データの「お掃除」作業（匿名化と整理）

この調査で集まった回答は、そのままでは「誰が何と言ったか」がバレてしまう危険性がありました。そこで、以下のような「お掃除」を行いました。

• 名前や URL の削除: 回答の中に「私のブログはここです」といった個人が特定できるリンクや名前があったら、すべて「[URL 削除済み]」というシールを貼って隠しました。
• 言語の統一: 英語、日本語、タイ語で書かれた回答を、すべて英語に翻訳して整理しました。
  • 例: 「ChatGPT」と「chat gpt」という違う書き方をしていたら、すべて「ChatGPT」と統一しました。
  • 例: 「ドイツ」と「germany」と書かれていても、すべて「Germany」と統一しました。
• 2 つのバージョン作成:
  1. 生データ（Raw）: 元の言葉（日本語やタイ語）のまま、ただし個人情報は消した「生野菜」のような状態。
  2. きれいなデータ（Cleaned）: 英語に翻訳し、整理整頓された「おにぎり」のような状態。これで統計分析がしやすくなっています。

3. 何が見つかったのか？（主な発見）

この調査から、以下のような「世の中の流れ」がわかってきました（図 1 にまとめられています）。

• AI の使い方は人それぞれ:
  • 一部の人は「AI に全部やらせる（完成させる）」派。
  • 一部の人は「AI に下書きをさせて、自分で直す（ドラフト）」派。
  • 一部の人は「AI にヒントだけもらって、自分でやる（アシスト）」派。
  • 使う分野（プログラミング、研究、教育など）によって、使い方が大きく違います。
• 国や言語による違い:
  • 英語圏、日本、タイなど、国や言語によって「AI への期待」や「懸念」の度合いが少し違うことがわかりました。
• 心配事:
  • 「AI が嘘をつく（ハルシネーション）」ことや、「データのプライバシー」が漏れることへの不安が、多くの人の共通の悩みでした。

4. なぜこのデータが重要なのか？（使い道）

このデータは、単なる数字の羅列ではなく、「科学者が AI とどう付き合うべきか」を考えるための地図のようなものです。

• AI ツールの開発者にとって: 「科学者たちは、AI に何を求めている？何が不満？」がわかるので、より使いやすいツールを作れます。
• 政策担当者にとって: 「大学や研究所は、AI を使うためにどんなサポートが必要？」がわかります。
• 研究者にとって: 「他の国や分野の人は、AI をどう使っている？」を比較して、自分の働き方を振り返ることができます。

まとめ

この論文は、**「科学の現場で AI がどう使われているか」を、多様な国と言語の人々に聞いて、その声を整理して公開した「報告書」**です。

まるで、「世界中の料理人たちが、新しい魔法の包丁（AI）をどう使っているか、そしてその包丁をどう改良すればもっと美味しく料理できるか」を話し合った内容を、誰でも読めるように翻訳してまとめたレシピ本のような役割を果たしています。

これにより、AI という新しい技術が、科学の世界でより安全に、そして効果的に使われる未来を作るお手伝いができるのです。

技術概要

以下は、提示された論文「AI in Practice: A Multilingual Survey of 2025 BioHackathon Participants」に基づく技術的な要約です。

論文概要：2025 年 BioHackathon 参加者における AI 実践の多言語調査

1. 背景と課題 (Problem)

バイオインフォマティクス、ゲノミクス、ソフトウェア開発の分野において、生成 AI や機械学習ツールの導入は急速に進んでいます。しかし、これらのコミュニティ内での AI の実際の利用状況（どのツールが、どのタスクで、どのように使われているか）、利用上の障壁、組織的なサポートの有無、および懸念事項（バイアス、プライバシー、著作権など）に関する体系的な知見は不足していました。特に、多言語環境（英語、日本語、タイ語など）における AI 利用の差異や、コミュニティレベルでの「AI 実践（AI in Practice）」の全体像を定量的に把握するデータセットが存在しませんでした。

2. 研究方法 (Methodology)

本研究では、2025 年に日本で開催された「DBCLS BioHackathon」の参加者およびそのネットワークを対象としたオンライン調査を実施しました。

• 調査設計:

  • 言語: 英語、日本語、タイ語の 3 言語でアンケートを提供し、多様な背景を持つ研究者の回答を可能にしました。
  • 期間: 2025 年 9 月 16 日〜18 日（Google Forms を使用）。
  • 対象: BioHackathon 参加者およびそのコミュニティ（最終回答数 105 件）。
  • 内容: 人口統計学的情報、AI 利用頻度とスタイル、利用ツール、タスク別利用状況（コーディング、研究、執筆、翻訳など）、課題と満足度、組織的サポート、AI に関する懸念（アルゴリズムバイアス、データプライバシー、ハルシネーション等）を網羅しました。
  • 定義: 「AI」を機械学習、生成 AI、科学的 AI ツール、AI 搭載のコーディング/分析ツールとして定義し、従来の統計手法は含めませんでした。

• データ処理と匿名化:

  • 匿名化: 氏名、所属、IP アドレスの収集は行いませんでした。自由記述欄の URL はすべて [URL redacted] に置換され、個人を特定しうる情報は削除されました。
  • データクリーニング: 定量的分析用の「クリーン版」を作成するため、長文の自由記述（再識別リスク低減のため）を除外し、カテゴリ変数の「その他」回答を隣接列に保持する形式に変換しました。また、国名の表記統一（例：U.K. → United Kingdom）や AI ツール名の正規化（例：chatGTP → ChatGPT）を行いました。
  • 出力形式: 元の言語での匿名化生データ、英語翻訳生データ、英語版クリーンデータ、データ辞書（コードブック）、翻訳対応表の 5 つの主要コンポーネントとして公開されました。

3. 主な貢献 (Key Contributions)

• 多言語・多様性のあるデータセットの公開: 英語、日本語、タイ語の 3 言語で収集された、バイオインフォマティクスコミュニティにおける AI 利用に関する最初の体系的なデータセットの公開。
• 構造化された分析用データ: 生データ（自由記述を含む）と、定量的分析に適したクリーン化されたデータの両方を提供し、質的・量的な両方の研究を支援します。
• メタデータとドキュメント: 完全なアンケート、データ辞書、翻訳対応表を含め、データの再現性と再利用性を高めています。
• プライバシー配慮のベストプラクティス: HIPAA の安全港（Safe Harbor）ガイドラインを参考にしつつ、自由記述の再識別リスクを最小化する処理フローを確立しました。

4. 結果と知見 (Results)

論文の本文および図 1 に示された高レベルなサマリーによると、以下の傾向が確認されています（詳細な数値はデータセット自体に依存しますが、調査の枠組みは以下の通りです）：

• AI 利用の普及: 回答者の多くが AI ツールを利用しており、その利用レベル（日常利用、頻繁な利用、研究者/開発者など）が分布しています。
• タスク別利用: 回答者は AI を「支援（Assist）」「下書き作成（Draft）」「完遂（Complete）」のいずれかのレベルで利用しており、コーディング、研究、執筆、翻訳など多様なタスクに適用されています。
• 懸念事項: 1〜5 段階の尺度で測定された懸念レベルは、アルゴリズムバイアス、データプライバシー/セキュリティ、知的財産権、ハルシネーション（誤情報）、環境負荷など多岐にわたります。
• 地理的・制度的広がり: 複数の国と機関タイプから回答が集まり、コミュニティ全体の「AI 実践」の快照を提供しています。

注：本研究はデータセットの公開と構造のドキュメント化が主目的であり、詳細な統計分析結果は別途のプレプリント（BioHackrXiv）で報告されています。

5. 意義と将来の展望 (Significance)

• コミュニティレベルの洞察: ゲノミクスやバイオインフォマティクス分野における AI 導入の現状、障壁、および将来のニーズを定量的に把握する基盤となります。
• 政策とガイドラインの策定: 機関レベルでの AI 利用ポリシーや、教育カリキュラムの設計、ツール開発者へのフィードバック（改善点の特定）に活用できます。
• 学際的・比較研究: 多言語データであるため、国や言語、機関タイプによる AI 受容度の差異を比較研究する材料となります。
• 研究方法の向上: 科学コミュニティにおける AI 利用調査の設計手法や、多言語環境でのデータ収集・クリーニングの手法に関するメタ研究を支援します。

このデータセットは、GigaScience データベース（GigaDB）で公開されており、CC-BY 4.0 ライセンスの下で自由に再利用可能です。