Ten recommendations for the use of generative artificial intelligence into epidemiology teaching: Results from an expert workshop
2026年の専門家ワークショップを経て、本論文は、疫学の指導者が、核心的な科学的スキルを維持しつつ倫理的懸念に対処しながら、生成AIを責任を持って教育に統合するための指針として、ガバナンス、コンピテンシー、およびフィードバックの領域に整理された10の根拠に基づく推奨事項を提示する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
疫学（疾病の蔓延や人口の健康維持を研究する分野）において、その核心的な業務は常に人間の判断力に依存してきました。専門家はデータを観察し、パターンを見出し、それらのパターンが公衆衛生にとって何を意味するのかを判断しなければなりません。これには、因果関係への深い理解、情報の収集方法における誤りを見抜く能力、そして複雑な調査結果を明確に説明するスキルが必要です。数十年にわたり、これらのスキルを教えるということは、学生が問題を解こうとする前に、自ら考えるための強固な知識の基礎を築けるよう、彼らを導くことを意味していました。現在、テキストを書き、数値を分析し、即座に回答を生成できる新しい種類のテクノロジーが登場しました。「生成人工知能（ジェネレーティブAI）」と呼ばれるこの技術は、学習を助ける強力なツールを提供しますが、同時に隠れた危険も孕んでいます。もし学生がこれらのツールを早すぎる段階で、あるいは安易に使いすぎてしまうと、思考という困難なプロセスをスキップしてしまい、テクノロジーが存在しない場面で自力で問題を解決できなくなる恐れがあります。今日の教師が直面している問いは、これらのツールを使うべきかどうかではなく、いかにして専門家を専門家たらしめているまさにそのスキルを失うことなく、これらを使用するかということです。
ドイツ、ノルウェー、オーストリアの大学や研究機関から集まった専門家グループが、この問いに答えるために集まりました。彼らは3日間のワークショップを開催し、人工知能時代の疫学教育のためのルールセットを作成しました。これら10の推奨事項は、新しいテクノロジーの恩益と、学生の鋭い思考力と能力を維持する必要性のバランスを取るために、指導者が活用できるよう設計されています。経験豊富な教師、学生、そして人工知能のスペシャリストを含むこのグループは、目標はこれらのツールを禁止することではなく、学生が分野の基礎を習得しながら、責任を持ってツールを使えるよう、注意深く統合することであると決定しました。
専門家が推奨する最初にして最も重要なステップは、明確なルールを設定することです。すべての授業には、学生が人工知能を用いて何ができて、何ができないのかを正確に伝える書面によるポリシーが必要です。これには、一部の情報はプライベートであり保護されなければならないため、どのようなデータをこれらのツールと共有できるかについてのルールも含まれます。また、科学者が特定の解析手法を用いた際にそれを明示しなければならないのと同様に、学生がどのようにテクノロジーを使用したかを告白する方法についても説明しなければなりません。もし学生が文法のチェックや難しい概念の理解のためにツールを使用したのであれば、そうしたことを明示すべきです。もしツールを使って課題全体を執筆したのであれば、それは通常、禁止事項となります。教師自身もこれらのルールに従い、誠実かつ透明性を持ってテクノロジーを使用する方法を学生に示す必要があります。
ルールの設定に加え、専門家は教師が最新の状態を維持しなければならないことを強調しています。テクノロジーの変化は非常に速いため、昨年について学んだ教師は、すでに時代に取り残されている可能性があります。指導者は、これらのツールの仕組みや限界を理解し、学習プロセスを置き換えるのではなく、学習を助ける方法で使用するために、定期的なトレーニングを受ける必要があります。このトレーニングは、単にコンピュータに質問を入力する方法だけでなく、コンピュータが出した答えが正しいかどうかを判断する方法までカバーすべきです。また、教師は学生が機械に頼りすぎている状態、つまり研究者が「決してスキルを身につけない（never-skilling）」と呼ぶ問題、すなわち、機械が作業を行ったために学生が実際にそのスキルを習得できていない状態を見抜く方法も学ばなければなりません。
これを防ぐために、専門家は、学生がまず人工知能の助けなしに基礎を学ぶ必要があると提言しています。コードを書いたりデータを分析したりするためにツールを使用することを許可される前に、彼らはそれらを手作業または標準的なソフトウェアで行えるようにならなければなりません。リスクを計算する方法、研究の欠陥を見つける方法、そして結果を独自に解釈する方法を理解する必要があります。こうした基礎を築いた後に初めて、作業の確認や文章の推敲、あるいは新しいアイデアの探索のためにツールを使用することが許可されるべきです。これにより、テクノロジーが「杖（支え）」ではなく「助手」として機能することを保証します。もし学生が、自身の分析においてなぜその決定を下したのかを説明できないのであれば、たとえ最終的な答えが正しく見えたとしても、その教材を真に学んだことにはなりません。
学生が学んだことをテストする場合、専門家は、持ち帰り型のエッセイのような古い手法は、学生が単にコンピュータにエッセイを書かせることができるため、もはや十分ではないと警告しています。代わりに、教師は口頭試験、対面でのプレゼンテーション、あるいは人工知能の使用が禁止された監督下の執筆セッションなど、異なる方法で学生をテストすべきです。これらの方法は、学生に自身の思考を示し、リアルタイムでその論理を説明することを強います。また、専門家は、学生が人工知能を使用したかどうかを検知すると主張するソフトウェアの使用についてもアドバイスしています。これらの検知ツールはしばしば信頼性に欠け、間違いを犯すことがあり、学問的誠実さを損なっていない学生を不当に罰してしまう可能性があります。公平性を確保するためには、明確なルール、正直な開示、そして人間の判断に頼る方が適切です。
また、推奨事項では、学生に対してコンピュータと効果的に対話する方法を教えることの重要性も強調されています。これは「プロンプト・エンジニアリング」として知られており、単に「より良い答えを得るために適切な質問をするスキル」のことです。曖昧な質問をする学生は曖昧な答えしか得られませんが、具体的で構造化された質問をする学生は、はるかに優れた結果を得ることができます。教師は、問題を小さなステップに分解する方法や、コンピュータが提供する情報を検証する方法を教えることで、このスキルへと学生を導くべきです。これには、事実確認、エラーのチェック、そしてコンピュータが実在しない情報やデータを作り出していないかを確認することが含まれます。
最後に、専門家は教師同士で学んだことを共有することを促しています。これは新しい分野であるため、誰もまだすべての答えを持っているわけではありません。教師はさまざまなアプローチを試し、何が機能し、何が機能しないかを確認し、それを同僚に伝えるべきです。これは、うまくいったレッスンプランを共有することであったり、あるツールが解決策よりも多くの問題を引き起こしたことを認めることであったりします。互いに協力し、経験から学び合うことで、疫学という分野全体が、学生を安全で、熟練しており、将来に備えた状態に保ちながら、この新しいテクノロジーに適応していくことができるのです。究眠の目標は、これらの強力なツールを使用してより優れた仕事ができる、かつ、いつ機械を信頼し、いつ自分自身の判断を信頼すべきかを知るための批判的思考スキルを備えた疫学者を輩出することです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。