From Click to Chat: A Comparative, Bilingual Study of Autism Related Information on Websites and General Purpose AI Chatbots (Preprint)
Notice bibliographique
Résumé
Background: Parents increasingly consult the internet, both websites and, more recently, artificial intelligence chatbots, for information on autism spectrum disorder (ASD). However, the comparative quality of these two source types, especially across languages, remains underexplored. Objective: This study aimed to assess the completeness and accuracy of ASD information delivered by websites and 5 popular artificial intelligence chatbots and determine whether performance differs between English and Romanian content. Methods: In a cross-sectional design, 25 English-language and 25 Romanian-language websites and the responses of ChatGPT, Gemini, Claude, Copilot, and DeepSeek were evaluated. Content was benchmarked against a 24-item checklist, yielding completeness and accuracy scores. Chatbots were tested in 2 scenarios: a single broad query (A) and 24 item-specific queries (B). Results: Websites achieved higher completeness in English than in Romanian (6.9 vs 5.1; P=.007) and marginally higher accuracy (6.9 vs 6.1; P=.045). In scenario A, chatbot completeness (English: 5.3 vs Romanian: 6.2; P=.15) and accuracy (English: 6.0 vs Romanian: 5.6; P=.32) did not show significant differences by language. In the single-query scenario, websites showed higher accuracy than chatbots in both English (6.9 vs 6.0; P=.19) and Romanian (6.1 vs 5.6; P=.53), with neither difference reaching statistical significance. Conversely, item-specific questioning favored chatbots, which yielded higher accuracy scores than websites in English (8.3 vs 6.9; P=.053) and Romanian (8.0 vs 6.1; P=.007). Accuracy scores improved significantly from the single-query to the item-specific scenario (English: 6.0 vs 8.3; P=.002; Romanian: 5.6 vs 8.0; P=.001). While an initial analysis suggested variation in performance between chatbots (repeated measures ANOVA; P=.005), pairwise differences between individual models did not remain significant after adjustment for multiple testing. Conclusions: This exploratory study indicates that the quality of online ASD information varies by language and source context. English-language websites are more complete than Romanian-language websites. Among chatbots, targeted questioning yields more accurate answers than single broad queries in both languages. The findings should be interpreted cautiously due to the temporal gap between website and chatbot data collection.
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
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».