5 دقیقه
پژوهشگرانی که از یک ابزار غربالگری مبتنی بر هوش مصنوعی استفاده کردند، پس از بررسی حدود ۱۵٬۰۰۰ عنوان، بیش از ۱۰۰۰ نشریه دسترسی آزاد را شناسایی کردند که نشان‌هایی از رویههای نشر مشکوک دارند. این مطالعه که در ۲۷ اوت در Science Advances منتشر شد، می‌گوید که غربالگری خودکار می‌تواند به فهرست‌گذارها، ناشران و مؤسسات پژوهشی کمک کند تا نشریاتی را که هزینه می‌گیرند اما داوری همتا و نظارت تحریریه‌ای محکمی ندارند — رویه‌هایی که اغلب با به اصطلاح نشریات غیراخلاقی یا کمکیفیت همراه است — شناسایی کنند.
چگونه ابزار غربالگری هوش مصنوعی کار میکند
منابع داده و آموزش
تیم مدل خود را روی دو مجموعه برچسب‌خورده از فهرست نشریات دسترسی آزاد (DOAJ) آموزش داد: ۱۲٬۸۶۹ نشریه که قانوناً معتبر شناخته شدند و ۲٬۵۳۶ عنوان که DOAJ آنها را به‌خاطر نقض استانداردهای کیفیت علامت‌گذاری کرده بود. سپس پژوهشگران مدل را روی ۱۵٬۱۹۱ نشریه دسترسی آزاد ثبت‌شده در پایگاه داده عمومی Unpaywall اجرا کردند.
نشانه‌ها و علامت‌های هشدار
هوش مصنوعی چندین نشانه مختلف را از وب‌سایت‌های نشریات و مقالات منتشرشده استخراج و بررسی میکند. این موارد شامل زمان‌های چرخه انتشار (انتشار خیلی سریع می‌تواند نشانگر داوری همتای ناکافی باشد)، نرخ‌های غیرمعمول بالای ارجاع به خود، عدم شفافیت در مورد مجوزها و هزینه‌های پردازش مقاله، و وابستگی‌های سازمانی اعضای هیئتتحریریه است. چندین معیار مدل از راهنمای بهترین شیوه‌های DOAJ برای نشر دسترسی آزاد گرفته شدهاند.
غربالگری ۱٬۴۳۷ نشریه را بهعنوان مشکوک شناسایی کرد. گروه علامت‌خورده پیش‌تر در فهرست‌های نظارتی شناخته‌شده ظاهر نشده بود و برخی از عناوین حتی متعلق به ناشران بزرگ و معتبر هستند. این نشریات در مجموع صدها هزار مقاله منتشر کرده‌اند که تاکنون میلیون‌ها ارجاع دریافت کرده‌اند؛ موضوعی که نگرانی‌هایی را درباره دیده‌شدن و تأثیر ادبیات کمکیفیت در سوابق علمی به‌وجود می‌آورد.
یافته‌ها، محدودیت‌ها و پیامدها
نتایج مطالعه هم وعده‌ها و هم محدودیت‌های غربالگری خودکار را نشان میدهد. تیم حدود ۳۴۵ مورد مثبت کاذب بین نشریات علامت‌خورده برآورد کرد — نمونه‌ها شامل عناوین متوقف‌شده، ردیف‌های مجموعه‌کتاب و نشریات کوچک انجمن‌ها بودند که مطابق انتظار مدل نبودند. از سوی دیگر، برآوردهای نرخ خطا نشان میدهد که ابزار ۱٬۷۸۲ نشریه مشکوک دیگر را از دست داده است.
دانیل آکونا، دانشمند رایانه در دانشگاه کلرادو بولدر و یکی از نویسندگان مطالعه، تأکید کرد که هوش مصنوعی قرار نیست حکم نهایی را صادر کند. این ابزار بهعنوان نسخه بتای بسته برای سازمان‌هایی که نشریات را فهرست می‌کنند یا مدیریت پورتفولیوی نشر را برعهده دارند در دسترس است، اما به گفته او «یک کارشناس انسانی باید بخشی از فرایند بررسی باشد» قبل از هر اقدام اصلاحی. مدل بهترین کاربرد را بهعنوان مکانیزم تقسیم‌بندی (تریاژ) دارد که می‌تواند نشریات را برای بازبینی عمیق‌تر توسط انسان اولویتبندی کند.
سنیو شن، معاون کیفیت تحریریه DOAJ، اشاره میکند که شمار و پیچیدگی نشریات مشکل‌دار در حال افزایش است: «ما موارد بیشتری مشاهده می‌کنیم که ناشران مشکوک نشریات معتبر را خریداری می‌کنند، یا کارخانه‌های مقاله‌سازی (paper mills) نشریات را می‌خرند تا آثار کمکیفیت منتشر کنند.» کارخانه‌های مقاله‌سازی عملیات تجاری‌ای هستند که دست‌نوشته‌های جعل‌شده و انتساب‌های جعلی تولید می‌کنند و تهدیدها علیه یکپارچگی پژوهش را تشدید می‌کنند.
بازرسی‌های داخلی DOAJ عمدتاً دستی و مبتنی بر شکایت باقی مانده است. در سال ۲۰۲۴ این فهرست ۴۷۳ نشریه را بررسی کرد — افزایش ۴۰٪ نسبت به ۲۰۲۱ — و نزدیک به ۸۳۷ ساعت را به تحقیقات اختصاص داد که حدود ۳۰٪ افزایش داشت. غربالگری با کمک هوش مصنوعی می‌تواند با برجسته‌سازی موارد پرخطر برای ارزیابی متمرکز انسانی، این بار کاری را کاهش دهد.
دیدگاه کارشناسی
دکتر النا مورالس، مسئول یکپارچگی پژوهشی در مرکز ارتباطات علمی (تخیلی)، اظهار می‌دارد: «غربالگری خودکار ابزاری جدید و ارزشمند برای حفظ یکپارچگی سوابق علمی است، اما نمی‌تواند جای قضاوت کارشناسان را بگیرد. هوش مصنوعی می‌تواند مجموعه‌داده‌های بزرگ را سریع جست‌وجو کند و الگوهایی را آشکار سازد که انسان‌ها ممکن است از دست بدهند، مانند خودارجاع سیستماتیک یا تغییرات ناگهانی در هیئتتحریریه. گام بعدی ترکیب این نشانه‌ها با گزارش‌دهی شفاف فراداده از سوی ناشران است تا فهرست‌گذارها بتوانند تصمیم‌های مسؤولانه‌ای مبتنی بر داده و تخصص حوزه اتخاذ کنند.»
اقدامات عملی برای ذی‌نفعان شامل افزایش شفافیت درباره فرایندهای تحریریه و هزینهها، بهاشتراکگذاری فراداده با خدمات فهرستگذاری، و اتخاذ ممیزیهای دورهای با کمک هوش مصنوعی همراه با بازبینی مستقل انسانی است. پژوهشگران نیز باید پیش از ارسال آثار، رویههای نشریه را بررسی کنند و از DOAJ یا دیگر شاخص‌های معتبر مشورت بگیرند.
نتیجه‌گیری
رویکرد غربالگری با هوش مصنوعی روشی مقیاس‌پذیر برای علامت‌گذاری نشریات دسترسی آزاد پرخطر بالقوه و اولویتبندی آنها برای بازبینی انسانی فراهم می‌آورد. در حالی که ابزار بیش از ۱۰۰۰ عنوان مشکوک را که قبلاً شناسایی نشده بودند کشف کرد، موارد مثبت کاذب و منفی کاذب آن بر نیاز به جریان‌های کاری ترکیبی انسان–هوش مصنوعی تاکید دارند. تقویت شفافیت فراداده، بهبود مدل‌های کشف و تقویت همکاری میان خدمات فهرستگذاری، ناشران و مؤسسات پژوهشی برای حفاظت از یکپارچگی نشر علمی و ارجاعاتی که اجماع علمی را شکل می‌دهند، ضروری خواهد بود.
منبع: nature
.avif)
نظرات