AI in Editing and Peer Review-Curie (Springer Nature)

 Springer Nature於2023年10月推出AI寫作助理Curie，協助研究者寫作，特別是對非英文為母語的寫作者。目前這項服務已經內建在SpringerNature的Springer期刊跟SpringerNature書籍投稿流程中；非Springer期刊投稿者也可以將Curie作為一個工具使用(有免費跟付費版本)。

Curie有以下功能

1. 修改論文以符合學術標準，提升學術寫作的品質

• Streamline your editing process
• Elevate the quality of your academic writing
• Tailor Curie's suggestions to your needs
• Make a stronger impression

2. 以母語書寫，Curie協助翻譯為投稿期刊的語言

• Gain confidence in your submission
• Ensure consistency in terminology
• Don’t let language barriers slow you down

Curie在2022年7月時於中國進行使用者測試，出版社在研究者投稿Scientific Reports及Discover Series時提供使用Curie的選項，793位研究者中有67%的投稿者願意測試，其中91%的試用者認為Curie很好用，使用工具的研究者中有90%的稿件進入同儕審評；最後成功出版的稿件數量提升了14%。

資料來源
Curie官網

Springer Nature introduces Curie, its AI-powered scientific writing assistant

The Bright Future of AI

生成式 AI 工具之教學因應措施相關資源彙整

臺灣

1. 國立臺灣大學

臺大針對生成式 AI 工具之教學因應措施

臺大寫作中心 Writing with AI

2. 國立臺灣師範大學 

生成式AI之學習應用及參考指引

3. 國立陽明交通大學

國立陽明交通大學因應生成式AI之指引及教學建議

4. 台北醫學大學

生成式AI工具之課程教學參考指引【第一版】

5. 清華大學

大學教育場域AI協作、共學與素養培養指引

AI如何改變出版

在出版(publishing)中最有利且成功的一種AI應用是內容分類(content classification)，將描述內容細節資訊的主題詮釋資料(subject metadata)自動應用在內容上。

主題詮釋資料藉由增加商業體(business)核心商業主題術語內容的能見度以提供有用的商業智慧(business intelligence, BI)。利用使用者分析，商業體可以做到準確的決策，決定什麼時候出版以及要出版什麼，也可以為探索(discovery)、目標廣告、內容建議開啟新的機會，而且若是主題標記做得好，可以增進搜尋引擎優化。

自動標記的自動化分類軟體讓出版社可以根據內容的主題詮釋資料將內容歸類(categorise)。利用AI自動歸類內容或是自動建議(auto-suggest)內容編者更適合的詞彙可以大大精簡內容生產的過程。AI也可以自動化歸類檔案內容(archive content)，當主題詮釋資料更新的時候就重新將內容歸類。

而當出版社有了足夠的最佳實施案例，自動化分類軟體可以在精準度及風格上學習仿真，讓內容分類的過程完全自動化，加速出版的過程，減少重複性的工作，降低人為錯誤。

部分大型出版社委託數據科學家建立專屬的內容分類系統(content classification systems)，然而建立完整、可以擴大，以AI為導向的自動標記平台需要廣泛的軟體工程，而這可能不是數據科學家的核心技能。出版社應該將機器學習的投資專注在核心差異化上，而非其他已經被商品化的SaaS自動化分類。

閱讀全文

AI – How it’s revolutionising publishing

未來研究報告2.0

延續2019年的未來研究報告，在研究生態系統因為COVID-19而加速改變的時候，Elsevier過去兩年重啟調查，檢視未來十年研究(research)的可能變化。

研究分別於2020及2021年進行兩次調查，研究對象是來自全球超過1千位的研究者，2020年有1,173位研究者回覆調查，2021年則有1,066位回覆，主要的研究發現如下：

1. 出版在開放知識(open knowledge)的環境下變得更為快速

過去兩年研究傳播在速度及開放性方面都有很大的進展。相較疫情前的43%，新研究數據顯示全球研究者中有67%的人認為預印本(preprints)是有價值的來源，原因可能是預印本在早期處理COVID-19時發揮了效用。

而儘管預印本開始受到重視，但預印本沒有受益於同儕審評，也沒有出版社提供的額外加值服務。例如，94%在Elsevier出版的文章在編輯期間都有經過內容修改，13%的投稿文章有經過主要內容的調整。另外，有54%的受訪者表示計畫出版OA文章，相較2019年的數據高出6%。

2. 研究資金取得變得困難，但同時也有新的機會出現

儘管全球公衛危機COVID的發生顯示出研究的重要性，但是對研究者來說取得研究經費仍然是研究者最主要的挑戰，有將近一半(50%)的受訪者表示領域內的研究資金是不足的，只有24%的研究者認為經費足夠。

研究者期待來自企業的投資資金，有41%的研究者認為來自企業的投資資金會增加。

3. 女性在學術研究中面臨新的壓力

儘管女性在疫情期間面臨許多挑戰，但也相對適應較快。在Elsevier的研究中顯示女性期望有更多不同領域的合作機會；相較男性同儕更能適應新科技，且更願意與大眾分享研究成果。

4. 研究者互相合作的情況增加

當教學、出版及研究資金等壓力增加的時候，研究者的工作模式也改變，研究者互相合作的情況增加。有超過52%的研究者表示相較2-3年前，他們分享更多研究資料；互相合作的研究者數量也比疫情之前成長許多。

5. 越來越多研究者使用AI

數據顯示有16%的研究者在研究中廣泛使用AI，特別是在電腦科學領域，有64%的電腦科學家是AI重度使用者；在化學領域使用AI的人數也從2%成長到19%。

21%的研究者同意他們會閱讀由AI進行同儕審評的文章，其中55歲以下的研究者是最願意閱讀AI-reviewed的文章；56歲以上的研究者意願雖然較低，但相較一年前的比例也從14%上升到19%。

Elsevier網站上提供完整的報告，也有圖表的簡報版本，歡迎下載閱讀：
Research Futures 2.0

AI與學術出版

最近有預測說AI在2030年前將為全球經濟帶來15.7兆的經濟效益，從自駕車、個人助理和聊天機器人(chatbot)到客戶服務、醫藥、法律等，而對於學術出版的影響是什麼呢? AI有幾個議題常被討論：資料的隱私權、透明度、安全性、倫理問題等。而縱然每個出版社對AI的應對及解決方式不同，但有些問題及機會是相同的，AI對學術出版的應用可以有下列幾項：

1. 同儕審評(Peer Review)
   已經有些出版社將AI應用在同儕審評的過程上，例如檢查投稿是否完整、減少人為的偏見、找到適合的審評者、確認是否有利益衝突以及處理作者、編輯者及審評者之間的工作流程。
2. 防止抄襲 (Fighting fraudulent practices)
   使用自然語言處理法，AI比以往使用軟體的方法更能偵測到是否有抄襲的情況，也可以偵測數據或是圖表是否有被竄改或是複製等。
3. 預測高影響的研究和潛在的主題領域(Predicting high impact research and emerging subject areas)
   AI已經顯示他們比起人類更能準確偵測到一篇文章的研究是否為具有高影響力的研究、是否能風靡市場；AI也被用來預測潛在、新興的研究領域。
4. 自動產生內容 (Auto-creation of content)
   AI已經被用來自動產生摘要及metadata，也有範例是用來概述(summarise)一篇研究論文後自動產生一篇新聞稿和其他行銷所需的文字內容。目前有些人希望進一步訓練AI將研究數據(research data)吸收後，自動產生一篇人類可以讀(readable)的文章。
5. 提供個人化的讀者使用經驗 (Delivering personalised user experiences)
   AI可以被用來支援其他許多功能，例如提高內容(content)的可發現性(discoverability)及使用率(usage)，並提供使用者個人化使用經驗。舉例來說，AI可以藉由了解文件與文件之間的關係來增強推薦服務(recomendation services)、個人化的內容提醒服務(personalized content alerts)、透過詢問提供個人化的閱讀清單等加值服務。

AI看似提供很多新的服務及機會，但真的使用AI之前，我們也必須要了解自身產業的問題及是否真的適用AI、AI真的可以解決問題嗎?又或是是否可以藉由合作(partnership)來提供服務?又公司內是否有適合的人才跟人力可以引進新的科技技術? 要想一想公司所擁有的數據是什麼，又公司需要收集那些數據? 

我們都不知道產業未來的實景會變成如何，可以知道的是AI已經出現，所以不論大小出版社都應該試著去了解AI，不然未來可能會被遠遠拋在後面。

摘譯自

Don’t rage against the machine! How scholarly publishers can embrace AI