mooncircle

ここ最近、

「仮完成の修士論文を指導教官に出したら、提出を認めてもらえなかった」

という相談が続いています。

先日も、ある受講生の方が初めてのセッションでが赤ペンでびっしりと指導教官からの指摘の入った修論を持ってきました。
ゼミ内の修論仮提出で出したところ、指導教官からは、

「1月の提出はせず、来年度に提出したほうが良い。」

との答えがあったとのこと。

話を聞くと、第1章の「研究の背景・問題意識・先行研究の整理」が、1か月前の時点でほぼ手つかずだったけども

「AIを使えば何とかなると思っていた」

ので、この１カ月で第１章のみならず、論文全体をAIを使って仕上げたとのこと。

実際に原稿を見せてもらうと、「あぁ、これは指導教官が言われることはもっとも」という印象を持たざるを得ませんでした。

《修論提出不可で指摘された問題点》

この方の例に限らず、ここ最近、AIに頼り過ぎで、修論不可になったケースが散見されるので、そういった論文にどのような問題があって不可になったか、まとめておきます。
AIに依存して書いた修論は、一見すると「論文の形」にはなっています。
章立ても整い、文章も一文一文はそれなりに「きれい」です。

しかし、中身を丁寧に読んでいくと、問題が次々と見えてきました。

◆なぜそう言えるのか、というエビデンスが示されていない

◆時間をかけるべき参考文献リストが、整合性もなくグダグダ

極めつけは、

◆「結果は出ているのに、背景・先行研究・理論が結果と全くつながっていない」

という点でした。

このような論文では、指導教官が「提出不可」と判断するのも無理はありません。

《どこがダメだったのか》

➀エビデンス不在

主張はある。でも、なぜそう言えるのかが示されていない。
データ・先行研究・理論との対応が取れていない文章は、研究ではなく「感想」です。

➁コア先行研究の浅さ

重要な先行研究が数本しか出てこない、しかも要約はAI丸写し。
どこが重要で、何が未解決なのかが見えてきません。

➂理論枠組みと結果の断絶

本来、
背景 → 先行研究 → 理論枠組み → 仮説 → 結果 → 考察
は一本の線でつながっている必要があります。
しかし、この修論では前半と後半が完全に分断されていました。

➃ 「耳触りのいい言葉だけが並ぶ危うさ

「包括的に」「多角的に」「階層的に」──
一見もっともらしい言葉ほど、意味を理解せず使うと論文を壊します。
AI生成文にありがちな落とし穴です。

《AIは「悪」ではなく、「素材にすぎない》

誤解してほしくないのは、AIそのものが悪いわけではないということです。

AIが得意なこと＝

・情報収集の補助
・構成案のたたき
・抜け漏れチェック
・表現の言い換え

これらは非常に優秀です。

しかし、

ここから先は「人間の仕事」

◎どの理論を使うか選ぶ

◎先行研究をどう位置づけるか判断する

◎結果をどう解釈するか考える

◎どこに独自性・新奇性を置くか決める

この部分をAIに丸投げすると、
「形は論文、中身は空洞」という事態になります。

《これから修論・卒論を書く人へのメッセージ》

「AI丸投げで楽をしようとすると、むしろ遠回りになります。」

一方で、

「自分の頭で考えるプロセスを踏んだ上で使えば、AIはとても心強い相棒です。」

修士論文は、文章を書く試験ではありません。
考えた痕跡が、論理として残っているかを問われるものです。

《AIに頼りすぎて合格が危ぶまれる論文を逆転させる取り組み》

正直にお伝えすると、
すでに最終提出まで1週間を切っているケースや、
現時点で「不合格」と明確に判断されているケース
（※12月中旬が最終提出という大学院もあります）については、来年度での再提出を視野に入れざるを得ない場合もあります。

しかし一方で、

◆口頭試問まで「保留」とされているケース

◆再修正・再提出が複数回認められているケース

◆指導教官から「直せば出してよい」と言われている段階

こうした状況であれば、まだ十分に巻き返しは可能です。

重要なのは、場当たり的に文章を直すのではなく、何が根本的にズレているのかを見極め、粘り強く修正を重ねることです。

私たちが伴走する際に特に重視しているのは、前段で述べたような構造的な問題、なかでも

★理論枠組みを「理解したつもり」で終わらせず、自分の研究にどう効いているのかを深く捉え直すこと

★与えられたテーマや流行語に寄せるのではなく、その人の経験・関心・違和感から出てくる問いを言語化すること

この2点です。

論文を「それっぽく整える」ことが目的ではありません。
その人にしか書けない問いを中心に据え、一本の筋が通った研究へと洗練させていくこと。
そこに、最も時間とエネルギーを注ぎます。

AIをどう使うか、という話ではありません。
本当に大切なのは、

あなた自身が何を考え、どのように研究を組み立てようとしているのか。

そこが曖昧なままでは、どれだけAIを駆使しても、論文は「通る形」にはなりません。

その思考の軸を、もう一度一緒に立て直していく。これが、今後,焦点を当てていくポイントであり、私たちのサポートの核でもあります。

AI ツールや ChatGPT を使えば、卒論・修論を一気に仕上げられそうに見えます。
「全部 AI に書かせてコピペすればいいのでは？」と思う人もいるはずです。
しかし、学術界のルールや出版社の方針を考えると、これはかなり危険な選択です。

【なぜ「AIに全部書かせてコピペ」が危険なのか】

AI が書いた文章は、あなたのオリジナルな研究成果とは見なされにくく、
不正（盗用・ねつ造）と判断されるリスクがあります。
AI は既存の論文などをもとに文章を生成するため、
意図せず他人の表現に近くなってしまうこともあります。
さらに、AI 生成文をそのまま提出すると、
内容を自分の言葉で説明できません。
口頭試問や面接で
「この方法を選んだ理由は？」
「この図は何を示していますか？」
と聞かれても、ロジックを考えたのは AI なので、うまく答えられない危険があります。

【学術界のルール：ICMJE と主要出版社の方針】

医学雑誌編集者の国際委員会（ICMJE）の 2023 年勧告では、

◆論文執筆や校正に AI を使った場合は謝辞や Methods セクションで開示すること、

◆AI が生成した文章・図表の最終責任は人間の著者が負うこと

が示されています。

Elsevier など主要出版社も、

◆AI を著者にしない

◆図表・画像の生成や改変には厳しい制限

といったポリシーを公開しています。

査読過程では、
未公開原稿を公開型 AI にアップロードすることを禁止する例も多く、機密保持やデータ保護が重視されています。

こうした流れは、大学の卒論・修論にも直結します。
キーワードは
「透明性」

「画像・図表の慎重な取扱い」

です。

【「今はバレない」でも将来リスクになる？】

「ChatGPT で書いても今はバレないのでは？」と思うかもしれません。
しかし、AI 由来の文章を検出する技術は進化中で、数年後に大学が過去の論文を一括チェックする可能性もあります。
そのとき「AI の不適切利用」と判断されれば、学位取り消しや論文撤回、信用失墜といった長期的なダメージにつながるおそれがあります。
「その場しのぎ」で丸投げするのはハイリスクです。

【卒論・修論での「安全なAI活用」とは】

AI をまったく使うな、という話ではありません。
ポイントは、考える部分は自分で行い、AI はあくまで補助として使うことです。
たとえば次のような使い方です。

◆テーマや構成案のブレインストーミング

◆誤字脱字や日本語・英語表現のチェック

一方で、

「章ごと丸投げして本文を書かせる」
「生データやインタビュー記録をそのままペーストして要約させる」

といった使い方は、
研究倫理や情報保護の観点から危険度が高くなります。

【AI時代の卒論・修論とどう向き合うか――ひとりで抱え込まない】
AI 時代の卒論・修論では、「AI をどこまで使っていいのか」といった相談や、
指導教員には聞きづらい
「どこまでが許容されるのか」
「表現や構成を AI に直してよいか」
「データやインタビュー内容を AI に入れて大丈夫か」
といった悩みは、ひとりで抱え込みがちです。

ムーンサークルでは伴走型サポートで、AI に任せてはいけない部分と、頼ってよい部分を一緒に整理しながら、テーマ設定、構成づくり、ドラフトへのフィードバックなどを進めています。
AI を「代行者」ではなく「道具」として洗練されたかたちで使いこなしながら、自らの思考で編み上げた修論・卒論を完成させていくこと――。研究の進め方が生成 AI によって大きく転換しつつある今まさにこの過渡期に、その技術と思考スタイルを主体的に確立していくことこそ、これからの高等教育修了者に求められる重要な資質と言えるでしょう。

以前、ある研究計画を考える場面で、

「とりあえず対象者が動かせないポールで何らかの調査をしたい」

という漠然としたスタート地点からサポート依頼をいただきました。

まずは対象とされる方々の基本属性を整理し、そこから考えられる研究の方向性をいくつか提案していく
――短い時間の中でも有意義な作業にはなりましたが、それだけで研究計画が完成したわけではありません。
それにもかかわらず、
「綺麗にまとまった」
という達成感だけで満足してしまい、後の詰めが不十分なまま指導教官に提出というケースとなり、事後処理でのサポート依頼は大変困難を極めたケースでした。

このような状況は、
AIで生成した文章を安易に利用するとより顕在化してきます。
AIは表面的には
「綺麗な」文章を手早く作ってくれる一方で、
深い理論的根拠や独創的なアイデア、研究としての新規性は自分で掘り下げなければ得られません。
ワープロが普及しはじめた頃、手書きよりもはるかに
読みやすい文書が「内容まで良く見える」という後光効果をもたらしましたが、やがてパソコンでレポートを作成することが当たり前になると、
見た目の「綺麗さ」だけでは評価されなくなりました。AIによる文章生成にも同じことが起こりつつあります。

「綺麗」な文章はあくまでも伝達手段に過ぎません。
研究計画で大事なのは、
何を目的とし、どんな理論や先行研究を土台として、どのような新規の問いを投げかけられるかです。
実際のところ、AIを使えば形だけはそれなりの文章が用意できます。
しかし、そこに自分なりの創意工夫や独自の視点、深い考察がなければ、一見整っているようでいて内容が薄い。

だからこそ、指導教官に提出する段階では、その時点で自分の考えをできるだけ深く反映させた
「最善の案」に仕上げることを意識したいものです。
AIの力を上手に活用しつつも、
「綺麗」にまとまった文章に安易に満足せず、本来の研究目的やオリジナリティを追求する姿勢を忘れてはいけない
――これが、いま改めて強く感じていることです。

数年前までは、インタビューの文字起こし作業はかなり手間のかかるものでした。専用のアプリを使って音声を遅送りし、何度も繰り返し聞きながら手作業で文字にしていくというプロセスが必要でした。しかし、今では多くの便利な文字起こしアプリが簡単に手に入り、作業の効率が格段に上がりました。これにより、文字起こしが手軽にできるようになったのは間違いありません。

しかし最近、この技術を利用してインタビューの文字起こしを行う際、やや的外れな方法で行われているケースをよく目にするようになりました。そこで、今日はこの問題について少し考えてみたいと思います。

AIに頼りすぎた文字起こしと内容分析

最近よくあるのが、

AIを使って文字起こしと内容分析を一度に行おうとするケースです。

AIに音声ファイルを読み込ませ、同時にその内容を自動的にカテゴライズしてもらうという流れです。

一見、非常に便利で、きれいにまとまった結果が得られるように思えるかもしれません。

しかし、そのカテゴライズされた内容が、研究の主旨や目的にそぐわないことが多々あります。

例えば、議事録の作成にはAIは非常に有効なツールですが、

研究として行うインタビューの場合、目的に沿ったカテゴライズが求められます。

いくらきれいにまとめられていても、研究としての価値がなければ意味がありません。

具体的には、その内容が概念図に描けない場合や、インタビューの目的を反映していない場合などです。

AIの正しい活用法とは

AIを活用する際、重要なのは

研究のプロセスを効果的に細分化し、

そのプロセスごとに適切にAIに質問を投げかけ、

結果を練り上げていくことです。

このプロセスを丁寧に行うことで、AIを導入することによって研究の効率は大いに向上します。

しかし、このプロセスを省き、

単に最後の分類だけをAIに任せるのは、研究とは言えず、AIへの丸投げにすぎません。

AIは手を抜くための道具ではなく、研究の手助けをするためのものです。

道具に頼りすぎてはいけません。

文字起こしから内容分析までAIに丸投げする人々は、

質問しても的外れな答えが返ってくることが多いです。

これは、自分自身で理解せずにAIに全てを任せてしまい、

研究の本質を把握していないからです。

研究におけるAIの活用と正しいアプローチ

最適な答えを導くためには、一足飛びに結果を得るのではなく、

一つひとつのプロセスを丁寧に進めていく必要があります。

特に、研究の進行を導く「かじ取り」は研究者自身が行わなければなりません。

そのためには、まず自分の研究について深く理解することが重要です。

これから論文を書く方々には、AIを活用する際の落とし穴に注意し、

道具に使われることなく、しっかりと自分の研究を進めていくことを心掛けていただきたいと思います。

先日、ある学生から中間発表用の原稿について相談を受けました。

原稿を作成したものの、

引用したいくつかの論文がどうしても見つからないというのです。

「おそらく孫引きか、あるいは引用元の記憶違いだろう」と思いながら詳しく話を聞いてみると、どうも話がかみ合いません。

そこで、さらに確認を進めていくと、驚くべき事実が判明しました。

その原稿のほとんどがAI（Chat GPT)を使って書かれており、

引用文献もAI（Chat GPT)が自動生成したものだったのです。

AIが生成した文章に引用している文献には、論文タイトル、著者名、学会誌の号やページ番号まで詳細に記載されており、

一見すると実在しそうな文献に見えます。

しかし、Google ScholarやOPACなどの学術データベースを駆使しても、

該当する論文がまったく見当たらないのです。

そこで再度、AIに

「この論文はどこに掲載されているのか？」

と尋ねたところ、驚くべきことに

「架空の論文です」と返答されました。

さらに検証のため、別の研究テーマでAIに論拠を提示させたところ、今回も似たような結果に。

具体的な論文を検索しても見つからず、再度尋ねると

「架空の論文」とのこと。

例えとして実際のやりとりの一つを記載すると、まず、次のような答えが返ってきました。

「「地域医療の現状と地域活性化」（『日本地方自治研究学会年報』）
この論文では、日本の過疎地における医療の充実が地域活性化に果たす役割について詳述されています。

具体的には、医療施設の不足が地域の人口減少を加速させる一方で、適切な医療サービスの提供が定住促進に繋がり、地域社会の持続可能性を高めることが指摘されています。

医療が充実することで、住民の健康が守られるだけでなく、地域に住み続けるための安心感が得られ、それが地域経済の安定にも寄与することが述べられています。」

そこで、次にその論文についての具体的な情報を問うと

「医療資源の地域間格差と過疎地における医療提供体制」というタイトルの論文は、

具体的な著者情報を挙げることができないため、

架空のタイトルとして使用しました。

このタイトルは実際には存在しない可能性が高いです。」

えええっ～！！！そ、そ、そんなに簡単にそう言っちゃいますかぁ？？？という印象でした。。。。

どうやら、AIは一部の重要な理論的枠組みを扱う

古典的な論文については正確な情報を返すことがあるようですが、

特に近年の具体的な論文については「架空の論文」を生成することが多いようです。

この現象には少々驚きを隠せませんでした。

もちろん、AIを活用することで情報収集やアイデアの整理が効率化されます。

しかし、研究の本質は、先行研究の精読から始まり、問題意識と課題を確立し、独自の視点で研究を深めることにあります。

AIに丸投げしても、真に価値ある研究や論文は完成しません。

特に学術の場では、

引用する文献の正確性が求められるため、AIが生成した情報の裏付けを怠ると、大きなリスクを伴うことになります。

これまでの経験からも、

AIを活用する際には、その限界とリスクを十分に理解し、慎重に取り扱う必要があることを痛感しました。

研究を進めるうえで、まずは信頼できる先行研究を精読し、自身の問題意識と課題を明確にすることが不可欠です。

AIはあくまで補助的なツールとして活用し、研究の基盤は自身で築くよう心掛けてください。

今、AIが、とりわけChat GPTが私の中での興味関心となっていて、今日は

学術論文を書く際の道具としてのAIの有効性と限界について、この半年余り色々試した結果から、ところを一度まとめてみたいと思います、

結論から言うと、ChatGPTを学術的な論文を書く際のツールとして活用することは、

多くのメリットがある一方でいくつかの限界も存在する。。。。という漠然と当たり前と思っていたことが、経験値を上げて明確にわかりました。

まず、質的な点から考えていきたいと思います。
活用できる点は、なんといっても情報の整理と要約です。

ChatGPTは、膨大なデータベースから瞬時に考えられる最適解を構築できるので、

膨大な情報を整理し、要約する能力に圧倒的に優れています。

これは、研究の背景や文献レビューの段階でツールとして非常に役立ちます。

しかしながら膨大なデータベースは、

最新の研究結果や論文には対応していないことが多く、

学術論文は２０２３年４月までの情報となっていてまだ新しいものの、どうもすべてを網羅しているとは個人的には言えないように思います。

一般的にニュース記事や書籍、ウェブサイト、その他のテキストソースから２０２１年までの広範なデータセットをおさえているらしいですが、「ウェブサイト」、「その他のテキストソース」というところに

学術的な正確性や基準は求められないように思います、

研究分野にもよりますが、医学や工学、理学などの理系や、文系でも認知科学や神経心理学などは特に研究の最先端を抑えることがカギとなる場合が多く、最先端の研究を追うことは重要です。

また、どういう基準でピックアップしてきているのかが見えないので、なぜかはわかりませんが、上に書いたように

学術的な正確性に欠ける場合も結構あります。

例えば、WHOで明らかに定義、あるいは分類されている用語に対して、

偏った解釈や定義から「答え」を返す場合も見受けられました。

このようにChatGPTが提供する情報や生成する文献リストが、常に学術的な基準や正確性を満たしているとは限らず、

常に情報の出典を確認し、信頼性を自身で評価する必要があります。

それから、活用できる点については

新しい研究アイデアや、研究問題に対する異なる視点、自分の中で気づかなかった視点を提供してくれることが挙げられます。

これは初稿の作成の段階で、研究アイデアの抽出と、それに基づいて構成を考える際に役立ちます。

しかしながら、上記にかいた

最新の研究情報の不足や学術的正確性と信頼性の問題に留意する必要があることに加えて、

特定の専門分野における深い知識や、最先端の研究内容を完全に理解しているわけではないので、

研究内容の正確性や詳細度に限界があります。

次に量的な点について考えてみると、優れているのは何といっても

文章の文法的な誤りを指摘したり、

より自然な表現に改善する提案を行うことが可能である点です。

ただ、また別の記事を書く機会に改めて書きますが、この辺り、どこまでが許容されるのかその分岐点はなかなか難しい問題のように感じます。

言えることは、文章が奇麗になっても、内容が偏っていたり、論点がずれていたり、といったことが割と起こるような印象です。

なんというか、写真の加工アプリで、不自然になるような印象・・・・変なたとえですみません。

それとまだ完全に追いついていないのがデータ分析のサポート力。

実際のデータ分析作業や統計的手法の適用には今のところ対応していないようで、研究データの解釈や分析に直接的な助言を提供することほぼできません。

ChatGPTは、学術的な論文を書く過程で

有用なアシスタントとなり得ますが、

研究者としては

その限界を理解し、批判的な思考を持って活用することが重要です。

情報の正確性や最新性の確認、専門的な知識や分析には、人間の研究者の役割が不可欠です。

新年あけましておめでとうございます。
昨年はサポートを通じて皆様の多くの挑戦と成長に手ごたえを感じて、

たいへんうれしく思いました。

頑張ってくださった皆様に感謝いたします。

２０２４年度は、AI技術を活用し、更に効果的なサポートを提供していきたいと考えています。

AIを用いることで、

より個別化されたガイダンスや、

効率的なリソースの提供が可能になると考えています。

また、学習プロセスの分析にAIを利用することで、

受講生一人一人の方応じたに最適な学習計画を提案し、

個々のニーズに合わせたサポートができるようになりました。

２０２３年までのサポート方法とAIの統合により、

従来のサポートを置き換えではなく、

補完し、強化するものとしてAIを活用していきたいと思います。

AI技術を取り入れることで、学生の皆さんがさらに学びやすい環境を提供できることを楽しみにしています。
新しい年も、皆さんの学びと成長を全力でサポートしていきます。

（祇園オフィスの近くでヘアーアップしていただいたら祇園ぽくなりました。。。(⌒∇⌒)）