導讀

近年來，大量低質(zhì)論文如潮水般涌向?qū)W術界，不斷侵蝕并挑戰(zhàn)科學研究的公信力。

助長該不良風氣的是公共數(shù)據(jù)集與人工智能、論文工廠的“聯(lián)袂攜手”，讓學術出版業(yè)面臨更為嚴峻的造假危機。

英國薩里大學一名學者表示，“我每天都能收到許多幾乎一模一樣的論文，有時甚至一天兩篇”，“劣質(zhì)量研究的‘產(chǎn)業(yè)化’讓大量無用研究充斥文獻，實在令人憤怒?！?/p>

林 巖 | 編譯

01

學界之“哀”，大量相似論文充斥文獻

2024年，英國薩里大學統(tǒng)計學家、《科學報告》副主編Matt Spick在工作中覺察到詭異現(xiàn)象，大量看似出自同一模板的論文涌入期刊進入同行評審。

他還發(fā)現(xiàn)這些論文大多基于美國同一個公開數(shù)據(jù)集——全國健康與營養(yǎng)檢查調(diào)查（NHANES）。該數(shù)據(jù)集通過健康檢查、血液檢測和訪談等方式，收集了超過 13 萬人的飲食信息及其他健康相關測量數(shù)據(jù)。

Spick無奈地表示：“我每天都能收到許多幾乎一模一樣的論文，有時甚至一天兩篇?！?/p>

Spick很快意識到，這并非個例，而是只是問題的冰山一角。他與同事在《公共科學圖書館·生物學》雜志上發(fā)表報告指出，近年來利用 NHANES 數(shù)據(jù)集的劣質(zhì)論文數(shù)量急劇增加。

其他研究人員也發(fā)現(xiàn)，在基因研究、文獻計量學分析以及不同科學學科中的性別差異研究等多個領域，都存在類似現(xiàn)象。

02

千篇一律的“套路”

這些 NHANES 論文均遵循著相似的模式：首先選定一種健康狀況，再確定一個可能與之相關的環(huán)境或生理因素，最后指定一個人群群體。例如研究 65 歲以上男性維生素 D 水平與抑郁癥的關聯(lián)，或分析 18 至 45 歲女性牙齒健康狀況與糖尿病的關系。

Spick感慨道：“感覺就像有人把所有可能的組合都研究了個遍?！?/p>

為了深入了解這類研究的泛濫程度，Spick及其團隊在 PubMed 和 Scopus 兩大科學論文數(shù)據(jù)集中展開搜索，尋找使用 NHANES 數(shù)據(jù)研究單一關聯(lián)的論文。

結(jié)果顯示，共有 341 篇此類論文發(fā)表在 147 種期刊上，包括《科學報告》《BMC 公共衛(wèi)生》和《英國醫(yī)學雜志·開放版》等。2014 年至 2021 年期間，平均每年僅發(fā)表 4 篇此類論文。

然而自 2022 年起，數(shù)量急劇攀升，截至 2024 年 10 月研究團隊搜索時，當年已發(fā)表 190 篇。這一增長速度遠遠超過了使用大型數(shù)據(jù)集進行健康研究的總體增長速度，暗示 NHANES 研究數(shù)量激增背后存在其他因素。

03

人工智能與論文工廠或是“幕后推手”

Spick認為這背后極有可能是以營利為目的的論文工廠在作祟，同時 AI也起到了推波助瀾的作用，不斷生成文本為論文造假提供了便利。

悉尼大學分子生物學家、此次《公共科學圖書館·生物學》論文的同行評審員Jennifer Byrne認為，人工智能可能被用于不斷改寫相同的 NHANES 研究結(jié)果，以逃避抄襲檢測。

Byrne也表示，“論文數(shù)量的激增速度和規(guī)模，讓人不得不懷疑背后存在某種協(xié)調(diào)機制”。

許多近期發(fā)表的 NHANES 研究在數(shù)據(jù)分析上存在明顯問題，作者往往在沒有明確理由的情況下，對數(shù)據(jù)集進行選擇性分析。例如僅對特定年份或特定年齡段的人群進行分析。

Spick認為，這表明作者旨在尋找具有統(tǒng)計學顯著性的結(jié)果，以便輕松發(fā)表論文。然而，在如此龐大的數(shù)據(jù)集中“碰運氣”，必然會產(chǎn)生大量假陽性結(jié)果。研究團隊對 28 項探討抑郁癥的 NHANES 研究進行深入分析后發(fā)現(xiàn)，僅有 13 項研究的結(jié)果在經(jīng)過統(tǒng)計調(diào)整后依然成立。

Spick及其團隊認為，他們的分析可能大大低估了問題的嚴重性。他們的搜索僅針對符合特定模式的 NHANES 研究，而更廣泛的搜索顯示，使用該數(shù)據(jù)集的論文數(shù)量從2023 年的 4926 篇增加到 2024 年的 7876 篇。Spick還指出，其他大型健康數(shù)據(jù)集，如全球疾病負擔研究，也可能面臨類似風險?！傲淤|(zhì)量研究的‘產(chǎn)業(yè)化’讓大量無用研究充斥文獻，實在令人憤怒?！?/p>

Richardson指出：“文章中提到的所有出版商都收取了費用，每篇論文的收費可能高達 1000 美元左右，以發(fā)表這些劣質(zhì)量內(nèi)容。” 此外，研究人員為了職業(yè)發(fā)展，往往更傾向于發(fā)表更多論文，而非追求更高質(zhì)量的論文。Richardson警告說：“除非我們從根本上改變科學出版的激勵機制，否則這一問題只會愈發(fā)嚴重?！?/p>

參考資料

Low-quality papers are surging by exploiting public data sets and AI

https://www.science.org/content/article/low-quality-papers-are-surging-exploiting-public-data-sets-and-ai

青科沙龍第154期：解讀鄒偉平、王少萌最新Nature研究；關鍵詞：STAT3、PROTAC、癌癥免疫

Deep Science預印本