هوش مصنوعی تقلب در نشریات علمی را برملا کرد

در دنیای امروز، بازشناسی و تفکیک نشریات علمی معتبر از نشریات قلابی دشوار شده است. اما محققان دانشگاه کلرادو بولدر اخیراً سیستمی مبتنی بر هوش مصنوعی طراحی کرده‌اند که به طور خودکار نشریات علمی مشکوک را شناسایی می‌کند.

نشریات علمی قلابی

این سیستم جدید که توسط تیمی از دانشمندان علوم رایانه‌ای در دانشگاه کلرادو بولدر توسعه یافته، به‌ویژه بر روی نشریات علمی تمرکز دارد که با هدف فریب محققان و جذب هزینه‌های گزاف، بدون ارزیابی واقعی همت همکار علمی فعالیت می‌کنند.‏

پژوهش‌های انجام شده توسط این سیستم نشان داده که از میان ۱۵۲۰۰ نشریه علمی، بیش از ۱۴۰۰ نشریه قلابی و مشکوک شناسایی شده‌اند. این نشریات به صورت ناخوشایندی با جامعه علمی رفتار کرده، و در حالی که هیچ گونه ارزیابی علمی از مقالات صورت نمی‌گیرد، از محققان پول مطالبه می‌کنند.

دانیل اکونیا، محقق اصلی این مطالعه، تأکید می‌کند که این سیستم برای تکمیل کار انسانی طراحی شده و نباید به تنهایی قضاوت نهایی را صادر کند. هدف این ابزار حمایتی از متخصصان و محققان در پیش‌گیری از انتشار داده‌های نادرست و حفظ بنیاد علمی صحیح است.

نشریات علمی قلابی - بخش 3

اکونیا و همکارانش تلاش کرده‌اند تا با استفاده از معیارهای مختلف مانند بررسی وجود هیئت تحریریه معتبر و خطاهای دستوری در وب‌سایت نشریات، تصمیمات بهتری گرفته شوند. با این حال، او بر این باور است که انسان‌ها باید تحلیل نهایی این نشریات را انجام دهند تا از گسترش نشریات ناامن جلوگیری شود.

نتیجه‌گیری

پروژه هوش مصنوعی دانشگاه کلرادو بولدر گامی مؤثر در جهت مقابله با نشریات جعلی و تقلبی است. این ابزار نقش مهمی در ایجاد دیواری محافظتی برای بنیاد علمی ایفا خواهد کرد و به محققان این امکان را می‌دهد که با اعتماد بیشتری به بررسی و انتشار کارهای علمی بپردازند.

پرسش‌های متداول


این سیستم با بررسی جزئیات وب‌سایت‌ها، هیئت تحریریه، و وجود خطاهای دستوری، نشریات جعلی را از معتبر تشخیص می‌دهد.


خیر، این سیستم به عنوان دستیار برای تسریع پیش‌غربالگری استفاده می‌شود و تصمیم نهایی باید توسط متخصصان انسانی گرفته شود.


این نشریات اعتبار علمی را زیر سؤال می‌برند و داده‌های نادرست می‌توانند آثار مخربی بر تحقیقات و نتایج علمی داشته باشند.

Rasa

مقالات مرتبط

توانمندی مدل‌های هوش مصنوعی: سه مرز جدید در قدرت مدل‌ها و چالش‌های مقیاس‌پذیری

مدل‌های هوش مصنوعی امروزی در سه جبهه اصلی در حال پیشرفت هستند:…

دیدگاهتان را بنویسید