في عالم تتزايد فيه أهمية الذكاء الاصطناعي (AI) في العلوم الأكاديمية، ظهرت دراسة جديدة من arXiv تكشف عن تحيزات مخفية في قرارات الوصول إلى المعرفة العلمية. تعتمد هذه الدراسة على أطر محاكاة دقيقة تستخدم نماذج لغوية ضخمة (Large Language Models) في سيناريوهات تتعلق بالإشراف الأكاديمي.

تتناول الدراسة مسألة كيفية تأثير الانتماء الجغرافي والفئة الأكاديمية على قدرة الأفراد على الوصول إلى موارد علمية مثل المقالات الاحترافية والبيانات. وتظهر النتائج أن النماذج اللغوية تقدم تفضيلات مختلفة بناءً على عدة عوامل: من يطلب، الجغرافيا (شمال العالم مقابل جنوبه) وتدرجهم الأكاديمي (طالب جامعي، مرشح دكتوراه، باحث ما بعد الدكتوراه، وأستاذ دائم).

توضح النتائج التقسيم الجغرافي حيث تظهر نماذج معينة تحيزاً لصالح الطلبات القادمة من مناطق معينة، بينما عمومًا، يفضل بعض النماذج الأكاديميين ذوي الترتيب الأعلى مثل الباحثين الدائمين، ما يشير إلى أن الإنصاف قد لا يكون مضمونًا من خلال الاعتماد على أنظمة الذكاء الاصطناعي.

تحديات التحصيل العلمي في العالم الحديث تتيح لنا فهم أعمق لكيفية تشكيل الافتراضات الأخلاقية والتراثية للذكاء الاصطناعي لمعايير الوصول العلمي. يجب على الأساتذة والباحثين والجهات المعنية أن يأخذوا بعين الاعتبار هذه الظواهر لتحسين العدالة في الوصول إلى المعرفة.