當 AI 遇見科學：全球激增中的研究多樣性、跨學科性、可見度與撤稿
arXiv - Computers and SocietyAndr\'es F. Castro Torres, Joan Giner-Miguelez, Merc\`e Crosas
AI 研究在 1960-2015 期間跨國跨領域採用差異大，2015 後快速增長，但僅集中於少數主題，且伴隨較高撤稿率與引用優勢，顯示其轉型潛力有限且需加強透明與倫理。
AI 幫你先抓重點
AI 重點 1
AI 研究的高撤稿率揭示透明度與倫理挑戰
滑鼠懸停看 AI 判斷理由
高撤稿率表明 AI 研究可能存在方法學缺陷、數據完整性問題，且易影響可重複性，對科研透明與倫理提出嚴峻挑戰，需加強審查與報告標準。
AI 重點 2
AI 研究僅聚焦於少數主題，限制其跨學科轉型潛力
滑鼠懸停看 AI 判斷理由
若 AI 僅應用於窄領域，則難以在更廣泛學科中引發範式轉變；了解此限制有助於研究者設計更跨領域的 AI 應用，提升科學創新效益。
核心研究發現
- 1
2015 後 AI 研究採用呈指數增長，所有領域數量至少翻四倍，但仍僅集中於與電腦科學及傳統統計框架緊密相關的少數主題。
- 2
AI 支援的研究獲得不合理的引用優勢，且在大多數領域的撤稿率顯著高於非 AI 研究。
- 3
AI 採用在國家層面呈現顯著差異，中等收入亞洲國家（如中國）顯著加速，顯示全球採用不均。
對教育工作者的啟發
本研究揭示 AI 研究雖快速增長，但多集中於少數主題且撤稿率高，提示教育科技領域需重視研究透明度與倫理。建議學術機構建立 AI 研究審查機制，明確報告方法與數據來源，鼓勵跨領域合作以擴大 AI 應用範圍。對課程設計者而言，可將 AI 研究案例納入評量，培養學生批判性思維與資料素養，並設計實驗性學習任務，促進學生自主學習與知識建構。政策制定者應制定國際標準，促進中低收入國家參與 AI 科研，減少全球採用不均。
原始文獻資訊
- 英文標題：
- When AI Meets Science: Research Diversity, Interdisciplinarity, Visibility, and Retractions across Disciplines in a Global Surge
- 作者：
- Andr\'es F. Castro Torres, Joan Giner-Miguelez, Merc\`e Crosas
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。