대규모 언어 모델 시대의 과학적 탐구, 협력 및 연구 분업

Scientific exploration, collaboration and labor division in the large language model era

대규모 언어 모델(LLM)은 빠르게 과학 연구 프로세스에 진입했지만, LLM의 확산이 연구 방향 및 팀 구성 전략 측면에서 과학자들에게 어떤 영향을 미치는지 명확하게 밝혀진 바는 없습니다. 본 연구에서는 PubMed Central의 전체 텍스트 데이터와 OpenAlex의 출판 및 협력 기록 데이터를 연결하여 775,323명의 과학자를 분석하고, 137,120편의 다저자 논문에 포함된 CRediT 기여도 명시를 활용했습니다. 2022년 이후, 과학자들은 이전보다 더 다양한 분야에 걸쳐 연구 결과를 발표했으며, 이전에 경험이 없던 새로운 분야에 진출하는 경향을 보였습니다. 이러한 학제 간 연구 및 탐구 활동은 특히 숙련된 과학자와 영어를 모국어로 사용하지 않는 저소득-중견 소득 국가 출신 과학자들에게서 더욱 두드러지게 나타났습니다. LLM의 광범위한 도입 이전에도 AI 작문 능력이 뛰어난 저자는 다른 저자에 비해 더 학제 간적이고 탐구적인 연구를 수행했습니다. 2022년 이후, 이러한 격차는 더욱 벌어졌습니다. 2022년 이후, 과학자들의 협력 네트워크 또한 학제 간의 특성을 강화했습니다. 그러나 AI 작문 능력이 뛰어난 저자의 경우, 연구 분야의 다양성은 협력자의 분야 다양성과 직접적으로 연결되지 않았습니다. 연구팀 내에서의 역할 분담 또한 더욱 세분화되었습니다. 2022년 이후 발표된 논문의 기여자들은 평균적으로 더 제한적인 역할 범위를 수행했으며, 공동 저자들은 공유하는 역할이 줄어들었고, 역할 프로필은 이전보다 덜 경직되고 유연해졌습니다. 소프트웨어 개발 및 검증 역할을 담당하는 비율은 증가한 반면, 개념 설계 및 관리 역할을 담당하는 비율은 감소했습니다. 이러한 패턴은 연구팀 구성원들이 보다 명확하고 구체적인 책임을 맡고 있으며, 서로에게 의존하여 연구 과제를 수행하는 정도가 줄어들었을 가능성을 시사합니다. 전반적으로 본 연구는 LLM 시대가 과학적 탐구, 협력 및 연구 분업의 광범위한 재조직과 일치한다는 것을 보여줍니다.

Large language models (LLMs) have rapidly and significantly entered scientific workflows, but it remains unclear how their diffusion is associated with changes in scientists' strategies in research directions and team building. We link PubMed Central full text with OpenAlex publication and collaboration histories for 775,323 scientists and analyze CRediT contribution statements from 137,120 multi-author papers. After 2022, scientists increasingly published across more intellectually distant fields and entered fields in which they had not previously worked. These increases in interdisciplinarity and exploration were especially pronounced among established scientists and scientists from non-English-speaking low- and middle-income countries. Authors with stronger AI-writing signals were already more interdisciplinary and exploratory before the widespread adoption of LLMs, and the gap widened further after 2022 compared with authors with weaker AI-writing signals. Scientists' collaboration networks also became more interdisciplinary after 2022. Yet, among authors with stronger AI-writing signals, research interdisciplinarity was less closely tied to the disciplinary diversity of their collaborators. The division of labor within research teams also became more differentiated. Contributors on papers published after 2022 reported narrower role sets on average, coauthors shared fewer roles in common, and their role profiles became less rigid and more fluid. Software and validation roles increased, while conceptual and management roles decreased. These patterns suggest that team members are taking on more distinct responsibilities and may rely less on one another to perform research tasks. Overall, this study indicates that the LLM era coincides with a broader reorganization of scientific exploration, collaboration, and the division of labor.