محققان با استفاده از یک ابزار پیشرفته‌ی هوش مصنوعی(AI)، بیش از ۱۵,۰۰۰ مقاله علمی را غربالگری کرده و حدود ۱,۴۳۷ مجله دسترسی آزاد را به‌عنوان مجلات بالقوه مشکل‌دار شناسایی کرده‌اند. این ابزار، که برای تشخیص نشانه‌های انتشار مشکوک طراحی شده، می‌تواند به مقابله با رشد روزافزون مجلات دسترسی آزاد غیرمعتبر کمک کند؛ مجلاتی که بدون بررسی دقیق همتا یا کنترل کیفیت، مقالات را در ازای دریافت هزینه منتشر می‌کنند.
کشف مجلات مشکوک با هوش مصنوعی
ابزار هوش مصنوعی توسعه‌یافته توسط محققان، از جمله دانیل آکنا، دانشمند رایانه در دانشگاه کلرادو بولدر، قادر است حجم عظیمی از داده‌ها را از وب‌سایت‌های مجلات و مقالات منتشرشده تحلیل کند. این ابزار به دنبال نشانه‌های خطر مانند زمان انتشار غیرعادی کوتاه، نرخ بالای خوداستنادی، وابستگی‌های مشکوک اعضای هیئت تحریریه و عدم شفافیت در مورد هزینه‌ها و مجوزها می‌گردد. معیارهای این ابزار تا حدی بر اساس استانداردهای فهرست راهنمای مجلات دسترسی آزاد (DOAJ)، که توسط بنیادی غیرانتفاعی در دانمارک مدیریت می‌شود، طراحی شده است.
جنیفر بیرن، محقق سرطان و متخصص صداقت پژوهشی در دانشگاه سیدنی، در این باره می‌گوید: «این مطالعه نشان می‌دهد که مجموعه‌ای از مجلات مشکوک در حال فعالیت هستند که به‌عنوان نشریات معتبر ظاهر می‌شوند، اما استانداردهای لازم را ندارند.» این مجلات، که برخی متعلق به ناشران معتبر هستند، در مجموع صدها هزار مقاله منتشر کرده‌اند که میلیون‌ها استناد دریافت کرده‌اند، اما پیش‌تر در هیچ فهرست نظارتی قرار نداشتند.
چگونه ابزار هوش مصنوعی کار می‌کند؟
این ابزار هوش مصنوعی با بررسی داده‌های ۱۲,۸۶۹ مجله معتبر فهرست‌شده در DOAJ و ۲,۵۳۶ مجله غیرمعتبر شناسایی‌شده توسط این فهرست آموزش دیده است. در آزمایشی روی ۱۵,۱۹۱ مجله دسترسی آزاد از پایگاه داده Unpaywall، ابزار توانست ۱,۴۳۷ مجله مشکوک را شناسایی کند. با این حال، تخمین زده می‌شود که حدود ۳۴۵ مورد از این مجلات به‌اشتباه علامت‌گذاری شده باشند، از جمله مجلات کوچک، مجموعه‌های کتاب یا نشریات متوقف‌شده. همچنین، ابزار حدود ۱,۷۸۲ مجله مشکوک دیگر را شناسایی نکرد.
محققان ابزار را در دو سطح سخت‌گیری آزمایش کردند:
-
حالت سهل‌گیرانه: شناسایی ۸,۸۰۰ مجله، اما با ۶,۱۰۰ مورد خطا و تنها ۱۵۰ مجله مشکل‌دار از قلم افتاده.
-
حالت سخت‌گیرانه: شناسایی ۲۴۰ مجله با حداقل خطا، اما ۲,۶۰۰ مجله مشکوک شناسایی‌نشده.
این انعطاف‌پذیری، به گفته‌ی بیرن، یکی از ویژگی‌های جذاب ابزار است، اما آکنا تأکید می‌کند که هوش مصنوعی جایگزین قضاوت انسانی نیست و باید با نظارت متخصصان همراه باشد.
چالش‌های رو به رشد مجلات غیرمعتبر
سنیو شن، معاون کیفیت ویراستاری DOAJ در هلسینکی، می‌گوید که تعداد مجلات مشکوک در حال افزایش است و روش‌های آن‌ها پیچیده‌تر شده است. برخی ناشران غیرمعتبر حتی مجلات قانونی را خریداری می‌کنند تا از آن‌ها برای انتشار محتوای بی‌کیفیت استفاده کنند. بررسی‌های دستی DOAJ در سال ۲۰۲۴ شامل ۴۷۳ مجله بود که نسبت به سال ۲۰۲۱، ۴۰ درصد افزایش داشته و زمان صرف‌شده برای این بررسی‌ها به ۸۳۷ ساعت رسیده است.
ابزارهای هوش مصنوعی می‌توانند این فرآیند را تسریع کنند، اما نگرانی‌هایی درباره سوگیری وجود دارد. به گفته‌ی شن، بررسی‌های خودکار ممکن است به ضرر مجلات غیرانگلیسی‌زبان یا سردبیران از مؤسسات کم‌بودجه در کشورهای در حال توسعه باشد. انتخاب معیارهای بدون سوگیری و اطمینان از دقت آن‌ها در مدل‌های پیش‌بینی‌کننده، چالشی کلیدی است.
نقش هوش مصنوعی در آینده‌ی انتشارات علمی
ابزار هوش مصنوعی آکنا هنوز در نسخه بتای بسته قرار دارد و برای سازمان‌های فهرست‌کننده مجلات یا ناشران در دسترس است. با بهبود دقت، این ابزار می‌تواند نقش حمایتی مهمی در شناسایی مجلات مشکوک ایفا کند و بار بررسی‌های دستی را کاهش دهد. با این حال، شن تأکید می‌کند که نظارت انسانی و ارزیابی مبتنی بر شواهد همچنان برای حفظ یکپارچگی انتشارات علمی ضروری است.
چرا این موضوع مهم است؟
افزایش مجلات غیرمعتبر، تهدیدی برای اعتبار تحقیقات علمی است. این مجلات با انتشار مقالات بی‌کیفیت، اعتماد عمومی به علم را تضعیف می‌کنند. ابزارهای هوش مصنوعی، مانند آنچه توسط آکنا و همکارانش توسعه یافته، می‌توانند به شناسایی سریع‌تر این مشکلات کمک کنند و به ناشران و فهرست‌های علمی امکان دهند تا استانداردهای کیفی را حفظ کنند.
جمع‌بندی
ابزار جدید هوش مصنوعی با شناسایی بیش از ۱,۴۰۰ مجله دسترسی آزاد مشکوک، گامی مهم در راستای حفظ یکپارچگی علمی برداشته است. اگرچه این فناوری هنوز کامل نیست و نیاز به نظارت انسانی دارد، اما پتانسیل آن برای تسریع بررسی‌ها و کاهش بار کاری قابل‌توجه است.
