From Complexity to Clarity: How AI Enhances Perceptions of Scientists and the Public's Understanding of Science

📄 arXiv: 2405.00706v3 📥 PDF

作者: David M. Markowitz

分类: cs.CL, cs.AI, cs.CY

发布日期: 2024-04-23 (更新: 2024-08-28)

备注: 17 pages

💡 一句话要点

利用生成性AI简化科学传播以提升公众理解

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 生成性AI 科学传播 公众理解 语言简化 科学教育 信任度提升

📋 核心要点

  1. 现有科学传播方法常常使用复杂的术语和结构，导致公众理解困难。
  2. 论文提出利用GPT-4生成简单易懂的科学摘要，以提高公众的理解和科学家的形象。
  3. 实验结果显示，AI生成的摘要显著提升了公众对科学家的信任度和理解能力。

📝 摘要（中文）

本文评估了使用生成性AI简化科学传播的有效性，并增强公众对科学的理解。通过比较PNAS期刊文章的专业摘要与AI生成的通俗摘要，研究首先分析了两者在语言简易性上的差异，并在后续实验中评估了公众的感知。研究发现，AI生成的通俗摘要在提升公众对科学家的信任度和可信度方面表现出色，同时参与者在阅读后能够更好地理解科学写作，并用更详细的方式总结科学论文。该研究倡导将AI整合进科学传播中，以促进更为知情的社会。

🔬 方法详解

问题定义：本文旨在解决科学传播中存在的复杂语言导致公众理解困难的问题。现有的科学摘要往往使用专业术语，使得非专业读者难以理解。

核心思路：论文的核心思路是利用生成性AI（如GPT-4）生成通俗易懂的科学摘要，以简化科学传播并提高公众的理解能力。通过对比AI生成的摘要与传统摘要，评估其在语言简易性和公众感知上的差异。

技术框架：研究分为三个主要阶段：首先分析PNAS期刊的专业摘要与通俗摘要的语言特征；其次使用GPT-4生成通俗摘要；最后通过实验评估公众对不同摘要的理解和感知。

关键创新：最重要的技术创新在于利用大型语言模型生成通俗摘要，显著提高了摘要的语言简易性和公众的理解能力。与传统的科学摘要相比，AI生成的摘要在提升公众对科学家的信任度方面表现更佳。

关键设计：在实验中，使用了GPT-4模型生成通俗摘要，未进行微调，直接基于PNAS摘要生成。实验设计包括对比不同摘要的理解效果和公众感知，确保结果的可靠性和有效性。

📊 实验亮点

实验结果显示，AI生成的通俗摘要使公众对科学家的可信度和信任度显著提升，参与者在理解科学写作方面的表现也更佳。具体而言，AI生成的摘要使得公众的理解能力提升超过两倍，且在总结科学论文时表现出更高的详细性和具体性。

🎯 应用场景

该研究的潜在应用领域包括科学教育、公共科学传播和政策制定等。通过简化科学语言，AI可以帮助科学家更有效地与公众沟通，提升科学素养，促进公众参与科学讨论，从而在未来影响科学传播的方式和效果。

📄 摘要（原文）

This paper evaluated the effectiveness of using generative AI to simplify science communication and enhance the public's understanding of science. By comparing lay summaries of journal articles from PNAS, yoked to those generated by AI, this work first assessed linguistic simplicity differences across such summaries and public perceptions in follow-up experiments. Specifically, Study 1a analyzed simplicity features of PNAS abstracts (scientific summaries) and significance statements (lay summaries), observing that lay summaries were indeed linguistically simpler, but effect size differences were small. Study 1b used a large language model, GPT-4, to create significance statements based on paper abstracts and this more than doubled the average effect size without fine-tuning. Study 2 experimentally demonstrated that simply-written GPT summaries facilitated more favorable perceptions of scientists (they were perceived as more credible and trustworthy, but less intelligent) than more complexly-written human PNAS summaries. Crucially, Study 3 experimentally demonstrated that participants comprehended scientific writing better after reading simple GPT summaries compared to complex PNAS summaries. In their own words, participants also summarized scientific papers in a more detailed and concrete manner after reading GPT summaries compared to PNAS summaries of the same article. AI has the potential to engage scientific communities and the public via a simple language heuristic, advocating for its integration into scientific dissemination for a more informed society.