AI in Practice: A Multilingual Survey of 2025 BioHackathon Participants

Dit artikel beschrijft een meertalige enquête onder deelnemers aan de BioHackathon 2025 in Japan, die inzichten biedt in het gebruik, de uitdagingen en de bezorgdheden rondom AI-toepassingen binnen de bio-informatica en genetica.

De kern

Stel je voor dat de wereld van bio-informatica (waar mensen met computers en DNA-gegevens werken) een gigantische, internationale hackathon is. In 2025 kwamen honderden experts in Japan samen voor de "BioHackathon". Maar in plaats van alleen te coderen, wilden de onderzoekers weten: "Hoe gebruiken jullie eigenlijk die nieuwe, slimme AI-tools in jullie dagelijkse werk?"

Ze hebben een enquête (een vragenlijst) opgezet, alsof ze een groot visnet hebben uitgeworpen. Ze hebben dit net in drie talen (Engels, Japans en Thais) uitgeworpen om zo veel mogelijk vissers te vangen.

Hier is wat ze hebben gevonden, vertaald naar simpele taal:

1. Het Net en de Vissers (De Enquête)

De onderzoekers hebben 105 mensen geïnterviewd. Het was een beetje alsof ze een multitool hadden: de vragen gingen over alles.

• Hoe vaak gebruiken ze AI? Is het een hulpmiddel dat ze elke dag gebruiken, of iets wat ze alleen af en toe uit de kast halen?
• Waarvoor gebruiken ze het? Om code te schrijven, om teksten te schrijven, om ideeën te bedenken, of om te vertalen?
• Wat vinden ze er moeilijk aan? Hebben ze te maken met gebrekkige instituten, of zijn ze bang voor fouten?
• Wat zijn hun zorgen? Zijn ze bang dat AI onjuiste feiten verzint (hallucinaties), dat privacy wordt geschonden, of dat het onrechtvaardig is?

2. De Grote Schoonmaak (De Data)

Omdat mensen in drie verschillende talen antwoordden, was het een beetje een kookpan met drie verschillende soepen. Om er een bruikbare maaltijd van te maken, hebben de onderzoekers een grote schoonmaak gehouden:

• De Anonieme Chef: Ze hebben alle namen, e-mailadressen en links verwijderd. Niemand kan nu nog zien wie wat heeft gezegd. Het is alsof je de gasten uit een foto knipt, maar de foto zelf bewaart.
• De Vertaler: Ze hebben alle antwoorden in het Japans en Thais vertaald naar het Engels, zodat iedereen ze kan begrijpen.
• De Opruimer: Lange, rommelige verhalen zijn verwijderd om de tabel overzichtelijk te houden, maar de korte, belangrijke antwoorden zijn bewaard. Ze hebben ook gekeken of mensen "Anders" hadden aangevinkt en die specifieke tekst erbij gezet, zodat de structuur klopt.

3. Wat hebben ze in de emmer gevonden? (De Resultaten)

De dataset is nu klaar om door andere wetenschappers te worden gebruikt, alsof ze een bouwdoos krijgen met alle onderdelen.

• Het beeld: Ze kunnen nu zien welke AI-tools populair zijn (zoals ChatGPT of GitHub Copilot) en welke niet.
• De zorgen: Ze zien waar de mensen bang voor zijn. Het is alsof ze een weerkaart hebben gemaakt van de angst en de verwachtingen rondom AI in de wetenschap.
• De verschillen: Omdat ze in drie talen hebben gevraagd, kunnen ze zien of een Thaise onderzoeker anders kijkt naar AI dan een Japanse of een Amerikaanse.

Waarom is dit belangrijk?

Stel je voor dat je een kaartenbouwer bent. Je wilt weten hoe mensen zich verplaatsen in een stad. Deze enquête is die kaart.

• Voor ontwikkelaars van AI: Het laat zien waar de "gaten" in de weg zitten. Misschien werkt een tool niet goed voor een bepaalde taak, of is de privacy te onzeker.
• Voor beleidsmakers: Het laat zien wat er nodig is om mensen gerust te stellen en AI veiliger te maken.
• Voor onderzoekers: Het is een spiegel voor de gemeenschap. Het laat zien hoe AI in de praktijk werkt, niet alleen in theorie.

Kortom: Dit artikel is niet zomaar een lijst met cijfers. Het is een tijdsbeeld van een hele wetenschappelijke gemeenschap die probeert om te gaan met de razendsnelle opkomst van kunstmatige intelligentie. Ze hebben de vragen gesteld, de antwoorden opgeveegd, en nu ligt de schone, anonieme "schatkist" klaar voor iedereen die er iets nuttigs uit wil halen.

Technische samenvatting

Probleemstelling

Hoewel kunstmatige intelligentie (AI) en generatieve modellen de bio-informatica en genomica snel transformeren, ontbreekt er vaak een gestructureerd inzicht in hoe deze tools daadwerkelijk in de dagelijkse praktijk worden toegepast door onderzoeksgemeenschappen. Er is een gebrek aan kwantitatieve data over:

• De frequentie en het type AI-gebruik (bijv. assistentie vs. volledige taakovername).
• De specifieke obstakels, institutionele ondersteuning en ethische zorgen (zoals bias, privacy en hallucinaties).
• De verschillen in adoptie en perceptie tussen verschillende landen, institutionele typen en taalgroepen.

Dit paper adresseert deze kennislacune door een multilinguale enquête uit te voeren onder deelnemers van de BioHackathon 2025 in Japan om een "community-level" beeld te schetsen van AI-praktijken.

Methodologie

De studie is gebaseerd op een online enquête die werd uitgevoerd tussen 16 en 18 september 2025 via Google Forms.

• Doelgroep en Rekrutering: De enquête was gericht op deelnemers en netwerken van de BioHackathon 2025. Er werden 105 definitieve antwoorden verzameld.
• Talen: De enquête was beschikbaar in het Engels, Japans en Thais om de internationale diversiteit van de gemeenschap te vangen.
• Ontwerp:
  • Inhoud: De vragen behandelden demografie, frequentie van AI-gebruik, specifieke toepassingen (coderen, schrijven, brainstormen, vertalen), uitdagingen, tevredenheid, institutionele ondersteuning en zorgen over potentiële schade (bias, IP, milieu).
  • Vraagtypes: Een mix van gestructureerde vragen (categorisch, schalen 1-5) en open vragen (vrije tekst voor success/failure-verhalen).
  • Verplicht vs. Optioneel: Om bias te minimaliseren waren slechts twee items verplicht (taal en AI-gebruiksniveau); alle andere vragen waren optioneel.
• Data-anonymisatie en Verwerking:
  • Er werden geen directe identifiers (namen, IP-adressen, affiliaties) verzameld.
  • Anonymisatie: URLs en potentieel identificeerbare informatie in vrije tekstvelden werden geredigeerd of verwijderd. E-mailadressen voor follow-up werden verwijderd.
  • Data-cleaning: Een "cleaned" dataset werd gegenereerd voor kwantitatieve analyse. Dit omvatte het standaardiseren van landnamen, het groeperen van AI-toolnamen (bijv. "chatGTP" naar "ChatGPT"), het omzetten van "Prefer not to answer" naar ontbrekende waarden (NA), en het verwijderen van lange narratieve teksten om heridentificatie te voorkomen.
  • Vertaling: Een lookup-tabel werd gebruikt om antwoorden in het Engels, Japans en Thais te harmoniseren.

Belangrijkste Bijdragen (Key Contributions)

Het paper levert een compleet dataset-pakket en documentatie voor hergebruik:

1. Meertalige Dataset: Een ruwe, geanonimiseerde dataset in de oorspronkelijke talen (Engels, Japans, Thais) inclusief korte vrije tekstantwoorden.
2. Gecleande Dataset: Een gestructureerde, Engelstalige dataset die direct geschikt is voor kwantitatieve analyse, met genormaliseerde variabelen en verwijderde lange teksten.
3. Documentatie:
   • Een uitgebreide codebook (data dictionary) met 33 variabelen.
   • Een vertalingstabel voor het harmoniseren van antwoordcategorieën.
   • Een PDF-export van de originele enquête met skip-logic.
4. Methodologische Transparantie: Gedetailleerde beschrijving van de data-cleaning pipeline, inclusief hoe met "missing data" en "skip logic" is omgegaan (bijv. vragen over verbeterpunten werden alleen gesteld aan ontevreden gebruikers).

Resultaten en Dataset Kenmerken

Hoewel het paper voornamelijk de dataset en de methodologie beschrijft (en verwijst naar een preprint voor diepgaande analyses), worden de volgende kernpunten uit de dataset benadrukt:

• Steekproefgrootte: 105 geanonimiseerde respondenten.
• Geografische Spreiding: Respondenten komen uit diverse landen (met name Japan, Thailand, VS, en andere landen met $n > 1$).
• Gebruikspatronen: De dataset onderscheidt drie niveaus van AI-gebruik per taak:
  • Assist: Helpen bij specifieke onderdelen.
  • Draft: Een eerste concept genereren voor bewerking.
  • Complete: De taak volledig afronden met weinig tot geen bewerking.
• Zorgen: De dataset bevat kwantitatieve metingen (schaal 1-5) voor zorgen over algoritme-bias, data-privacy, intellectueel eigendom, desinformatie en milieu-impact.
• Datakwaliteit: Er werden geen dubbele of volledig lege inzendingen gevonden. De hoge mate van ontbrekende data bij specifieke items wordt toegeschreven aan het optionele karakter van de vragen en de skip-logic van de enquête.

Betekenis en Toekomstige Toepassingen

Deze dataset is van groot belang voor de wetenschappelijke gemeenschap om de volgende redenen:

• Karakterisering van AI-praktijk: Het biedt een basislijn voor het begrijpen van hoe bio-informatici en ontwikkelaars AI-tools integreren in hun workflow.
• Vergelijkend Onderzoek: Door de meertalige aard en de brede geografische dekking kunnen onderzoekers verschillen in adoptie en tevredenheid tussen landen en institutionele typen analyseren.
• Tool-ontwikkeling: Ontwikkelaars van wetenschappelijke AI-tools kunnen de data gebruiken om pijnpunten en gewenste verbeteringen te identificeren.
• Methodologisch Referentiepunt: De dataset dient als een voorbeeld voor het verzamelen en verwerken van multilinguale survey-data in technische gemeenschappen, met name met betrekking tot anonymisatie en data-harmonisatie.

De dataset is beschikbaar via de GigaScience repository (GigaDB) onder een CC-BY 4.0 licentie, wat hergebruik voor kwalitatief en kwantitatief onderzoek mogelijk maakt.