研究倫理・再現性・透明性

🔄 Quick Recall: 前のレッスンでAIによる原稿セクションの作成、学術的文体の維持、執筆品質の向上を学んだ。このレッスンではそのすべての根底にある問いに取り組む：ルールは何で、正しい側にいるにはどうすればよいか。

研究倫理の現在地

研究におけるAI倫理は理論的な話ではない——実践的な問題だ。ジャーナルのポリシーが論文の出版か撤回かを決める。再現性の基準が知見の科学への貢献かノイズかを決める。開示の規範はリアルタイムで進化している。

現在のポリシーの全体像

主要な出版社は3つの原則に収束しつつある：

1. AIを著者にすることはできない 理由：著者資格には説明責任が伴う。AIは査読者に対応し、主張を擁護し、エラーの責任を負うことができない。Elsevier、Springer Nature、Wiley、Taylor & Francis——すべての主要出版社がこの点で一致している。

2. 著者はすべてのコンテンツに対し全責任を負う AIが下書きしようと、編集しようと、分析コードを生成しようと——論文にあるものはあなたのもの。「AIが作った」はエラーに対する弁明にならない。

3. AI使用は開示しなければならない ほとんどのジャーナルがAIの使い方を説明する声明を要求。具体性の程度はさまざまだが、トレンドはより詳細な開示に向かっている。

✅ Quick Check: なぜ出版社は一様にAI著者を拒否するのか？——科学における著者資格は法的・倫理的な説明責任を伴う。著者はエラーについて連絡を受け、方法を質問され、不正行為の責任を問われうる。AIはこれらの義務を果たせない。著者資格は貢献ではなく責任。

透明性のパラドックス

2025年の研究が不都合な事実を明らかにした：AI使用を開示した研究者は読者から能力と信頼性が低いと認知される。これはジレンマを生む——正直さがペナルティを受ける。

なぜ起こるか：

• 読者がAI使用を怠惰や専門知識の欠如と結びつける
• 現在の規範が現在の実践に追いついていない
• 開示は可視だが、非開示は不可視（非対称的なリスク認知を生む）

それでも開示すべき理由：

• 非開示が発覚すれば撤回につながる——認知のペナルティよりはるかに深刻な結果
• 検出ツールが急速に改善中；AI使用を隠すリスクは増大している
• 透明な開示のたびに実践が正常化される
• AI採用が増えるにつれ認知のギャップは縮小している

効果的な開示文のテンプレート：

AI使用に関する開示：

[ツール名]（バージョン[X]）を[具体的な目的：
文献検索/コード生成/言語編集等]に使用した。
すべてのAI生成コンテンツは著者がレビュー、検証、修正した。
最終原稿の正確性と完全性に対する全責任は著者にある。

再現性の基準

AIは従来のプロトコルが対処しない新たな再現性の課題を導入する：

バージョン問題： 1月のGPT-4と6月のGPT-4に同じプロンプトを入れても異なる出力になりうる。モデル更新が通知なく動作を変える。

プロンプト感度問題： わずかなプロンプトの変更が意味のある異なる結果を生みうる。「このデータを分析して」と「このデータの外れ値を分析して」は同じデータセットから異なる結論を導く可能性がある。

非決定性問題： ほとんどのAIモデルにはランダム性が含まれる。同じプロンプトを2回実行しても同じ出力にならない場合がある。

解決策：

再現性文書テンプレート：

補助資料 — AI使用方法

1. 使用ツール
   - [ツール1]：バージョン[X]、アクセス日[日付]
   - [ツール2]：バージョン[Y]、アクセス日[日付]

2. 文献レビュー
   - 使用クエリ：[リスト]
   - 初期特定論文数：[N]
   - スクリーニング後論文数：[N]

3. 分析コード
   - 生成ツール：[ツール、バージョン]
   - 使用プロンプト：[正確なプロンプト]
   - 手動修正：[変更の説明]
   - 最終コード：[リポジトリへのリンク]

4. 執筆支援
   - AIで下書きしたセクション：[リスト]
   - 支援の種類：[下書き/編集/言語]
   - 修正プロセス：[AI出力のレビュー方法]

バイアスとデータの完全性

AIは研究を損なうバイアスを導入しうる：

訓練データバイアス： AIモデルは訓練データのバイアスを反映する。主に西洋・英語の研究で訓練されたAIは、他の文脈の知見を体系的に過小評価する可能性がある。

文献レビューにおける選択バイアス： AIツールは高被引用論文を優先する傾向があり、確立された知見へのバイアスと新興・反論的エビデンスへの偏りを生む。

確証バイアスの増幅： AI にプロンプトで期待する結果を記述すると、期待に沿う分析や解釈を生成し、反論するのではなく確認する可能性がある。

緩和策：

• 1つのAIツールだけでなく、複数のデータベースと言語で検索する
• 明示的にAIに反証となるエビデンスを探すよう指示する
• AIに自分の結論を批判させる
• AIの推奨を分野の基準と比較する

✅ Quick Check: 確証バイアスの増幅はAIでどう作用するか？——「治療Aがより効果的であることを示すようデータを分析して」とプロンプトすると、AIはその結論を支持する出力に最適化しうる——有利な検定統計量の選択、ボーダーラインの結果のポジティブなフレーミング等。中立的なプロンプト「治療タイプとアウトカムの関係を分析して」がより信頼性の高い分析を生む。

COPEフレームワーク

出版倫理委員会（COPE）は多くのジャーナルが従うガイダンスを提供している：

COPEの主要なポジション：

• AIツールは謝辞に記載すべきだが著者としてクレジットしない
• 著者は研究と執筆におけるAI使用について透明でなければならない
• 編集者はジャーナルのポリシーの文脈でAI使用を考慮すべき
• 研究機関は明確なAI使用ガイドラインを策定すべき

COPEが未解決のまま残している問題：

• どの程度のAI支援が「ツール」から「ゴーストオーサー」の線を超えるか
• AI生成の仮説はAI編集の文章と異なる開示が必要か
• 査読者はAI支援原稿をどう評価すべきか
• AI生成の図と可視化の基準

これらの問題は進化中。最も安全なポジション：必要と思う以上に開示する。

あなたの倫理的フレームワークの構築

個々のジャーナルポリシーを暗記するのではなく、フレームワークを構築する：

AI使用前——問う：

1. この論文のAIインタラクション履歴がすべて公開されても問題ないか？
2. 原稿のすべての文をAIに言及せずに擁護できるか？
3. 再現性のためにAI使用を十分に文書化しているか？

AI使用中——維持する：

1. 使用したすべてのAIツール、バージョン、プロンプトのログ
2. 修正前後の保存された出力
3. 自分の判断とAI提案の明確な記録

投稿前——検証する：

1. ターゲットジャーナルの具体的なAI開示要件
2. 開示文が完全かつ正直であること
3. 別の研究者がAI支援ワークフローを再現できること

Key Takeaways

• すべての主要出版社が一致：AIは著者になれない、著者がすべてのコンテンツに責任を負う、開示は必須
• 透明性のパラドックスは現実（開示で信頼性がわずかに低下）だが、非開示は撤回のリスク——常に開示する
• 再現性にはAIツール、バージョン、プロンプト、修正の補助資料での文書化が必要
• AIはバイアスを増幅しうる——中立的なプロンプトを使い、反証エビデンスを求め、分野の基準と比較する
• 個々のジャーナルポリシーの暗記ではなく、透明性・責任・再現性に基づく個人的な倫理フレームワークを構築する

Up Next: 次のレッスンでは科研費申請書、学会発表、そしてより広い読者に研究を伝えるためのAI活用を学ぶ。