دلالت های سیاستی در کاربست هوش افزارهای زایا در نگارش و داوری مقالات علمی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 38

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_RHYFT-35-4_005

تاریخ نمایه سازی: 17 مهر 1405

چکیده مقاله:

با توجه به رشد فزاینده هوش ­افزارهای زایا به ویژه گپ بات ها در فرایند تولید محتوای علمی، فرصت ها و چالش های متعددی در این حوزه پدیدار شده است. این پژوهش به بررسی جامع کاربردها، فرصت ها و چالش های فناوری هوش مصنوعی زایا در نگارش و داوری مقالات می پردازد. یافته های ناشی از بررسی و تحلیل سیاست های ناشران بزرگ جهانی مانند Science، Elsevier، Springer Nature، IEEE و Emerald نشان می دهد که استفاده از هوش­افزار به عنوان نویسنده در مقالات علمی ممنوع و شفافیت و افشای استفاده از این ابزارهای فناورانه الزامی است؛ لیکن کاربست آنها درکیفیت نگارش ادبی، تسریع فرایند جستجو و مرور منابع  و نیز تسهیل همکاری های بین رشته ای بسیار اثربخش است. در مقابل، مخاطراتی همچون دستبرد ادبی، تولید محتوای نادرست (توهم)، سوگیری، کاهش تفکر انتقادی و نقض محرمانگی داده ها می تواند اعتماد به نظام نشر علمی را تضعیف کند. در داوری ­های علمی (همتابه همتا) نیز این افزارها می توانند با کاهش بار کاری داوران و تسریع فرایندهای اجرایی مفید باشد اما محدودیت هایی نظیر دقت پایین در حوزه های میان رشته ای و مسائل اخلاقی (مانند نقض محرمانگی) از کارایی آن می کاهد. بر این اساس، درپایان مقاله توصیه­هایی سیاستی برای نشریات ایرانی طرح­شده که درآن باید با تدوین سیاست های شفاف و متناسب با نیازهای بومی، چگونگی کاربست این ابزارها در پدیدآوری محتوا و داوری متون علمی تعریف شود. همچنین لازم است نهادهای ملی (همچون کمیسیون نشریات علمی کشور)، سازوکارهای موثری برای نظارت بر سوگیری ها و تضمین محرمانگی داده های نشریات علمی ایجاد کنند و با توسعه مدل های بومی، وابستگی به سامانه های خارجی را کاهش دهند.

نویسندگان

سید علی حسینی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران

غلامعلی منتظر

استاد مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :