Lo studio sull’uso dei modelli linguistici di grandi dimensioni (LLM) nella ricerca accademica, condotto tra i partecipanti al programma GCSRT della Harvard Medical School, evidenzia aspetti fondamentali relativi alla consapevolezza, utilizzo e percezione futura di questi strumenti. La ricerca, che ha coinvolto 226 ricercatori provenienti da 59 paesi, ha rivelato che l’87,6% dei partecipanti conosceva gli LLM, con una maggiore familiarità riscontrata tra coloro che vantavano più pubblicazioni su PubMed. Tuttavia, la consapevolezza è relativamente recente, con l’86,4% che ha appreso di questi strumenti solo dopo il 2022, in coincidenza con il lancio di applicazioni come ChatGPT. Solo il 18,7% degli intervistati che conoscevano gli LLM li aveva usati direttamente nella ricerca, prevalentemente per correggere errori grammaticali, scrivere sezioni di manoscritti e fare revisione ed editing. L’uso esplicito di tali strumenti, però, spesso non viene dichiarato, evidenziando un vuoto nelle pratiche di trasparenza accademica. La percezione dell’impatto futuro degli LLM sulla ricerca è generalmente positiva, con il 50,8% che ritiene che possano migliorare l’efficienza e il 78,3% che sollecita regolamentazioni per prevenirne l’abuso. Tra i vantaggi riconosciuti vi sono la correzione grammaticale, la revisione dei manoscritti e la sintesi della letteratura, mentre le sfide riguardano il rischio di bias nei dati, la generazione di informazioni discutibili e la compromissione dell’integrità dell’autore. Gli LLM sono ritenuti strumenti preziosi ma necessitano di una regolamentazione etica per mitigare i rischi e promuovere un uso responsabile. Le riviste accademiche, inoltre, dovrebbero incentivare la trasparenza nell’uso di tali strumenti, sviluppando politiche e tecnologie per rilevare contenuti generati da AI e garantire standard elevati di qualità e credibilità.
Lo studio presenta alcune limitazioni metodologiche che devono essere affrontate. In primo luogo, poiché si tratta di uno studio trasversale, non è possibile trarre inferenze causali dai risultati e la rilevanza temporale dei risultati dello studio è soggetta a cambiamenti nel tempo. In secondo luogo, nonostante gli ampi tentativi di mantenere l’anonimato delle risposte al sondaggio, i risultati dello studio sono soggetti a bias di desiderabilità sociale. In terzo luogo, poiché la popolazione di studio era limitata esclusivamente ai partecipanti del programma GCSRT con una conoscenza approfondita della ricerca accademica, potrebbe essere stato introdotto un bias di selezione che limita la generalizzabilità dei risultati dello studio. In quarto luogo, lo studio non ha raccolto diverse caratteristiche degli intervistati che potrebbero essere associate alla consapevolezza dell’uso degli LLM, come sesso, livello di istruzione e livello di reddito. Infine, lo studio è suscettibile di bias di campionamento a causa dell’uso di WhatsApp e LinkedIn per la raccolta dati. I partecipanti che utilizzano LinkedIn potrebbero utilizzare contemporaneamente altre piattaforme per la loro ricerca, mentre i partecipanti che utilizzano WhatsApp potrebbero essere più giovani e più esperti di tecnologia e intelligenza artificiale. Pertanto, le preoccupazioni circa la sovrarappresentazione di determinati gruppi demografici potrebbero influenzare la validità esterna dei risultati.
L’adozione degli LLM nella ricerca accademica presenta enormi potenzialità, ma richiede un approccio consapevole e regolamentato, affinché il loro utilizzo possa davvero arricchire e accelerare il progresso scientifico, senza compromettere l’integrità e l’affidabilità dei risultati.
