／2026年11月10日（火）掲載／
本稿は、米国の研究公正局が2026年8月に公表した「生成人工知能（生成AI）に関するガイダンス」の解説である。2024年改正の米国連邦規則 42 CFR Part 93のもとで、生成AIが関わる研究不正の申立てを大学・研究所がどう扱うべきかを示すガイダンスで、法的拘束力はない。本ガイダンスは、研究者に生成AI使用の開示を求める一方、大学・研究所には、AI検出ツールの結果だけで研究不正と認定しないよう戒めている。スマートフォンの自動画像加工も生成AIの一種で、それによる研究データの変化がネカト疑惑視された場合、「誠実な誤り」であることを、被告発者が立証しなければならないとした。AIが生成した架空の引用文献は、原則としてはねつ造に当たらないとした。
〈AI使用：記事はAnthropic Claude Opus 5.5を使用した〉
ーーーーーーーーーーーーーーーーーーーーーー
目次（クリックすると内部リンク先に飛びます）
１．論文の内容
1-1．はじめに
1-2．概要：生成AIが関わっても、研究不正の手続きは同じ
1-3．「当該研究コミュニティで受け入れられている慣行」を誰が判断するか
1-4．証拠の優越：AI検出ツールだけに頼ってはならない
1-5．実験の「痕跡」と、研究記録の不提出・破棄
1-6．生成AI使用の開示：防御にはなるが、免罪符ではない
1-7．誠実な誤り：スマートフォンの自動画像加工
1-8．ねつ造された引用文献と、生成AIによる盗用
1-9．大学・研究所の規程と結び
２．白楽の感想
ーーーーーーーーーーーーーーーーーーーーーー
１．論文の内容
1-1．はじめに
今回読んだのは、学術論文ではなく、米国政府機関の公式ガイダンスである。
白楽注：「ガイダンス」と「ガイドライン（指針）」との区別がわかりにくい。
「ガイダンス」は、日本語では「手引き」とも呼ばれます。ガイダンスは、法令や基準、ガイドラインを遵守する上で、より細かい解釈方法や行動すべき内容をまとめたものです。ですので、ガイダンスは通常、法令のためのガイダンス、ガイドラインのガイダンスのように、他の規定を補足、補完するための文書として策定することが多いです。（【レポーティング】法令、基準、ガイドライン、ガイダンスの違い | Sustainable Japan）
原題は「Guidance for Public Health Service Policies on Research Misconduct 42 CFR Part 93 (2024): Generative Artificial Intelligence」（研究不正連邦規則 42 CFR Part 93（2024年）に関する公衆衛生局のガイダンス：生成人工知能）。
発行元は、米国保健福祉省（Department of Health and Human Services、HHS）の保健次官補室（Office of the Assistant Secretary for Health）に属する研究公正局（Office of Research Integrity、ORI）である。執筆者の個人名はない。
発行日は2026年8月。全体は13ページで、そのうち後半の約6ページは関連する連邦規則の条文の抜粋である。
- Office of Research Integrity. “Guidance for Public Health Service Policies on Research Misconduct 42 CFR Part 93 (2024): Generative Artificial Intelligence.” U.S. Department of Health and Human Services, August 2026.
https://ori.hhs.gov/sites/default/files/2026-08/ORI%20Generative%20Artificial%20Intelligence%20Guidance_final_0.pdf
研究公正局は、NIHを含む米国公衆衛生局（Public Health Service、PHS）が助成する生物医学・行動科学研究の研究不正を監督する部署である。
このガイダンスは、研究公正局が改正連邦規則にあわせて順次公表している一連のガイダンス文書の一つである（研究公正局「Guidance Documents」）。
冒頭で、ガイダンスの性格が明記されている。
- 表紙と各ページに「拘束力のない推奨を含む（Contains Nonbinding Recommendations）」と記されている。
- この文書は、いかなる人に対しても、法的な権利を創出したり与えたりするものではなく、研究公正局・保健福祉省・一般市民を拘束しない。
- このガイダンスに従っても、研究公正局が大学・研究所を連邦規則に適合していると判断する保証はない。
- ガイダンスと連邦規則が矛盾する場合は、連邦規則が優先する。
ガイダンスの問題意識は次のとおりである。
- 保健福祉省は2024年9月に研究不正の連邦規則 42 CFR Part 93を改正した。改正の目的の一つは、近年の技術の進歩に対応することだった（42 CFR Part 93 — Public Health Service Policies on Research Misconduct）。
- 生成AIはそうした進歩の一つで、科学のブレークスルーに貢献してきたし、今後も貢献しうる。
- しかし生成AIは悪用もでき、その中には研究不正に当たる使い方もある。
- では、生成AIが関わる研究不正の申立てを、大学・研究所はどう扱えばよいのか？
1-2．概要：生成AIが関わっても、研究不正の手続きは同じ
ガイダンスの基本姿勢は、はっきりしている。
生成AIが関わっていてもいなくても、研究者と大学・研究所は、研究不正の手続きにおいて最良慣行（ベストプラクティス）に従うべきだ。
そのうえで、ガイダンスは次の3点を示している。
- 研究者は、研究の実施、論文原稿の作成、研究費申請書の作成で使ったすべての生成AIツールを開示すべきである。開示は、研究不正の申立てから研究者自身を守り、研究の再現性を支える。
- 生成AIが関わる申立てを評価する際、大学・研究所の委員会は、入手可能なすべての証拠を集めて検討すべきである。
- 本調査委員会には、被告発者（respondent）の研究分野について適切な科学的専門知識を持つ人を必ず含めなければならない（連邦規則 42 CFR 93.310(f)）。生成AIの事案では、その専門家が「当該研究コミュニティで受け入れられている慣行から著しく逸脱しているか」を判断する助けになる。
1-3．「当該研究コミュニティで受け入れられている慣行」を誰が判断するか？
連邦規則で研究不正と認定するには、まず「当該研究コミュニティで受け入れられている慣行から著しく逸脱していること」が必要である（連邦規則 42 CFR 93.103(a)、93.200）。
連邦規則 42 CFR 93.200は、この「受け入れられている慣行」を次のように定義している。
- 連邦規則 42 CFR Part 93と、公衆衛生局の助成部門が定めた慣行。
- 公衆衛生局の研究費を申請・受領する研究者と大学・研究所の共同体全体で、一般に受け入れられている職業上の規範。
ガイダンスは、何が受け入れられている慣行かは研究コミュニティによって異なるとしている。
そして、被告発者の具体的な行為が著しい逸脱に当たるかどうかを判断する責任は、大学・研究所にあるとした。
生成AIの使い方が慣行の範囲内かどうかは、被告発者の分野に詳しい委員の判断が助けになるだろう。
さらにガイダンスは、予備調査や本調査の委員会を作る際に、AIの専門家を加えることも検討すべき、と提案している。告発された研究で使われた生成AIツールの使い方や機能について、追加の知見が得られるからである。
なお、予備調査委員会は分野の専門家を含めることが「できる」のに対し、本調査委員会は「含めなければならない」と、連邦規則上の扱いが異なる（連邦規則 42 CFR 93.307(e)(2)、93.310(f)）。
1-4．証拠の優越：AI検出ツールだけに頼ってはならない
連邦規則は、研究不正の申立てが「証拠の優越（preponderance of the evidence）」によって証明されることを求めている（連邦規則 42 CFR 93.103(c)、93.105）。
「証拠の優越」とは、反対の証拠と比べて、争点の事実が「そうでない場合よりも、そうである可能性が高い」と結論できる証明のことである（連邦規則 42 CFR 93.228）。
ガイダンスは、大学・研究所の委員会は、あらゆる種類の証拠を検討すべきだとする。
たとえば、問題の研究が報告どおりに行なわれたはずがないことを示す証拠は、結果が本物でないことの強い指標になりうる。
そのうえでガイダンスは、次の2点を注意している。
- データ操作や盗用を検出する自動ツール・AIツールの出力は、研究不正の証拠になりうる。しかし研究公正局は、そうしたツールを研究不正の手続きにおける唯一の証拠として頼ることを推奨しない。
- 盗用検出ツールは、AIが生成した研究計画書・報告書・論文原稿の中の盗用文を検出する能力が限られている可能性がある。
1-5．実験の「痕跡」と、研究記録の不提出・破棄
■実験研究は「法医学的な証拠の痕跡」を残す
ガイダンスは、実験研究は多くの場合、法医学的（フォレンジック）な証拠の痕跡を残している、と指摘している。
具体例として、次のものを挙げた。
- 試薬・物品の購入記録
- 図の加工途中の中間ファイル
- 動物実験施設への入退室記録
こうした証拠は、実際の実験研究と、合成された研究・AIで作られた研究とを見分ける手がかりになり、研究が記述どおりに行なわれたという結論を、強めることも弱めることもある。
大学・研究所と公衆衛生局の助成部門は、多くの場合データ保存の方針を持っており、そのことでこの痕跡が保全される。
そのためガイダンスは、大学・研究所に対し、人を対象とする研究の倫理審査委員会（IRB）や動物実験委員会（IACUC）などの部署と連携し、データ保存の方針を組織全体で守らせるよう勧めている。
■研究記録を出さない・壊すことは、それ自体が証拠になる
2024年の改正連邦規則には、次の規定がある（連邦規則 42 CFR 93.105(b)(1)）。
- 被告発者が研究記録を持っていると主張しながら、求められても提出を拒んだ場合、その不提出は研究不正の証拠となる。
- 被告発者が申立てを知らされた後に、故意に、または認識して研究記録を破棄したことが証拠の優越で証明された場合、その破棄は研究不正の証拠となる。
また、求められた研究記録を提出しないことは、保健福祉省が行政処分を決める際の加重要因になる（連邦規則 42 CFR 93.408）。
さらに大学・研究所は、研究記録を含む調査記録と、確保（押収）したすべての証拠を、手続き終了後7年間保管しなければならない（連邦規則 42 CFR 93.318）。
1-6．生成AI使用の開示：防御にはなるが、免罪符ではない
ガイダンスは、研究者に対して、研究・論文原稿作成・研究費申請書作成で使った生成AIツールを特定し、どう使ったかを説明するよう求めている。
使ったツールと、研究データを生成・処理した手順を明確にしておけば、研究不正の申立てに対する防御になりうる。また、研究コミュニティの理解を促し、研究の再現性を支える。
ただしガイダンスは、開示すれば研究不正の認定を必ず免れるわけではない、とくぎを刺している。
- 研究コミュニティの慣行に反するやり方で生成AIを使ったなら、たとえ開示していても、その使用は研究不正の証拠になりうる。
- 逆に、AIツールによるデータの生成・処理を開示しなかった場合や、不正確に記述した場合は、データのねつ造・改ざんの証拠になりうる（連邦規則 42 CFR 93.211、93.212）。
そしてガイダンスは、研究者は生成AIを使った処理から得た結果も含め、すべての結果を検証すべきである、としている。
1-7．誠実な誤り：スマートフォンの自動画像加工
連邦規則は、「誠実な誤り（honest error）」による行為を研究不正から除外している。
ガイダンスは、ここで興味深い例を挙げている。
日常的に使われる道具の中には、研究者が気づかないうちにデータを前処理するものがある。たとえばスマートフォンのカメラは、自動的な画像の変更処理（生成AIの一種）を含むことがあり、そのカメラで研究データを記録する場合がある。
では、こうした生成AIツールが研究データを勝手に変えてしまったら、それは誠実な誤りか？
ガイダンスは、誠実な誤りであることを証明する責任は被告発者にある、としている（連邦規則 42 CFR 93.105(b)(2)）。
連邦規則 42 CFR 93.105(b)(2)は、被告発者が主張する積極的抗弁（誠実な誤りなど）については、被告発者自身が証拠の優越によって立証しなければならない、と定めている。
1-8．ねつ造された引用文献と、生成AIによる盗用
■架空の引用文献（ハルシネーション文献）は、原則としてねつ造ではない
生成AIは、実在しない論文をもっともらしく引用文献として作り出すことがある。いわゆる「ハルシネーション（幻覚）文献」である。
ガイダンスは、これが研究不正の「ねつ造」に当たるかを、次のように整理している。
- 連邦規則のねつ造の定義は、「データまたは結果」をでっち上げ、記録・報告することである（連邦規則 42 CFR 93.211）。
- 論文や研究費申請書の参考文献は、その論文の科学的探究から生じたものではないので、一般には「データまたは結果」ではない（連邦規則 42 CFR 93.236）。
- したがって、参考文献がデータや結果として機能していない場合、ねつ造された引用は、ねつ造されたデータや結果に当たらない可能性がある。
- ただし、文献レビュー（総説）のように、参考文献そのものが科学的探究から生じた「データ」である場合がある。その場合は、ねつ造された引用は研究不正の申立ての対象になりうる。
■生成AIによる盗用
連邦規則は盗用を「他人のアイデア、手順、結果、または言葉を、適切なクレジットを与えずに流用すること」と定義している（連邦規則 42 CFR 93.227）。
ガイダンスは、被告発者がAIの生成した文章やアイデアを使ったことが盗用に当たるかどうかは、大学・研究所が判断しなければならない、としている。
研究公正局の盗用方針は、盗用に「知的財産の窃盗・不正流用（theft or misappropriation of intellectual property）」と「他人の著作物の、出典を示さない相当量の文章の複写」の両方を含めている（研究公正局「ORI Policy on Plagiarism」）。
生成AIツールは既存の著作物の文章やアイデアを再現することがあり、結果として盗用になりうる。
そのため研究者は、生成AIツールから得た文章やアイデアが他人の著作物からの複写でないかを確かめ、該当する著作物を適切に引用すべきである、とガイダンスは述べている。
なお、連邦規則 42 CFR 93.227(b)は、自己盗用と、著者在順の紛争は盗用に含めない、と明記している。
1-9．大学・研究所の規程と結び
研究公正局は、大学・研究所の方針や手順に、生成AIの使用についての規定を設けることを求めていない。
ただし、生成AIの使用に関する大学・研究所の方針があれば、どのような行為が研究コミュニティの慣行から逸脱しているかを示すことになるので、研究不正を審理する委員の助けになる、としている。
また、公衆衛生局の研究助成機関（NIHなど）も生成AIの使用方針を定め、現在も整備を続けている。こうした方針は一部の研究コミュニティで「受け入れられている慣行」の中身を形作りうるので、大学・研究所は把握しておくべきだ、としている。
結びでガイダンスは、次のように述べている。
- 生成AIのような技術の進歩は、研究上の発見に大きな可能性を持つ。
- 改正連邦規則もこのガイダンスも、そうした研究を妨げるものではない。
- 研究公正局は、公衆衛生局の助成研究における生成AIの適切な使い方の理解を広めることで、研究公正を育てることを目指している。
最後に、大学・研究所の研究公正官（Research Integrity Officer、RIO）などに対し、研究公正局への技術的支援の相談（電話 (240) 453-8800、電子メール AskORI@hhs.gov）や、研究公正局が定期的に開催する「研究公正官ブートキャンプ（RIO Boot Camp）」への参加を勧めている。
ガイダンスの後半（8～13ページ）には、関連する連邦規則の条文がそのまま収録されている。研究不正認定の要件（93.103）、証拠の基準（93.105）、受け入れられている慣行（93.200）、ねつ造（93.211）、改ざん（93.212）、盗用（93.227）、証拠の優越（93.228）、研究記録（93.236）、予備調査（93.307）、本調査（93.310）、記録の保管（93.318）、行政処分の軽減・加重要因（93.408）である。
２．白楽の感想
《１》ガイダンスというより「念押し」で、踏み込みが足りない
本ガイダンスの基本姿勢は「生成AIが関わっても、研究不正の手続きは同じ」である。
ガイダンスは「法令、基準、ガイドライン」を遵守するための手引きなので、ガイダンスの役割としては正しい。ねつ造はねつ造、盗用は盗用であり、道具が変わっても定義は変わらない。
本文はわずか4ページ強で、残りは連邦規則の条文の再掲である。しかも「拘束力のない推奨」と明記し、大学・研究所に生成AIの規程を設けることすら求めていない。
生成AIで画像やデータセットが簡単に「作れる」時代に、何をすればクロなのか、実際の事案を一つも示していない。
「当該研究コミュニティで受け入れられている慣行」とはどのような慣行なのかを具体的に示してほしかった。そしてそこから「著しく逸脱していること」とはどのような状況なのかも具体的に示してほしかった。
その中で、研究公正局が既に判断した「匿名化した実際の事案や典型的な灰色事例」を示してほしかった。
研究者、そして、大学・研究所の研究公正官が本当に知りたいのは、そこだと思うのだけど。
《２》「架空の引用文献は原則としてねつ造ではない」は、白楽の論点と異なる
本ガイダンスは、AIが生成した実在しない引用文献を、参考文献は「データまたは結果」ではないという理由で、原則としてねつ造に当たらないとした。
連邦規則の文言に忠実な解釈ではある。しかし白楽は、この結論に違和感がある。
存在しない文献を根拠として示すことは、結果として、読者・査読者・研究費審査員を欺く虚偽の記載である。研究費申請書であれば、架空の先行研究で研究の必要性を水増しすることになり、公的資金の配分をゆがめる。
白楽は、少なくとも研究者が文献の実在を確認しなかった「無謀な（reckless）」行為は、研究者倫理に反する行為として扱うべきだと思う。この点で、本ガイダンスの結論は白楽の論点と異なる。
架空文献の問題は、実際に深刻である。
奈良先端科学技術大学院大学（Nara Institute of Science and Technology、NAIST）の坂井 優介、上垣外 英剛、渡辺 太郎は、自然言語処理分野の主要な国際会議（ACL、NAACL、EMNLP）で2024～2025年に発表された1万7千本以上の論文を調べた。その結果、約300本の論文に、実在しない引用文献が少なくとも1つ含まれていた、と報告した（Sakai Y, Kamigaito H, Watanabe T. “HalluCitation Matters: Revealing the Impact of Hallucinated References with 300 Hallucinated Papers in ACL Conferences.” ACL 2026）。
そのほとんどは2025年の論文で、半数は最新の会議であるEMNLP 2025で見つかった。問題は急速に増えている、と著者らは指摘した。EMNLP 2025では、架空文献を含む論文の100本以上が本会議論文などとして採択されていた。
ただし著者らは、架空文献があるというだけで直ちに著者を処罰すべきではなく、投稿前に確認できる道具を整えるなどの予防策について、まず合意を作るべきだ、とも述べている。この点は白楽の論点と異なる。
米国の研究倫理学者の考えも変わりつつある。
NIHの国立環境衛生科学研究所（NIEHS）のデイヴィッド・レズニック（David B. Resnik）とノースウェスタン大学（Northwestern University）のモハマド・ホセイニ（Mohammad Hosseini）は、2026年3月の論文で以前の考えを改め、架空の引用文献は、それが研究結果を支えるデータとして機能する場合には、立証可能な研究不正に当たりうる、とした（Resnik DB, Hosseini M. “Hallucinated citations produced by generative artificial intelligence may constitute research misconduct when citations function as data in scholarly papers.” Accountability in Research, 2026）。
ただし、レズニックとホセイニの主張は「引用文献がデータとして機能する場合」に限られる。これは本ガイダンスの「文献レビューの場合」という例外とほぼ同じで、白楽の考えより範囲が狭い。
つまり、架空の引用文献をどこまで研究不正とするかで、研究界の考えはまだ定まっていない。本ガイダンスは、その中で狭い解釈を選んだことになる。
白楽は、架空の引用文献を、少なくとも「無謀な」研究不正の候補として調査の対象にすべきだと考える。そうしなければ、研究者は文献の実在を確認する手間を省き続けるだろうし、極端な場合、デタラメな文献を意図的に加える研究者もいるだろう。
《３》「AI検出ツールを唯一の証拠にするな」は妥当である
一方、AI検出ツールの出力だけで研究不正を認定してはならない、という指摘は全面的に賛成である。
出版社が使う論文工場検出ツールは、論文工場にかいくぐられないよう、その仕組みが意図的に秘匿されている。編集者でさえ、警告の根拠を吟味できない（Zimmer L, Bousquet P. “The Challenges of Scientific Publishing: An Editor-In-Chief’s Perspective.” Fundamental & Clinical Pharmacology, 2026）。
中身のわからないツールの「クロ判定」で研究者に打撃を与えたり、キャリアを終わらせたりすることは、許されない。
購入記録、中間ファイル、動物施設の入退室記録といった「実験の痕跡」で判断せよ、という本ガイダンスの考え方は、実務的で説得力がある。
《４》スマートフォンの自動画像加工の例は、研究者への重要な警告である
スマートフォンのカメラが、撮影者の知らないうちに生成AIで画像を変える。そうして記録した研究データが「改ざん」と疑われたとき、誠実な誤りだと証明する責任は研究者側にある。
これは多くの研究者が気づいていない落とし穴である。ウエスタンブロットや組織標本、ゲル画像をスマートフォンで撮る研究者は少なくない。
立証責任を被告発者に負わせるのは厳しいようにも見える。しかし、自分の研究データがどう記録されたかを最もよく知っているのは研究者本人である。白楽は、この判断は妥当だと思う。
日本の大学・研究所も、研究倫理教育で「研究データの撮影・記録にスマートフォンの自動補正機能を使わない」ことを具体的に教えるべきだろう。
《５》「開示すれば免罪」ではない、という線引きは評価できる
本ガイダンスは、生成AIの使用を開示していても、慣行に反する使い方なら研究不正の証拠になりうる、とした。
「AIを使ったと書いておけば何をしても許される」という誤解を、はっきり否定した点は評価できる。
同時に、開示しなかったこと、および、不正確に記述したことは、ねつ造・改ざんの証拠になりうるとした点も重要である。開示は、研究者を守る盾にもなり、不正を立証する材料にもなる。
研究者は、生成AIを「どのツールで、何に、どう使ったか」を、実験ノートと同じ感覚で記録しておくべきである。
《６》文部科学省の研究不正対応ガイドラインには、生成AIの扱いがまだ書かれていない
日本の研究不正対応の基本となる文部科学省のガイドラインは2014年に策定されたもので、生成AIの登場以前の文書である（文部科学省「研究活動における不正行為への対応等に関するガイドライン」（2014年8月26日））。
もっとも、文部科学省が生成AIについて何もしていないわけではない。
まず、ChatGPTの普及を受けて、文部科学省・高等教育局は2023年7月13日、大学・高等専門学校に生成AIの教学面の扱いについて事務連絡を出した（文部科学省「大学・高専における生成AIの教学面の取扱いについて（周知）」（2023年7月13日））。
その中で、次のような留意点を示している。
- 生成AIの出力をそのまま使ってレポート等を作ることは、一般に不適切である。
- 生成AIの出力に著作物の内容がそのまま含まれていると、気づかずに使っても盗用に当たる可能性がある。
- 生成AIを使った場合は、使った旨や、生成AIの種類・使った箇所を明記させることが有効である。
- AIが生成した文章かを判定するツールを使う場合でも、その結果を過信しない。
- 生成AIの出力には虚偽が含まれる可能性があるので、内容の確認・裏付けが必要である。
開示を求め、判定ツールを過信せず、盗用に注意せよという点は、今回の研究公正局のガイダンスとほぼ同じ考え方である。ただし、この事務連絡の対象は学生の学修とその成績評価で、研究不正ではない。
次に、文部科学省・科学技術・学術政策局の研究公正推進室は、ガイドラインに基づく体制整備の実態調査を毎年行なっている。2024年度（令和6年度）は15の大学・研究所を訪問調査し、2025年5月に結果を公表した（文部科学省「『研究活動における不正行為への対応等に関するガイドライン』を踏まえた体制整備等の状況に関する実態調査の結果」（2025年5月））。
その「特徴的な取組」の中で、生成AIに関する大学の取組も紹介している。
- 札幌医科大学は、学長名で生成AIツールの利活用についての注意を周知し、AIが生成した文章を批判的に検討しないまま論文に使うことを、不適切な利活用の例として示している。
- 京都産業大学は、学長から学生へのメッセージで、生成AIの誤情報や情報漏洩の問題を挙げ、利用上の注意を示している。
- 上智大学は、教育での生成AI利用のガイドラインで、レポートや学位論文などで生成AIが出力した文章等を本人が作成したものと認めない、と定めている。
同じ報告書は、研究データの保存についても、浜松医科大学が毎年、研究室・実験室を訪問して保管状況を実地調査していることなどを紹介している。
つまり文部科学省は、生成AIについて「周知」と「好事例の紹介」はしている。
しかし、研究不正（特定不正行為）の調査で、生成AIが関わる事案をどう判断するかは、ガイドラインに書かれていない。研究記録の不提出・破棄を研究不正の証拠として扱う規定もない。
米国は2024年に連邦規則を改正し、2026年には拘束力がないとはいえ生成AIのガイダンスを出した。研究記録の不提出・破棄を研究不正の証拠とする規定も、連邦規則に明記した。
日本では、調査に非協力的な被告発者が「データは紛失した」と言えば、調査が行き詰まる事例が繰り返されてきた。
文部科学省も、生成AIの扱いと、研究記録の不提出・破棄の扱いを、ガイドラインに明記すべき時期に来ている。米国のガイダンスの「物足りなさ」を指摘する前に、日本はまず、その出発点に立つ必要があると白楽は思う。