به نقل از فایننشیال تایمز؛ ناشران دانشگاهی ابزار آنلاینی را برای شناسایی محصولات کارخانه‌های مقاله‌سازی منتشر کرده‌اند. صنعت نشر تلاش می‌کند با مهار موجی از مطالعات پژوهشی جعلی که با استفاده از هوش مصنوعی افزایش یافته است، اعتماد را بیشتر کند.

انجمن بین‌المللی ناشران علمی، فنی و پزشکی (STM) که یک نهاد جهانی است که ناشران مجلات را نمایندگی می‌کند. این انجمن بین‌المللی اخیراً ابزاری را توسعه‌ داده که به گفته «کارولین ساتِن» (Caroline Sutton) مدیر اجرایی STM‌، این ابزار در پاسخ به حجم فزاینده و نگران کننده مطالبی که به ارتباطات علمی وارد شده و یکپارچگی پژوهش‌ها یا (research integrity) را نقض می‌کنند، ایجاد شده است.

برخی از دانشمندان جوان هزاران دلار برای مقالاتی می‌پردازند که خودشان زمان یا توانایی انجام آن را ندارند.

کارخانه‌های مقاله‌سازی به تقاضای فزاینده پژوهشگران برای انتشار مقاله برای ارتقای شغلی آن‌ها پاسخ می‌دهند. برخی از دانشمندان جوان هزاران دلار برای مقالاتی می‌پردازند که خودشان زمان یا توانایی انجام آن را ندارند.

تحقیقات انجمن بین‌المللی ناشران علمی، فنی و پزشکی (STM) و کمیته اخلاق نشر (COPE) نشان داده است که بین ۲ تا ۴۶ درصد از مقالات ارسال‌شده به مجلات جعلی بوده‌اند. این گزارش نشان داده که این آثار غیر مجاز، به‌ویژه پژوهش‌های زیست‌پزشکی را هدف قرار داده‌اند؛ ولی این روند در همه زمینه‌های علمی مشهود است و بسیاری از ناشران از افزایش ارسال مقاله‌های تقلبی از چین گزارش می‌دهند.

«یوریس ون روسِم» (Joris van Rossum) که توسعه محصول انجمن بین‌المللی ناشران علمی، فنی و پزشکی (STM) به نام «اینتگریتی هاب» Integrity Hub را رهبری کرده است، می‌گوید: دنیای آکادمیک به طور سنتی بر پایه اعتماد بنا شده و در چند سال گذشته شاهد این بودیم که این فرآیند با تقلب سیستماتیک به چالش کشیده شده است. صنعت کارخانه‌ مقاله‌سازی یک مشکل رو به رشد است و این مشکل اخیراً با استفاده از فناوری‌های پیچیده‌تر و محتواهای تولیدشده توسط هوش مصنوعی، بزرگ‌تر شده است.

ابزار کشف مقاله‌های کارخانه‌های مقاله‌سازی چطور کار می‌کند؟

ناشران ثبت‌شده در Integrity Hub می‌توانند یک نوشته را در یک ابزار مبتنی بر فضای ابری آپلود کنند و این ابزار آن نوشته را برای یافتن نشانه‌هایی از کلاهبرداری احتمالی مانند تصاویر دستکاری‌شده و شباهت با مقالاتی که پیش از این تولید آن‌ها به کارخانه‌های مقاله‌سازی مرتبط شده بود، اسکن می‌کند. در آینده این ابزار بیشتر توسعه خواهد یافت.

کارخانه‌های مقاله‌سازی اغلب یک مقاله می‌سازند و بعد آن را به مجلات متعددی ارسال می‌کنند؛ به این امید که یکی از مجلات آن را بپذیرد و دیگران آن را نادیده بگیرند.

همچنین STM‌ در حال توسعه یک سیستم جداگانه است که می‌تواند ناشران مختلف را برای ارسال چندگانه مقاله از کارخانه‌های مقاله‌سازی نیز اسکن کند. زمانی که ارسال‌ مقالات تکراری مشاهده می‌شود، این ابزار یک اعلان برای مدیران و ویراستاران مجله ارسال می‌کند تا بتوانند این موضوع را بررسی کنند. این ابزار در سال جاری میلادی به صورت آزمایشی اجرا می‌شود.

به گفته ون روسِم؛ مجلات معمولاً به یکدیگر در مورد مقالات ارسالی به مجله خودشان اطلاع نمی‌دهند. کارخانه‌های مقاله‌سازی اغلب یک مقاله می‌سازند و بعد آن را به مجلات متعددی ارسال می‌کنند؛ به این امید که یکی از مجلات آن را بپذیرد و دیگران آن را نادیده بگیرند.

استفاده کارخانه‌های مقاله‌سازی از هوش مصنوعی کار را سخت‌تر می‌کند

ابتکار Integrity Hub بازتاب میزان همکاری غیر معمول بین ناشران است که روی سیستم‌های خودشان نیز کار می‌کنند. گروه Frontiers که ناشر مجموعه‌ای از نشریات علمی در سوئیس است، یک «دستیار بازبینی هوش مصنوعی» ایجاد کرده که مقاله‌های ارسالی را برای یافتن نشانه‌های تقلب اسکن می‌کند.«فردریک فنتر» (Frederick Fenter)؛ مدیر اجرایی Frontiers می‌گوید: اما کارخانه‌های مقاله‌سازی نیز شروع به استفاده از هوش مصنوعی برای تولید مقاله کردند که کشف نشانه‌های جعل در آن‌ها دشوارتر است.

او می‌گوید: همه ما ناشران با تعداد فزاینده‌ای از ارسال مقالات تقلبی مواجه هستیم. ارتباط بیشتری نه تنها بین ناشران، بلکه بین ناشران، سرمایه‌گذاران و موسسه‌های پژوهشی مورد نیاز است.

چند سالی است که تعداد انگشت‌شماری از کاراگاهان علمی مستقل، در حال شناسایی مقالات جعلی هستند. یکی از آن‌ها «الیزابت بیک» (Elisabeth Bik)؛ میکروبیولوژیست هلندی است که به توسعه ابزار تشخیصی STM کمک کرده است. او می‌گوید: خیلی خوب است که اکنون ناشران از این مشکل آگاه هستند و این مقالات نه‌تنها ریترکت می‌شوند و برگشت می‌خورند؛ بلکه در مرحله ارسال نسخه اولیه مقاله نیز فعالانه غربالگری شده و رد می‌شوند.

بیک اضافه می‌کند: جلوگیری کردن از انتشار این مقاله‌ها در وهله اول یک پیام روشن به کارخانه‌های مقاله‌سازی می‌فرستد. او هشدار می‌دهد: به احتمال زیاد در آینده از هوش مصنوعی برای تولید متن، مجموعه داده‌ها و عکس‌های به ظاهر واقعی استفاده می‌شود و تشخیص این مقاله‌ها بسیار سخت‌تر می‌شود.