در سالهای اخیر، دسترسی آسان به پایگاههای داده سلامت عمومی و رشد ابزارهای نوظهور هوش مصنوعی، زمینهساز انتشار گسترده مقالات علمی کمکیفیت در نشریات تخصصی شدهاند. پژوهشگران هشدار دادهاند که تعداد قابلتوجهی از مطالعات مشابه، که همگی بر اساس دادههای «نظرسنجی ملی سلامت و تغذیه» ایالات متحده (NHANES) انجام شدهاند، به طور غیرعادی افزایش یافتهاند.
فرمول ساده، تولید انبوه: پیوند یک داده سلامت با یک بیماری رایج
این مطالعات اغلب با الگوی ثابتی تولید میشوند: انتخاب یک شاخص تصادفی سلامت، ارتباط دادن آن با یک بیماری شناختهشده، و تمرکز بر یک گروه خاص جمعیتی. به گفته کارشناسان، این روند میتواند نشاندهنده استفاده سازمانیافته و هدفمند از این دادهها باشد—احتمالاً توسط «کارخانههای مقالهسازی» که با دریافت هزینه، مقالاتی شبهعلمی تولید میکنند. استفاده از هوش مصنوعی برای بازنویسی متون بهگونهای که از تشخیص سرقت علمی بگریزند، از جمله روشهای رایج در این مسیر است.
جهش غیرمعمول در تعداد مقالات؛ نقش پررنگ نهادهای دانشگاهی چینی
در حالیکه بین سالهای ۲۰۱۴ تا ۲۰۲۱، هر سال فقط چند مقاله مبتنی بر دادههای NHANES منتشر میشد، تنها در ۱۰ ماه نخست سال ۲۰۲۴ نزدیک به ۲۰۰ مقاله از این دست منتشر شدهاست—افزایشی فراتر از روندهای طبیعی علمسنجی. نکته قابلتأمل دیگر اینکه از سال ۲۰۲۲، بیش از ۹۲ درصد این مقالات توسط نویسندگانی از مؤسسات علمی چین منتشر شدهاند؛ در حالیکه این رقم پیشتر تنها ۸ درصد بوده است. این آمار میتواند نشانگر فشارها یا انگیزههای خاص در نظام دانشگاهی چین برای افزایش کمّی تولیدات علمی باشد.
دستکاری دادهها؛ نتایج نادرست، علم ناپایدار
بسیاری از این مقالات تنها بخشی از دادههای NHANES را تحلیل میکنند—مثلاً سالها یا گروههای سنی خاص—تا احتمال کشف نتایج قابل انتشار را افزایش دهند، حتی اگر این نتایج حاصل تصادف باشند. بررسیهای دقیقتر نشان دادهاند که کمتر از نیمی از مطالعاتی که ادعا میکنند بین دادههای NHANES و افسردگی ارتباط وجود دارد، در آزمونهای آماری سختگیرانهتر تأیید شدهاند.
تولید مقاله با هوش مصنوعی
ابزارهای تولید متن با کمک هوش مصنوعی، فرآیند نگارش متون علمی را بهشدت ساده کردهاند. این امر باعث شده حتی افرادی بدون تخصص کافی بتوانند مقالاتی با ظاهر علمی منتشر کنند. چنین صنعتیسازی در فرآیند پژوهش، صدای یافتههای علمی معتبر را در میان انبوه مطالب شبهعلمی خفه میکند.
ضرورت بازنگری در نظامهای پاداش علمی
برخی ناشران علمی شروع به بازبینی و حتی بازپسگیری مقالات مشکوک کردهاند و خواستار نظارت بیشتر در روند داوری شدهاند. اما کارشناسان هشدار میدهند که این بحران ادامه خواهد یافت، مگر آنکه نظامهای علمی در سراسر جهان از رویکرد کمّیگرایانه فاصله بگیرند و کیفیت پژوهش را در اولویت قرار دهند.
نتیجهگیری: وقتی علم قربانی کمیت میشود
این روند نگرانکننده، یک واقعیت تلخ را نشان میدهد: در صورت سوءاستفاده از دادههای عمومی ارزشمند و فناوریهای پیشرفته، بنیان پیشرفت علمی تهدید میشود. تولید انبوه مقالات کممحتوا، اعتبار پژوهش را زیر سؤال برده و بهجای کمک به حل مسائل، آنها را پیچیدهتر میکند.
منبع
O’Grady C. Low-quality papers surge thanks to public data and AI. Science. 2025 May 22;388(6749):807-808. doi: 10.1126/science.adz1715