MétaCan
Menu
Retour à la cohorte
Enregistrement W4404044359 · doi:10.1080/08989621.2024.2420812

Allowing AI co–authors is a disregard for humanization

2024· article· en· W4404044359 sur OpenAlexaff
Aorigele Bao, Yi Zeng

Notice bibliographique

RevueAccountability in Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEthics and Social Impacts of AI
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésEngineering ethicsPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In this paper, we explore the question "Why can't AI be a coauthor?" and reveal a rarely discussed reason. METHODS AND RESULTS: First, allowing AI to be a coauthor disregards the uniquely human experience of writing texts. This means that human authors are seen as mere producers of texts rather than rational beings engaged in a value-added and humanized learning process expressed through the paper. The relationship between the human author and the thesis is reduced to a mere result of generation rather than a result of individual human critical thinking. Second, allowing AI to be a coauthor leads to self-delusion about one's own rationality and thus violates the responsibility to understand the world correctly. In this process of self-deception, it is not as if those who grant AI coauthor status do not realize that AI is not the same as humans; however, they self-deceivingly assume that AI has the same internal state as humans. This means that the relationship between the author and the work is no longer seen as a position to be respected, but as something probabilistic and gamified. CONCLUSIONS: Finally, we discuss the potential consequences of these rationales, concluding that including AI as a coauthor implies a disregard for humanization.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarechercheIntégrité de la recherche
Domaine: Évaluation · Genre: Commentaire
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
gptMétarechercheCommunication savanteIntégrité de la recherche
Domaine: Méthodes · Genre: Commentaire
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,062
score de la tête « metaresearch » (Gemma)0,150
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,329

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0620,150
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,052
Communication savante0,0130,011
Science ouverte0,0020,011
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,454
Tête enseignante GPT0,655
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

MétarechercheIntégrité de la rechercheCommunication savante

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet
DomaineÉvaluation · Méthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountability in ResearchMême sujetEthics and Social Impacts of AICatégorieMétarechercheTravaux en français237 207