Le Lacune nei Metadati Limitano l'Attribuzione AI Accademica nello Studio Nexus-Score

Un recente studio pubblicato su arXiv (2607.22684) indica che l'assenza di metadati ostacola i sistemi di intelligenza artificiale nell'attribuire accuratamente i contributi scientifici. I ricercatori hanno valutato un sistema AI che citava lavori senza accesso agli elenchi di articoli pertinenti, generando identificatori talvolta inesistenti. Utilizzando i record di OpenAlex, hanno nascosto o ripristinato i collegamenti ad autori, istituzioni, finanziatori, riferimenti e accesso al testo, mantenendo costanti i lavori e i compiti. Quando il collegamento appropriato è stato ripristinato, l'attribuzione è stata possibile; tuttavia, il ripristino errato del collegamento ha prodotto zero risposte corrette su 469 test non corrispondenti. I collegamenti mancanti hanno portato a risposte inventate, rifiuti o esaurimento dei budget degli strumenti, e le ricerche web non hanno recuperato i collegamenti nascosti agli autori. Lo studio conclude che i sistemi AI possono attribuire crediti solo quando le connessioni rilevanti dei record sono visibili.