Each language version is independently generated for its own context, not a direct translation.
この論文は、「伝統医学・補完医療・統合医療（TCIM）」と呼ばれる分野（鍼灸、漢方、ヨガ、ハーブ療法など）の学術雑誌の編集者たちに、「AI（人工知能）チャットボット」をどう思っているか、実際に使っているかについてアンケート調査をしたものです。
まるで**「古いお城の門番たち（編集者）」が、新しい「魔法の助手（AI）」**を雇うかどうかで悩んでいるような状況です。
以下に、難しい専門用語を使わず、身近な例え話で解説します。
🏰 物語の舞台：学術雑誌という「お城」
この分野の学術雑誌は、世界中の研究者が書いた「新しい発見」を載せるお城です。編集者たちは、そのお城の門番や審査員のような役割を果たしています。
- 役割: 投稿された論文が「本当に信用できるか」「文章は正しいか」「盗作（コピペ）ではないか」をチェックして、お城に入れるかどうかを決めます。
- 難しさ: この分野は、西洋医学だけでなく、東洋医学や独自の文化も含まれるため、審査が非常に複雑で、門番たちの頭を悩ませています。
🔍 調査の結果：「魔法の助手」への反応
編集者たちに「AI助手（チャットボット）」について聞いてみたところ、以下のような反応がありました。
1. 「知ってはいるが、まだ使っていない」
- 状況: 編集者の約 7 割は「AI というものを知っている」と答えました。しかし、仕事で使ったことがある人は 4 割以下でした。
- 例え: 「スマホを持っている人は多いけど、まだ銀行の振込に使っている人は少ない」ような状態です。
- 理由: 「AI に任せていいのかな？」「失敗したらどうしよう？」という不安や、「使い方のマニュアル（ガイドライン）」がないことが大きな理由でした。
2. 「得意な仕事」と「苦手な仕事」
編集者たちは、AI が何なら得意で、何ならダメだと考えています。
✅ 得意な仕事（みんなが「いいね！」と言う）:
- 文法チェック: 文章の誤字脱字や、英語の表現を直すこと。
- 盗作チェック: 誰かの文章をそのままコピペしていないか探すこと。
- 例え: AI は**「完璧な校正士」や「辞書」**としては優秀です。機械的な作業は任せても大丈夫そうです。
❌ 苦手な仕事（みんなが「いやだ」と言う）:
- 人間関係の調整: 著者や審査員への丁寧なメール返信、感情的な配慮が必要な交渉。
- 深い判断: 「この研究の文化的な背景は正しいか？」「この結論は本当に信頼できるか？」といった、人間の直感や文脈を読む必要がある判断。
- 例え: AI は**「感情のないロボット」**なので、人間同士の微妙なニュアンスや、文化に根ざした深い理解はできません。ここは人間がやらなければなりません。
3. 「未来への期待」と「不安」
- 期待: 編集者の 8 割以上は、「AI は将来、学術出版にとってとても重要になる」と思っています。
- 不安: 一方で、「AI が間違った情報（嘘）を言ったり（ハルシネーション）、偏見を持ったりしないか？」という大きな心配もあります。
- 例え: 「AI は便利な**「魔法の杖」**だけど、使い方を間違えると火傷をするかもしれない」という感じですね。
🛠️ 今、一番必要なのは「教育」と「ルール」
調査で一番浮き彫りになったのは、**「AI をどう使うかというルールが、まだほとんどない」**という事実です。
- 現状: 雑誌の編集者たちの多くは、「AI について教えてくれる研修がない」「AI を使っていいか悪いかのルールが決まっていない」と困っています。
- 要望: 編集者たちは**「AI の使い方を学ぶ研修」や「明確なルール（ガイドライン）」**を強く求めています。
- 例え: 新しく入ってきた**「魔法の助手」**を、ただ放り出すのではなく、「魔法の使い方の教科書」と「安全な魔法のルール」を渡して、一緒に働けるようにしてあげたい、という願いです。
💡 まとめ：この論文が伝えたいこと
この研究は、**「AI は便利だけど、まだ完全には信頼していない」**という編集者たちの本音を明らかにしました。
- 良い点: 文章のチェックや、単純な作業を AI に任せることで、編集者の負担を減らせる。
- 悪い点: 人間の判断や、文化に根ざした深い理解は AI にはできない。
- 必要なこと: 編集者たちが安心して AI を使えるように、**「教育」と「ルール作り」**が急務です。
つまり、**「AI という新しい相棒を、伝統医学という複雑なお城で上手に働かせるには、まずは『使い方のマニュアル』と『トレーニング』が不可欠だ」**というのが、この論文の結論です。
Each language version is independently generated for its own context, not a direct translation.
論文の技術的サマリー：伝統的・補完的・統合医療（TCIM）誌編集者による学術出版プロセスにおける人工知能（AI）の認識に関する調査
1. 研究の背景と課題 (Problem)
人工知能（AI）、特に大規模言語モデル（LLM）や AI チャットボット（AICs）は、学術出版の編集・査読プロセスに急速に統合されつつあります。これらは原稿のスクリーニング、剽窃検出、査読者の推薦、初期レビューの提供などを自動化し、ワークフローの効率化や科学的文献の完全性の確保に寄与する可能性があります。
しかし、**伝統的・補完的・統合医療（TCIM）**の分野は、多様な研究方法論や文化的に埋め込まれた知識体系を特徴としており、従来の医学分野とは異なる複雑な編集・査読の課題を抱えています。
- 既存の知識ギャップ: TCIM 誌における編集者や査読者が AI をどのように認識しているか、その導入の障壁や倫理的懸念に関する実証データは極めて不足しています。
- 課題: TCIM 研究の多様性や文化的文脈を考慮した AI ツールの適応可能性、および編集者が抱える具体的な懸念（バイアス、説明責任、透明性など）を明らかにする必要性があります。
2. 研究方法 (Methodology)
本研究は、TCIM 誌の編集者に対する匿名のオンライン横断調査を行いました。
- 対象とサンプリング:
- 対象：115 誌の TCIM 誌の編集委員会メンバー（編集長、副編集長、編集委員など）。
- サンプリング手法：Journal Citation Reports (JCR)、Scopus、米国国立医学図書館 (NLM) カタログを用いて TCIM 誌を特定し、各誌のウェブページから編集者の氏名とメールアドレスを収集しました（重複排除済み）。
- 除外基準：原稿のフォーマット調整のみを担当するコピーエディターや、TCIM 内容の管理に関与しない統計編集者など。
- データ収集:
- 期間：2025 年 5 月 26 日〜7 月 7 日（6 週間）。
- 手法：SurveyMonkey を使用した 38 項目の構造化アンケート。
- 内容：人口統計、AI の familiarity（親しみ）と現状の利用状況、AI の利点と課題への認識、倫理的懸念、将来の展望、トレーニングニーズなど。
- 定性分析：自由記述回答に対して、帰納的コーディングと主題分析（Thematic Analysis）を実施。
- 倫理と開示:
- ツービンゲン大学病院研究倫理委員会より承認を取得（REB No: 081/2025BO2）。
- 研究プロトコルとデータは Open Science Framework (OSF) に登録・公開。
- CHERRIES および STROBE ガイドラインに準拠して報告。
3. 主要な結果 (Key Results)
5,119 件の招待状に対し、217 名の適格な編集者が回答（有効回答率 4.2%、有効回答者 217 名）。
A. 人口統計と背景
- 回答者の大部分は男性（54.9%）、46 歳以上が中心（46-55 歳：26.4%、65 歳以上：25.9%）。
- 地理的には北米（40.4%）、欧州（23.3%）、東南アジア（15.0%）が主要。
- 大半は大学の教員（70.0%）であり、臨床研究原稿の編集が主業務（49.2%）。
B. AI の親しみと現状の利用
- 親しみ: 70.0% が AI ツールに「慣れている」と回答。
- 利用状況: 83.7% が ChatGPT などの AI チャットボットを個人的に利用した経験があるが、編集業務（査読や編集）での利用経験は 61.0% が「ない」と回答。
- 将来の予測: 編集業務での AI 利用について、「あまり利用しない/全く利用しない」と回答した割合は 41.1% で、「利用する」とする割合（24.7%）を上回っています。
C. 政策とトレーニング
- トレーニング: 65.3% の編集者が所属誌・出版社から AI ツールの適切な利用に関するトレーニングを受けたことがないと回答。
- ポリシー: 30.2% が AI 利用ポリシーがないと回答し、46.0% は「不明」と回答。
- トレーニングの必要性: 編集者が AI を効果的に利用するために必要なトレーニング量について、49.1% が「大量に」、38.6% が「ある程度」必要と認識。63.0% がトレーニングを受ける意向を示しています。
D. 認識される利点と課題
- 最も支持される用途:
- 言語・文法チェック（81.0% が「非常に役立つ/役立つ」）
- 剽窃・倫理的スクリーニング（67.4%）
- 最も懐疑的な用途:
- 著者・査読者・読者からの問い合わせ対応（39.0% が「役に立たない/非常に役に立たない」）
- 原稿のステータスや修正案に関する直接のコミュニケーション（33.0%）
- 主要な懸念事項:
- 学習データに含まれるバイアスの永続化（82.1% が同意）
- 著者・査読者との文脈的・感情的な側面を解釈する人間の洞察の欠如（79.3%）
- 説明責任、透明性、責任ある AI 利用に関する倫理的ジレンマ（79.1%）
- 追加のトレーニングと監視の必要性（78.5%）
E. 自由記述からの洞察（主題分析）
- 肯定的側面: 言語編集、翻訳、参考文献の検証、行政業務の効率化。
- 否定的側面: 「ハルシネーション（嘘）」、機密情報の漏洩リスク、人間の判断の希薄化、研究の質の低下。
- ポリシーの現状: 多くの誌が「著者権や査読への AI 使用を禁止」しつつ、「言語修正のみを許可し、その使用を明記する」という制限的な方針を採用している。
4. 主要な貢献 (Key Contributions)
- TCIM 分野における初の大規模調査: 従来の医学誌とは異なる文化的・方法論的複雑さを持つ TCIM 分野において、編集者が AI をどのように捉えているかを初めて体系的に実証しました。
- 「親しみ」と「実務利用」の乖離の明確化: 編集者が AI に慣れているにもかかわらず、編集業務での利用が極めて限定的であることを示し、その理由として「倫理的懸念」「ポリシーの欠如」「トレーニング不足」を特定しました。
- 分野固有の課題の提示: TCIM 研究における文化的文脈や多様なエビデンス体系を AI が適切に扱えるかという懸念が、一般的な医学誌以上に強く示唆されました。
- 実用的な提言: 編集者が AI 導入を望む一方で、明確なガイドラインとトレーニングが不可欠であることを示し、出版業界への具体的な政策提言を行いました。
5. 意義と結論 (Significance and Conclusion)
本研究は、TCIM 分野の学術出版において AI 技術が抱える「可能性」と「障壁」の両面を浮き彫りにしました。
- 結論: 編集者は AI が定型業務の効率化や原稿の品質向上に寄与すると認識していますが、現時点では倫理的懸念、説明責任の欠如、適切なガイドラインの不足により、実務への導入は限定的です。
- 将来展望: AI が学術出版の未来に重要な役割を果たすことは 82.8% の編集者が予測していますが、その実現には、TCIM 分野の特性に合わせたトレーニングプログラムの開発、透明性のあるガバナンス（ポリシー）の整備、そして文化的感受性を持った AI ツールの設計が不可欠です。
- インパクト: 本研究の結果は、TCIM 誌の編集者が AI を責任を持って活用するための指針を提供し、学術出版全体の AI 統合戦略における重要なエビデンスとなります。特に、人間の判断と AI の支援をどうバランスさせるかという、学術出版の根幹に関わる議論に寄与します。