افشای شبکه‌های سازمان‌یافته تقلب علمی

خلاصه داستان

پژوهش تازه‌ای از دانشگاه نورث‌وسترن نشان می‌دهد که تقلب علمی از سطح رفتارهای فردی فراتر رفته و به شکل شبکه‌های سازمان‌یافته و جهانی در حال گسترش است. این شبکه‌ها با استفاده از ابزارهایی چون کارخانه‌های مقاله‌سازی، خریداران نویسندگی و مجلات نفوذشده، فرایند علمی را جعل می‌کنند. هشدار پژوهشگران: رشد تقلب، سریع‌تر از رشد واقعی علم است — و اگر اقدامی جدی نشود، اعتبار کل دانش بشر در خطر خواهد بود.

چرا این موضوع اهمیت دارد؟

پژوهش‌های علمی ستون فقرات دانش، فناوری و سیاست‌گذاری مدرن هستند. هر خلل در سلامت آن‌ها نه تنها درک ما از جهان را دچار مشکل می‌کند، بلکه می‌تواند به تصمیم‌گیری‌های اشتباه در پزشکی، مهندسی، محیط زیست و دیگر حوزه‌های حیاتی منجر شود. در دنیایی که هوش مصنوعی نیز به نوشتن و تولید مقاله وارد شده، تمیز دادن حقیقت از جعل علمی سخت‌تر از همیشه شده است. بی‌اعتمادی عمومی به علم، نتیجه محتمل ادامه این روند است.

کارخانه‌های مقاله‌سازی: دانش جعلی در مقیاس صنعتی

دکتر لوئیس آمارال، نویسنده ارشد این پژوهش که در مجله معتبر PNAS منتشر شده، می‌گوید بسیاری از مجلات علمی بدون اطلاع عمومی، پذیرای مقالات جعلی می‌شوند. این مقالات توسط گروه‌هایی موسوم به «paper mills» تولید می‌شوند — مجموعه‌هایی که در ازای پول، مقالات ساختگی می‌نویسند و حتی اسامی نویسنده‌ها را نیز می‌فروشند. افراد می‌توانند برای خرید رتبه نویسندگی اول پول بیشتری بپردازند یا برای نفر چهارم کمتر.

واسطه‌ها، مجلات ربوده‌شده، و سردبیران آلوده

این شبکه‌ها صرفاً مقاله نمی‌فروشند؛ بلکه فرایند علمی را جعل می‌کنند. واسطه‌ها کسانی هستند که خریدار، نویسنده، و مجله را به یکدیگر متصل می‌کنند. در برخی موارد، مجلات تعطیل‌شده‌ای مانند HIV Nursing نیز ربوده شده‌اند — یعنی دامنه اینترنتی آن‌ها خریداری شده و مقالاتی جعلی و بی‌ربط با نام آن‌ها منتشر شده است. این فعالیت‌ها نه در خلأ، بلکه با همکاری سردبیران یا داوران آلوده در حال انجام است.

از دستکاری تصویر تا جعل داده: ابعاد فنی تقلب

تیم تحقیقاتی دانشگاه نورث‌وسترن مجموعه‌ای از داده‌ها را بررسی کرد؛ از جمله مقالات بازپس‌گرفته‌شده، ثبت‌های تحریریه، و نمونه‌هایی از دستکاری تصاویر. داده‌ها از منابعی چون PubMed، Scopus، Web of Science و حتی وب‌سایت‌های نظارتی مانند Retraction Watch گردآوری شده‌اند. یکی از روش‌های شناسایی مقالات جعلی، بررسی خطاهای فنی — مثلاً اشتباه در نام‌گذاری ابزارهای آزمایشگاهی — بوده است. همین خطاها نشانه‌ای از مقالات سفارشی‌سازی‌شده توسط کارخانه‌های مقاله‌سازی است.

بحران بی‌اعتمادی و خطر ورود هوش مصنوعی

ریچاردسون، نویسنده اول مقاله، هشدار می‌دهد که اگر با موج فعلی تقلب برخورد نشود، نسل آینده مقالات توسط هوش مصنوعی آموزش‌دیده با داده‌های نادرست تولید خواهد شد — و این چرخه باطل به «سمی شدن» کامل ادبیات علمی خواهد انجامید. او می‌گوید: «ما هنوز حتی آمادگی مقابله با جعل انسانی را نداریم، چه برسد به تقلب با کمک هوش مصنوعی.»

راه‌های مقابله: بازسازی فرایند داوری و تغییر ساختار تشویق

آمارال و همکارانش پیشنهاد می‌دهند که بازبینی جدی در ساختار داوری علمی، تقویت شفافیت در روند پذیرش مقاله، و شناسایی شبکه‌های تقلب ضروری است. اما شاید مهم‌تر از همه، اصلاح نظام پاداش‌دهی در علم باشد: در دنیایی که مقاله بیشتر معادل ارتقا و درآمد بیشتر است، انگیزه تقلب نیز بالاست. آن‌ها خواستار آن‌اند که نهادهای علمی، دانشگاه‌ها، و ناشران به طور همزمان دست به اصلاحات بزنند.

آن‌چه در ادامه باید دید

اگر نهادهای علمی به این هشدارها بی‌توجه بمانند، خطر آن است که اعتماد عمومی به کلیت نظام علم از بین برود — آن‌هم در عصری که بیش از هر زمان دیگری به داده‌های علمی نیاز داریم. پیش‌زمینه این بحران در حال شکل‌گیری است؛ پرسش این است که آیا پیش از آن‌که دیر شود، اقدام خواهیم کرد؟

تجربه بی عملی نهاد علم در ایران در برابر پدیده مشابه که در سال های پیش و اکنون در فضای دانشگاهی ایران شاهد بوده و هستیم، می تواند الگوی پندآموزی برای جامعه جهانی باشد. روندی که در نهایت منجر به سست شدن بافت و تار و پود ساختار علم و بی اثری آن شده است.

منابع و پیوندها

این پژوهش در Proceedings of the National Academy of Sciences منتشر شده است.