- 20,215
- 46
- 8 Ноя 2022
Насколько правдива наука, которую вы читаете..
Движение за открытый доступ к научным публикациям возникло в 1990-х годах на фоне роста движения за свободное ПО. Его цель — расширить доступ к исследованиям, однако переход к новой модели сделал так, что расходы на рецензирование и публикацию легли на самих авторов, а не на университеты и библиотеки.
В 2022 году Белый дом выпустил меморандум , обязавший федеральные агентства США к 2025-му разработать план по свободному распространению всех исследований, финансируемых за счёт налогоплательщиков. Сегодня открытые публикации стали нормой, но вместе с этим возникли новые риски.
За последнее десятилетие учёные всё чаще предупреждают о росте числа хищнических и даже угнанных журналов, которые берут деньги с авторов, не предоставляя реального рецензирования. Термин «predatory publishing» в 2009 году предложил библиотекарь Джеффри Билл. Его список подозрительных издателей до сих пор доступен в архиве, но проблема в том, что мошеннические журналы легко меняют названия и сайты.
На этом фоне группа исследователей — Даниэль Акуня (Университет Колорадо в Боулдере), Хан Чжуан (EIT) и Личжэн Лян (Сиракьюс) — решила проверить, может ли искусственный интеллект помочь отличить надёжные журналы от сомнительных. По их замыслу модель учитывает, например, чрезмерное самоцитирование авторов.
Акуня пояснил, что сомнительные публикации засоряют науку недостоверными данными, а квалифицированных экспертов для фильтрации таких материалов не хватает. «Я хочу помочь избавиться от плохой науки, заранее помечая подозрительные журналы, чтобы специалисты могли сосредоточиться на важном», — сказал он.
Учёные собрали выборку из почти 200 тысяч журналов открытого доступа и оставили для анализа 15 191. Алгоритм выделил среди них 1 437 подозрительных, но последующая проверка показала, что около четверти этих срабатываний были ошибочными. В итоге модель правильно определила примерно 1 092 проблемных издания, пропустив при этом около 1 782. Авторы отмечают, что при более строгих настройках количество ложных тревог сокращается почти до нуля — всего 5 случаев из 240.
Акуня подчеркнул, что полная автоматизация в этой области пока невозможна, но ИИ может серьёзно помочь в фильтрации. Его сервис ReviewerZero AI уже работает в этом направлении.
Исследователи пока не публикуют список выявленных журналов, опасаясь юридических последствий, но рассчитывают сотрудничать с индексирующими сервисами и крупными издательствами. В перспективе инструмент может стать доступен самим авторам перед подачей статьи в журнал.
Движение за открытый доступ к научным публикациям возникло в 1990-х годах на фоне роста движения за свободное ПО. Его цель — расширить доступ к исследованиям, однако переход к новой модели сделал так, что расходы на рецензирование и публикацию легли на самих авторов, а не на университеты и библиотеки.
В 2022 году Белый дом выпустил меморандум , обязавший федеральные агентства США к 2025-му разработать план по свободному распространению всех исследований, финансируемых за счёт налогоплательщиков. Сегодня открытые публикации стали нормой, но вместе с этим возникли новые риски.
За последнее десятилетие учёные всё чаще предупреждают о росте числа хищнических и даже угнанных журналов, которые берут деньги с авторов, не предоставляя реального рецензирования. Термин «predatory publishing» в 2009 году предложил библиотекарь Джеффри Билл. Его список подозрительных издателей до сих пор доступен в архиве, но проблема в том, что мошеннические журналы легко меняют названия и сайты.
На этом фоне группа исследователей — Даниэль Акуня (Университет Колорадо в Боулдере), Хан Чжуан (EIT) и Личжэн Лян (Сиракьюс) — решила проверить, может ли искусственный интеллект помочь отличить надёжные журналы от сомнительных. По их замыслу модель учитывает, например, чрезмерное самоцитирование авторов.
Акуня пояснил, что сомнительные публикации засоряют науку недостоверными данными, а квалифицированных экспертов для фильтрации таких материалов не хватает. «Я хочу помочь избавиться от плохой науки, заранее помечая подозрительные журналы, чтобы специалисты могли сосредоточиться на важном», — сказал он.
Учёные собрали выборку из почти 200 тысяч журналов открытого доступа и оставили для анализа 15 191. Алгоритм выделил среди них 1 437 подозрительных, но последующая проверка показала, что около четверти этих срабатываний были ошибочными. В итоге модель правильно определила примерно 1 092 проблемных издания, пропустив при этом около 1 782. Авторы отмечают, что при более строгих настройках количество ложных тревог сокращается почти до нуля — всего 5 случаев из 240.
Акуня подчеркнул, что полная автоматизация в этой области пока невозможна, но ИИ может серьёзно помочь в фильтрации. Его сервис ReviewerZero AI уже работает в этом направлении.
Исследователи пока не публикуют список выявленных журналов, опасаясь юридических последствий, но рассчитывают сотрудничать с индексирующими сервисами и крупными издательствами. В перспективе инструмент может стать доступен самим авторам перед подачей статьи в журнал.
- Источник новости
- www.securitylab.ru
