10 دقیقه
یک مطالعه از دانشگاه Northwestern هشدار میدهد که تقلب علمی سازمانیافته — نه فقط رفتارهای انفرادی — با سرعت در حال گسترش است. شبکههای بزرگ کارخانجات مقالهسازی، واسطهها و مجلاتی که قابل اعتماد نیستند، نشریات را تولید میکنند، نویسندگی و ارجاعات را میفروشند و از رشد پژوهشهای مشروع جلو میزنند. این کشف پرسشهای فوری درباره اعتماد، فرایند بازبینی همتا و چگونگی مقاومماندن علم در برابر تهدیدهای نوظهوری مانند هوش مصنوعی مولد ایجاد میکند.
یافتههای پژوهشگران: تقلب هماهنگ در مقیاس صنعتی
وقتی عموم مردم درباره تقلب علمی میشنوند، تصویر معمولِ یک مقاله پسگرفتهشده یا یک پژوهشگر منفرد که دادهها را جعل کرده، پیش میآید. تیم Northwestern به سرپرستی Luís A. N. Amaral و با نویسندگی اول Reese Richardson تصویر متفاوت و نگرانکنندهتری را نشان داد: عملیاتهایی در مقیاس صنعتی که به قصد دستکاری نظام نشر علمی کار میکنند. این مجموعهها صرفاً به جعل چند مطالعه محدود اکتفا نمیکنند؛ آنها زنجیرههایی را سازماندهی میکنند که ظاهر علم مشروع را شبیهسازی میکند.
پژوهشگران با استفاده از مجموعهدادههای گسترده و متقاطع — از جمله سوابق Web of Science، Scopus، PubMed/MEDLINE، OpenAlex و سرویسهای فراداده مانند Crossref و ORCID — پیوندهایی بین مقالات پسگرفتهشده، مجلات از فهرست خارجشده، موارد تکرار تصویری و سوابق تحریریهای را نگاشتند. این رویکرد کمی را با مطالعههای موردی عمیق تکمیل کردند: کارخانجات مقالهسازی (paper mills) قابل شناسایی، واسطههایی که نویسندگی یا نتایج داوری همتا را میخرند و میفروشند و مجلاتی که نظارتشان دور زده یا به نفع بازیگران متقلب تسخیر شده است.
نحوه کار کارخانجات مقالهسازی — کارخانههای تولید مقالات جعلی
کارخانجات مقالهسازی بیشتر شبیه شرکتهای تولیدی هستند تا افرادِ متقلبِ منزوی. آنها بهطور جمعی دستنویسها را تولید میکنند و خدماتی از نویسندگی مخفی (ghostwriting) تا وارد کردن تصاویر ساختگی و مجموعهدادههای تحریفشده ارائه میدهند. مشتریان میتوانند جایگاههای نویسندگی یا مقالات کامل را خریداری کنند؛ قیمتها بر اساس ترتیب نویسنده و پرستیژِ ظاهری متفاوت است. برخی از این مراکز وعده پذیرش سریع را از طریق داوری نمایشی یا همدستی با سردبیران همراه میدهند.
این عملیاتها از ضعفهای ساختار انگیزشی دانشگاه مدرن بهره میبرند. ازآنجاکه جذب، ارتقا و تأمین مالی اغلب با تعداد مقالات و ارجاعات گره خورده است، پژوهشگران آسیبپذیر — و گاه موسسات ناسالم — ممکن است وسوسه شوند فرایند پژوهش را کوتاه کنند. نتیجه نهایی انتشار شمار زیادی مقاله است که ظاهراً اعتبار علمی دارند اما بر مدارک دستکاریشده یا اختراعات کامل استوارند.
شیوههای رایج در شبکههای تقلبی
- دادهها و تصاویر ساختهشده یا سرقتشده، از جمله تصاویر میکروسکوپی یا نتایج western blot تکراری یا دستکاریشده.
- فروش موقعیتهای نویسندگی، از مقام نویسنده اول تا همنویسندگی، با قیمتهایی که از صدها تا هزاران دلار متغیر است.
- توافقات واسطهگری برای ایجاد ارجاعات ساختگی یا جای دادن مقالات در مجلاتی با بازبینی سست.
- تسخیر مجلات منقرضشده یا ایجاد سایتهای مشابه برای اعطای پوشش ظاهری مشروعیت به محتوای جعلی.
چگونه مطالعه سوءاستفاده را کشف کرد
گروه Amaral تحلیلهای بزرگمقیاس کتابسنجی را با بررسیهای جرمشناسانه هدفمند ترکیب کرد. آنها پایگاههای داده پسگرفتن مانند Retraction Watch را بررسی کردند، نظرات جامعه علمی در پلتفرمهایی مانند PubPeer را مطالعه کردند، فراداده تحریریه (تاریخهای ارسال و پذیرش) را تحلیل کردند و فهرست مجلات از فهرست خارجشده را مرور نمودند. همچنین اسکنهای خودکار برای علامتگذاری الگوهای مشکوک توسعه دادند — مثلاً مقالاتی که ابزارآلات استاندارد را نادرست شناسایی میکنند یا مرتباً از تصاویر بازیافتشده استفاده میکنند.
یک خروجی عملی پروژه، الگوریتمی برای شناسایی دستنوشتههای ساختارمواد و مهندسی بود که توصیف ابزارهای آنها نامحتمل بهنظر میرسید. آن کار به پذیرش مقالهای در PLOS ONE انجامید و نشان داد که پایش خودکار میتواند در کشف ارسالهای کمکیفیت یا ساختگی مؤثر باشد. این نمونه تأکیدی است بر نقش ترکیبی تحلیل فراداده، بررسی تصویری دیجیتال (forensic image analysis) و قواعد تجمیعشده برای شناسایی تقلب سازمانیافته.
واسطهها، مجلات تسخیرشده و کالبدِ همدستی
مطالعه نقشهای مختلفی را در اکوسیستم تقلب شناسایی کرد. واسطهها بهعنوان میانجی عمل میکنند و نویسندگان، خریداران و مجلات را هماهنگ میسازند. کارخانجات مقالهسازی دستنوشتههایی را متناسب با نیاز مشتریان تهیه میکنند. مجلات بهخدمت درآمده — یا عناوینی که با بازیافت دامنه یا نام مجلات مشروع اما منقرضشده ساخته شدهاند — محل انتشار را فراهم میآورند. در کنار هم این بازیگران میتوانند خوشههایی از مقالات بهظاهر مرتبط و قابلاستناد تولید کنند.
در چندین مطالعه موردی، پژوهشگران نشان دادند چگونه گروههایی از پژوهشگران همدستی کردند تا در چندین مجله منتشر کنند. زمانی که این الگوها بعداً کشف شد، پسگرفتنها اتفاق افتاد، اما نه پیش از آنکه مقالات تقلبی بر شبکههای ارجاع و معیارهای شهرت تأثیر بگذارند. در یک مثال، دامنه یک مجله پرستاری منقرضشده بازتخصیص یافت تا میزبان هزاران مقاله نامرتبط شود که در Scopus نمایه شدند؛ این ترفند از اعتبار باقیمانده عنوان قدیمی برای پوشاندن محتوای تقلبی سوءاستفاده میکرد.
چرا این موضوع مهم است: اعتماد، دادههای آموزشی و تهدید هوش مصنوعی
اثر این مشکل فراتر از حسابداریهای آکادمیک است. نشریات تقلبی پرونده علمی را مخدوش میکنند، تصمیمهای سیاستی را گمراه میسازند و میتوانند سلامت عمومی را در صورتی که نتایج نادرست بر عملهای بالینی تأثیر بگذارند، به خطر اندازند. تهدیدی سیستماتیکتر هم وجود دارد: مقالات منتشرشده امروز بخشی از متنهایی میشوند که مدلهای یادگیری ماشین و هوش مصنوعی آنها را میخوانند و از آنها یاد میگیرند. اگر سیستمهای هوش مصنوعی از ادبیات آلوده بیاموزند، میتوانند کذبها را تقویت و بازتولید کنند — و ممکن است پژوهشهای ساختگی قابلاطمینانتری تولید نمایند.
«اگر در مورد این مشکل آگاهی ایجاد نکنیم، رفتارهای بدتر و بدتر عادی میشود،» Amaral در یادداشتی همراه با کار گفت. او تشخیص تقلب سازمانیافته را حمله به علم نمیداند بلکه تلاشی دفاعی برای حفظ یکپارچگی حوزه میشمارد. Richardson افزود که گروه تنها در آغاز درک مدلهای تجاری متنوع کارخانجات مقالهسازی و راههای خلاقانهای است که بازیگران متقلب از آنها برای فرار از حفاظهای موجود استفاده میکنند.
گامهای عملی برای دفاع از نشر علمی
تیم Northwestern از واکنشی چندوجهی حمایت میکند. عناصر کلیدی شامل موارد زیر است:
- تقویت نظارت تحریری و آموزش بهتر برای سردبیران و داوران تا نشانههای خطر مانند روششناسیهای نامحتمل یا تصاویر بازیافتشده را شناسایی کنند.
- ابزارهای پایش خودکار که برای بررسی تصاویر تکراری، فراداده ناسازگار و توصیف ابزارهای نامحتمل طراحی شدهاند.
- افزایش شفافیت در فرآیند بازبینی همتا، مشارکتهای نویسندگی و تعارض منافع تحریری.
- سیاستهایی که انگیزههای معیوب را کاهش دهند — حرکت فراتر از شمارش خامِ انتشارات و ارجاعات در تصمیمگیریهای استخدام و تأمین مالی.
- همکاری بینالمللی و اشتراکگذاری داده برای نقشهبرداری و اختلال در شبکههایی که مرزهای ملی را درمینوردند.
این توصیهها درصدد ترکیب نظارت انسانی با کشف محاسباتی هستند. پیام بنیادین روشن است: نظارت بر ادبیات علمی نیازمند هم تغییر فرهنگی و هم ابزارهای فنی است. راهکارهای مؤثر باید شامل آموزش اخلاق پژوهش، الزام به دادههای باز (open data)، و سازوکارهایی برای اعتبارسنجی متقابل دادهها و تصاویر در فرایند بازبینی باشد.
دیدگاه تخصصی
دکتر مایا کورتز (نقش فرضی)، افسر یکپارچگی پژوهش با دو دهه تجربه تحریری در مجلات بینالمللی، اظهار داشت: «دیدیم که تقلب از دادههای بیدقت به شبکههای پیچیده تکامل یافته است. مجلات باید دفاعهای لایهای اتخاذ کنند — بررسیهای خودکار، بازبینی جرمشناسانه دستی و مجازاتهای روشن. مهمتر اینکه، مؤسسات باید مسئولیت آموزش پژوهشگران جوان در زمینه نویسندگی اخلاقی و رویههای قابل بازتولید را برعهده بگیرند. این مسئله تنها شکار متقلبان نیست؛ بلکه بازسازی اعتماد است.»
دیدگاه او بازتاب نظر متخصصان یکپارچگی پژوهش است: اقدامات پیشگیرانه — آموزش، دادههای باز و مشوقهایی که کار دقیق و بازتولیدپذیر را پاداش دهند — به همان اندازه کار شناسایی پس از وقوع تقلب اهمیت دارند. ترکیب شفافیت در دادهها، الزام به آرشیو دادهای و استفاده از شناسههای یکتای نویسندگان (مانند ORCID) میتواند بخش مهمی از واکنش ساختاری باشد.
پیامدهای گستردهتر و گامهای بعدی برای جامعه پژوهشی
مطالعه Northwestern یک هشدار بیدارباش است. این تحقیق نشان میدهد که نشریات تقلبی صرفاً نویز نیستند، بلکه بخش رو به افزایشی از ادبیات علمیاند که در صورت بیتفاوتی میتوانند جهتگیری کامل حوزهها را مخدوش کنند. پرداختن به این مشکل نیازمند همکاری میان ناشران، تأمینکنندگان بودجه، مؤسسات پژوهشی و خدمات نمایهسازی است. خارجسازی از فهرست (de-indexing) مجلاتی که استانداردهای اخلاقی را رعایت نمیکنند باید با دقت و شفافیت انجام شود و مسیرهای مشخصی برای اصلاح رکورد علمی زمانی که بازیگران بد رفتار شناسایی میشوند، فراهم گردد.
دو حوزه دیگر به شکل فوری شایسته توجهاند. نخست، هماهنگی جهانی بهتر لازم است زیرا کارخانجات مقالهسازی و واسطهها اغلب مرزها را درمینوردند و عملیات بینالمللی میسازند. دوم، جامعه پژوهشی باید پیشبینی کند که چگونه هوش مصنوعی مولد مشکلات موجود را تشدید خواهد کرد. Richardson هشدار داد که اگر تقلب فعلی بالفعل ادبیات را مخدوش کرده باشد، هوش مصنوعی میتواند با تولید مقالات قابلباور اما دروغین در مقیاس، آن آشفتگی را چند برابر کند.
مقابله با این تهدید سریع و آسان نخواهد بود. نویسندگان مطالعه خواستار ادامه پژوهش روی شبکههایی شدهاند که تقلب را تسهیل میکنند، توسعه ابزارهای قدرتمند کشف و اصلاح ساختارهای پاداش در علم هستند. درخواست کلی آنها این است: یکپارچگی دانش علمی را پیش از آنکه نشریات آلوده تثبیت شوند، دفاع کنید.
مطالعه Northwestern که در Proceedings of the National Academy of Sciences منتشر شد، این موضوع را بهعنوان پروژهای جمعی و فوری مطرح میکند: محافظت از علم در برابر تقلب سازمانیافته و تضمین اینکه رکورد علمی همچنان پایهای قابل اعتماد برای اکتشاف، سیاست و آموزش باقی بماند.
منبع: scitechdaily
نظرات
نقد_علم
خبر مهمیه اما یه کم بزرگش کردن؟ دادهها رو باید دید، نه فقط هشدار، سیاست روشن و شفاف لازم داریم.
ابرچرخ
خلاصهش اینکه نیاز به ابزارهای خودکار و فرهنگسازی داریم. ولی چطوری جلوی هوش مصنوعی رو بگیریم؟
لابکور
واقعاً میشه این همه تقلب سازمانیافته؟ شواهدش کجاهاست، کاش دیتیلها عمومی بشن و مردم ببینن.
دیتاویو
وای... یعنی کلی مقاله جعلی تو همین لحظه داریم؟ اینو باید جدی گرفت، بدون واکنش بدتر میشه.
ارسال نظر