Prompt-Driven ChatGPT Carbon Calculator for Dental Practices: Estimation and Tailored Improvement Strategies

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates application of LLMs for carbon footprint estimation in a niche sector, prompting further research on prompt optimization and accuracy validation.

🏢実務担当者:Provides a practical method for dental clinics to estimate emissions without specialized expertise, facilitating sustainability integration into daily operations.

🏛政策担当者:Illustrates potential for AI-assisted tools to support SME decarbonization, suggesting policy support for open emission factor databases and AI literacy.

はじめにおよび目的 本研究は、歯科診療所向けに設計されたユーザーフレンドリーなカーボンフットプリント計算機の開発における、生成的人工知能（AI）言語モデルであるChatGPTの適用可能性を調査するものである。既に開発済みのExcelベースのツールを基盤とし、本研究は、異なるプロンプト戦略を用いて、ChatGPTが正確な排出量推定値と持続可能性に関する推奨事項を生成する能力を評価することを目的とした。方法 3つのプロンプトバリアントを試験した。バリアント1は、一般的な応答を評価するための非構造化リクエストを用いた。バリアント2は、事前定義された排出係数を備えた構造化データ入力を使用した。バリアント3は、構造化入力と、事前に検証された持続可能性ツールからの出力のみに依拠するという指示を組み合わせたものである。ChatGPTが生成した結果は、Excelベンチマークと比較され、正確性、文脈上の関連性、および査読付きガイダンスとの整合性に焦点を当てた。結果 非構造化プロンプト（バリアント1）は、文脈上の関連性が限られた一般的な推奨事項を生成した。構造化プロンプトは、正確性と特異性の両方を向上させた。バリアント2は、排出係数を用いて調整された出力を生成し、バリアント3は、確立された文献と一致する詳細なエビデンスに基づく推奨事項を提供した。全バリアントを通じて、ChatGPTのカーボンフットプリント推定値は、廃棄物関連排出量におけるわずかな差異のみを除き、Excelベンチマークとほぼ同等であった。結論 構造化プロンプトは、歯科診療所向けの信頼性の高いカーボンフットプリントデータと推奨事項を生成する際のChatGPTの性能を大幅に向上させる。透明性のある排出係数と信頼できる文献によって支援される場合、生成AIツールは環境データへのアクセスを拡大し、持続可能性に関する意思決定を支援し、臨床現場における気候行動を促進することができる。しかしながら、不正確な出力（「幻覚」）や地域的一般化のリスクを含む限界は依然として存在する。効果的な使用には、プロンプトリテラシーと、検証済みの排出係数データベースへのオープンアクセスが必要であり、それにより影響力と信頼性を最大化することができる。臨床的関連性 ChatGPTなどのAI駆動型計算機は、炭素会計の専門知識を持たない歯科チームが環境への影響を理解し削減することを支援し、日常的な臨床実践への持続可能性の統合を支援することができる。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Introduction and aims This study investigates the feasibility of applying ChatGPT, a generative artificial intelligence (AI) language model, to develop a user-friendly carbon footprint calculator tailored for dental practices. Building on a previously developed Excel-based tool, the research aimed to evaluate ChatGPT’s capacity to generate accurate emissions estimates and sustainability recommendations using different prompting strategies. Methods Three prompting variants were tested. Variant 1 employed an unstructured request to assess general responses. Variant 2 used structured data entry with predefined emission factors. Variant 3 combined structured input with instructions to rely exclusively on outputs from a previously validated sustainability tool. ChatGPT-generated results were compared with the Excel benchmark, focusing on accuracy, contextual relevance and alignment with peer-reviewed guidance. Results Unstructured prompts (Variant 1) produced general recommendations of limited contextual relevance. Structured prompts improved both accuracy and specificity. Variant 2 generated tailored outputs using emission factors, while Variant 3 provided detailed, evidence-based recommendations consistent with established literature. Across variants, ChatGPT’s carbon footprint estimates were largely comparable to the Excel benchmark, with only minor discrepancies in waste-related emissions. Conclusion Structured prompting significantly enhances ChatGPT’s performance in generating reliable carbon footprint data and recommendations for dental practices. When supported by transparent emission factors and credible literature, generative AI tools can increase access to environmental data, support sustainability decision-making and facilitate climate action in clinical contexts. However, limitations remain, including risks of inaccurate outputs (‘hallucinations’) and regional generalisations. Effective use requires prompt literacy and open access to validated emission factor databases to maximise impact and reliability. Clinical relevance AI-driven calculators such as ChatGPT can help dental teams without carbon accounting expertise to understand and reduce their environmental impacts, supporting the integration of sustainability into routine clinical practice.

• semanticscholar https://doi.org/10.1016/j.identj.2025.103979first seen 2026-06-29 08:54:45 · last seen 2026-08-09 05:55:58