本报综合外媒报道 近日，美国宾夕法尼亚大学安纳伯格公共政策中心官网发文称，通过调查发现，公众普遍对学者的胜任度、可信度与价值观相同程度都较为认可。尽管2023年至2024年间，这些数值略有下降。此外，公众对从事人工智能研究的学者的认可程度与其他学科学者的认可程度存在差异。

　　2018年至2022年，宾夕法尼亚大学安纳伯格公共政策中心依靠全国性横截面调查来获取公众对科学和学者的看法，2023年至2024年，转而采用更具全国代表性的样本观察公众看法的变化趋势。

　　根据2018年至2022年数据，研究人员分离出了一些影响公众对学者看法的因素，并构建了“科学自我展示评估因素”（Factors Assessing Science’s Self-Presentation，简称FASS）模型，其中包括学者是否有信誉、是否审慎、是否能够克服自身偏见、是否能够自我纠正，以及学者的工作是否有益于公众和整个国家。

　　在FASS模型中，对学者信誉的评估由三个维度决定，分别为专业能力是否过硬、是否值得信赖和是否与受访者的价值观一致。审慎是指学者应当对自己的研究负责、遵守道德研究行为准则，对审慎的评估由学者是否有优越感和是否不惜一切代价获得资助并发表文章等来衡量。科学研究过程中应该遵守中立与公正原则，这就要求学者具有不偏不倚、克服自身偏见的能力，对该部分的评估由学者能否得出公正结论与克服偏见构成。对自我纠正的评估由三个维度构成，包括同行评议是否能发现研究中的错误、学者是否对自己的错误负责，以及当发现不当行为时，是否采取补救措施以防再次发生。科研结果是否有益则与国家纳税人的福利息息相关，对科学益处的感知能够影响科研获得资助的情况，对这方面的评估由是否令国家获得收益和是否令受访者自身获得收益来衡量。FASS模型可以用于追踪学者的自我认同与实际公众看法之间的差距，它有助于我们发现需要采取的纠正措施或展开更好沟通的领域。除此之外，FASS模型还能够预测科学获得资助的情况。

　　研究人员发现，在评估学者信誉的三个维度中，有两个维度在2023年至2024年呈现下降态势，即专业能力和是否值得信赖。在2023年至2024年数据中，70%的受访者非常同意或比较同意学者更称职，低于2018年至2022年的调查数据；59%的受访者非常同意或比较同意学者值得信赖，低于2018年至2022年的调查数据。

　　调查还发现，对比2018年至2022年数据，在2023年至2024年数据中认为学者的研究成果有利于公众和国家的人数在减少，仅66%的公众非常同意或比较同意科研发现有益于国家。公众对人工智能方面学者的认可程度比其他学者更低，这是因为公众认为，研究人工智能的学者虽然有能力，但与公众的价值观存在差异。

　　研究人员表示，尽管公众对学者较为认可，但他们对人工智能领域的研究存在担忧。这一发现并不令人惊讶，因为生成式人工智能是一个新兴的科学研究领域，它既充满着巨大的希望，同时也存在着较大的潜在危险。

　　（练志闲/编译）