學術同儕審查中生成式 AI 的治理：一個社會技術挑戰
arXiv - Computers and SocietyTatiana Chakravorti, Pranav Narayanan Venkit, Sourojit Ghosh, Sarah Rajtmajer
本研究探討生成式 AI 在學術同儕審查流程中引發的公平性、責任與評估正當性問題，並提出相應的治理建議。
AI 幫你先抓重點
AI 重點 1
生成式 AI 在同儕審查中的角色應限於輔助性任務。
滑鼠懸停看 AI 判斷理由
AI 認為此點至關重要，因為它直接關乎學術評估的可靠性與公正性，強調人類判斷在評估學術新穎性與貢獻方面的重要性，避免過度依賴 AI 可能導致的偏見。
AI 重點 2
制度政策不明確會加劇審查者的負擔。
滑鼠懸停看 AI 判斷理由
AI 認為此點值得優先關注，因為它揭示了現行制度在應對生成式 AI 帶來的挑戰時的不足，並提醒學術機構需要制定明確的政策，以減輕審查者的壓力，確保審查流程的公平性。
核心研究發現
- 1
研究發現學界普遍認為生成式 AI 可用於輔助性任務，例如提升清晰度或結構化回饋，但核心評估判斷仍應由人類負責。
- 2
參與者強調生成式 AI 可能造成的認知傷害、過度標準化、責任不明確以及提示注入等潛在風險。
- 3
結構性壓力與制度政策不明確，導致學者們承擔了詮釋與執法的負擔，並不成比例地影響了年輕作者與審查者。
- 4
研究透過整合公開治理討論與實際審查實踐，將 AI 介導的同儕審查重新定義為一個社會技術治理挑戰。
- 5
研究者建議透過建立明確的規範與流程，以確保同儕審查的責任、信任與有意義性，並避免潛在的偏見與風險。
對教育工作者的啟發
教育機構應制定明確的政策，規範生成式 AI 在學術同儕審查中的使用，並提供相關培訓，提升審查者對 AI 工具的理解與應用能力。同時，應加強對年輕作者與審查者的支持，減輕其因 AI 帶來的額外負擔。此外，應持續監控 AI 在學術評估中的影響，並根據實際情況調整政策與流程，以確保學術生態的健康發展。
原始文獻資訊
- 英文標題：
- Beyond Detection: Governing GenAI in Academic Peer Review as a Sociotechnical Challenge
- 作者：
- Tatiana Chakravorti, Pranav Narayanan Venkit, Sourojit Ghosh, Sarah Rajtmajer
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。