如何确保在学术研究中使用AI时的数据透明性和共享？

确保数据透明性和AI支持的研究共享可以通过促进开放科学原则的结构化框架来实现。这涉及到对数据、方法和AI工具的负责任的文档记录和共享的明确承诺。 关键原则包括采用促进重用的开放许可（例如，知识共享），实施FAIR（可发现、可访问、可互操作、可重用）数据实践，以及透明地报告AI模型规范、训练数据特征、计算环境和超参数。必要条件包括健全的元数据标准、使用可信的存储库，以及详细记录数据收集、策划和AI开发过程的综合文档。关键考虑因素包括数据隐私和保密性，需要适当的去标识化技术（例如，假名化、合成数据生成）和伦理审查，特别是对于敏感的人类数据。 实施要求利用支持大型数据集和代码的特定领域存储库（例如，Zenodo，Figshare，OSF），应用详细的元数据架构，仔细记录数据处理流程和AI模型版本控制。预注册分析计划可以增强透明性。这促进了验证、可重复性、独立验证和结果重用，从而增强研究诚信，促进合作，加速发现，并建立公众对AI辅助学术成果的信任。