AI時代の学術的誠実性：検証ファースト研究の実践ガイド
大学はAI支援執筆に関する学術的誠実性ポリシーを改訂しています。このガイドでは、何が変わり、研究者に何が求められ、自身の研究を守るためのワークフローを構築する方法を説明します。
2025年、ハーバード大学は、研究論文におけるAI生成コンテンツに明確に対処するため、学術的誠実性ポリシーを更新しました。スタンフォード大学も数ヶ月後にこれに続きました。2026年初頭までに、世界中の200以上の大学が、学術研究におけるAI使用に関するガイドラインを発表しました。
これらのポリシーに共通する点は、AIの禁止ではなく、新しい期待です。それは、研究ワークフローでAIを使用する場合、AIが生成するすべての内容を検証する責任があるということです。基準は変わっていません（引用は正確でなければなりません）が、脅威モデルは変わりました（AIツールは、以前は存在しなかった新しい種類のエラーを引き起こします）。
このガイドでは、AIツールが執筆プロセスの一部である場合に、あらゆるレベルの研究者が学術的誠実性を維持するために知っておくべきことを説明します。
実際に何が変わったのか
従来の誠実性モデル
AI執筆ツールが登場する前は、学術的誠実性は主に2つのことに関係していました。盗用しないこと、そしてデータを捏造しないことです。引用エラーは不注意として扱われ、不正行為とは見なされませんでした。年号の間違いや著者名のスペルミスは、書式設定の問題であり、誠実性の問題ではありませんでした。
新しい誠実性モデル
AIツールは、エラーと捏造の境界線を曖昧にしました。研究者がChatGPTが生成した引用を含め、その引用が存在しない論文を指している場合、それは次のうちどれでしょうか？
- 書式設定エラー（研究者は実際の論文を引用するつもりだったが、詳細を間違えた）？
- 捏造（研究者は、偽物であることを知っていた、または知るべきだった参考文献を含めた）？
- その中間？
ほとんどの大学は、合理的な検証という基準に落ち着いています。すべての論文を隅々まで読んだことを証明する必要はありませんが、参考文献リストのすべての参考文献が、実際に公開された著作物に対応していることを示す必要があります。検証の負担は、「あると良いもの」から「必須のもの」へと移行しました。
5つの検証基準
主要な大学やジャーナル出版社が発表したガイドラインに基づき、研究者が現在満たすべき検証基準を以下に示します。
1. 存在検証
すべての参考文献は、実際の出版物に対応している必要があります。これは、DOIが解決され、論文が学術データベースに存在し、メタデータ（著者、タイトル、ジャーナル、年）が実際の出版物と一致することを意味します。
これは最低限の基準です。AIが捏造した引用を検出し、自動ツールによって効率的に処理されます。参考文献リストをCitelyのCitation Checkerに貼り付けると、1分以内に存在をバッチ検証できます。
2. 正確性検証
各引用の詳細が正確である必要があります。正しい著者名が正しい順序で記載されていること。正しい出版年（プレプリント年ではないこと）。正しいジャーナル名（AIがでっち上げた略語ではないこと）。正しい巻号とページ番号。
自動ツールは、引用をデータベース記録と比較することで、ほとんどの正確性の問題を検出します。残りは手動でのスポットチェックで検出します。
3. 関連性検証
各引用は、それが付随する主張を裏付けるものである必要があります。これには、情報源を実際に読むか、少なくともざっと目を通す必要があります。AIは、主題に関連しているが、文中の特定の主張を実際には裏付けない引用を提案する可能性があります。
このステップは完全に自動化することはできません。論文の調査結果が、あなたがそれを使用する方法と一致するかどうかについて、人間の判断が必要です。
4. 最新性検証
歴史的背景が目的でない限り、引用は最新であるべきです。2024年の証拠によって反証された主張に対して2015年の論文を引用することは、実質的なエラーです。臨床ガイドライン、統計的手法、および急速に進化する分野では、最新性への特別な注意が必要です。
5. ステータス検証
論文は、出版後に撤回、訂正、または懸念表明の対象となる場合があります。撤回された論文を撤回に言及せずに引用することは、特に研究結果が実践に影響を与える分野（医学、法律、教育、公共政策）では、深刻な誠実性の問題です。
検証ファーストのワークフロー
ほとんどの研究者が犯す間違いは、検証を最終的な校正ステップとして扱うことです。50件の参考文献リストを作成する頃には、それぞれをチェックするという考えが圧倒的になり、手抜きをしてしまいます。
より良いアプローチは、執筆の各段階に検証を組み込むことです。
文献検索中
引用したい論文を見つけたら、すぐにCrossRefまたはPubMedに存在することを確認します。これは論文1件あたり10秒で済み、未検証の参考文献が蓄積するのを防ぎます。
二次情報源やAIの要約で主張に遭遇した場合は、CitelyのSource Finderを使用して、その主張を元の情報源まで遡って確認します。
執筆中
個人的に検証していない引用には、タグ（例：[CHECK]またはハイライト色）を付けてマークします。これにより、検証の未処理リストが視覚的に把握できます。
提出前
完全な参考文献リストを自動検証にかけます。フラグが立てられた問題を修正します。次に、最も重要な主張を裏付ける10〜15件の引用を手動で確認します。
ジャーナルが現在期待すること
いくつかの主要な出版社は、参考文献の検証要件を追加しています。
- Elsevierは現在、著者が提出前に「すべての参考文献を元の情報源に対して検証する」ことを推奨しています。
- Springer Natureは、提出された原稿におけるAI生成コンテンツ（参考文献リストを含む）のチェックを追加しました。
- PLOSは、著者が引用されたすべての情報源を読み、検証できることを確認するよう求めています。
- IEEEは、AI生成引用に特に対処するガイドラインを発表しました。
実質的な影響：編集者は参考文献リストのスポットチェックをますます頻繁に行うようになり、引用の問題によるデスクリジェクトが増加しています。
誠実性に関する問い合わせへの対応方法
ジャーナルや大学があなたの引用慣行について尋ねてきた場合（これはますます一般的になっています）、誠実さを示す方法は次のとおりです。
- AIの使用について透明性を保つ。 どのツールをどのように使用したかを説明します。
- 検証プロセスを文書化する。 「すべての参考文献は、[日付]に[ツール名]を使用してCrossRefに対してバッチ検証されました」という記述は、具体的で防御可能な声明です。
- 作業を示す。 検証レポートを保管します。Citelyまたは同様のツールを使用した場合は、出力を保存します。参考文献を手動で確認した場合は、どの参考文献をいつ確認したかを記録します。
主要なポイント
- 200以上の大学が、AI支援執筆に対処するために学術的誠実性ポリシーを更新しました。新しい基準は、書式設定の正確性だけでなく、すべての参考文献の「合理的な検証」です。
- 5つの検証基準が浮上しています。存在（論文は存在するか？）、正確性（詳細が正しいか？）、関連性（主張を裏付けているか？）、最新性（最新か？）、ステータス（撤回されているか？）
- 検証を最終ステップとして扱うのではなく、執筆の各段階に組み込みます。文献検索中に検証し、下書き中に未検証の引用にマークを付け、提出前にバッチチェックを行います。
- 主要な出版社（Elsevier、Springer Nature、PLOS、IEEE）は現在、参考文献の検証を推奨または義務付けており、引用の問題によるデスクリジェクトが増加しています。
- 検証プロセスを文書化します。参考文献をいつ、どのように確認したかの記録を保管することは、誠実性に関する質問が生じた場合に誠実さを示すことになります。
検証を開始する → citely.ai/citation-checker