mooncircle

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。。。(⌒∇⌒)）

巷で話題のチャットGPT。
私が初めて知ったのは去年の秋でした。

投稿論文をサポートしてたある受講生の方が、先行研究の一覧を持ってきた時、何かAIを使ったぽかったので、聞いてみるとチャットGPTを使ったと。

何それ？と聞いて、説明を受けながら面白かったので、そのあと私も色々試してみました。

その後、大学のレポートでチャットGPTで作成して出す学生がいるとか何とか、話題になり、私も考えてみました

チャットGPTは論文執筆に使えるか。

結論としてはツールの一つとしては使える可能性は高い。

しかしながら、

ある一定の深度より下には掘りこめなく、同じ層をぐるぐる回っている感じです。

単純に表面的な層の深度が求められるレポートには使えそうですね。
と言ってもそれを推奨しているわけでは当然ないので、お間違えなく。

論文に使うとしたらあくまでもツールですね。

イメージとして自動翻訳に近い感じです。

返してきた答えをどう使うか、どのように調理するかはまだまだその人しだい。

返す情報の信頼性は100パーセントではないし、まぁ、道徳や倫理というよりも、

すべてをAIに頼って、AIに書いてもらうという発想は、

自分で考えることを放棄してしまうこと。

研究する高等教育機関に在籍しているのに、

何しに大学、大学院に来たんだと本末転倒な気がして、いかがなものかと思います。

質的にも無難なものはできるだろうけど、それ止まり。

ただこのテーマは面白く、もう少し色々考えてみたいので、また記事に書いてみますね。