Autorstwo na sprzedaż: jak fabryki badań naukowych zatruwają naukę
W nauce istnieje procedura, która ma chronić przed fałszem: recenzja. Praca przechodzi przez weryfikację niezależnych ekspertów, a wyniki mogą być powtórzone przez inne zespoły. Ten system ma jednak słaby punkt — zakłada, że autorem pracy jest uczony, który faktycznie przeprowadził badania. Fabryki publikacji, zwane też fabrykami badań, odwracają tę logikę: najpierw powstaje artykuł, potem szuka się do niego uczonych gotowych zapłacić za miejsce na liście autorów.
Przemysłowa produkcja artykułów
Skala zjawiska przestała być anegdotą. Śledztwo opisane na łamach „Nature” wskazało ponad 1500 artykułów naukowych powiązanych z siecią ukraińskich firm, które mogą tworzyć jedną z największych fabryk publikacji w Europie. Takie przedsiębiorstwa produkują fałszywe lub wadliwe prace i sprzedają autorstwo — klient nie musi robić żadnych badań, kupuje gotowy tekst z podstawionym nazwiskiem.
Liczby z rejestru retrakcji rysują podobny obraz. Według danych Retraction Watch na maj 2024 roku ponad 7275 wycofanych publikacji było powiązanych z fabrykami artykułów — na łączne 44 tysiące retrakcji w całym rejestrze. To niemal jedna szósta wszystkich wycofanych prac.
Rekordowe retrakcje
Problem widać także w trendach wieloletnich. W 2023 roku wycofano ponad 10 tysięcy prac naukowych — więcej niż w jakimkolwiek wcześniejszym roku, co opisała redakcja „Nature”. Analiza tego czasopisma pokazała też, że wśród dużych krajów naukowych najwyższe wskaźniki retrakcji w ostatnich dwóch dekadach mają m.in. Arabia Saudyjska, Pakistan, Rosja i Chiny.
Retrakcje to jednak dopiero widoczna część zjawiska. Czasopismo szacuje, że społeczność badaczy sprawdzających teksty, dane i wykresy wykryła wady w setkach tysięcy publikacji — a część fałszywych prac pozostaje niewykryta. Około 0,2 procenta artykułów opublikowanych w 2022 roku zostało wycofanych, co oznacza trzykrotny wzrost tego wskaźnika w porównaniu z dekadą wcześniejszą.
Gdzie w tym sztuczna inteligencja
Fabryki publikacji istniały przed rozwojem generatywnej AI — polegały na kopiowaniu cudzych tekstów, wkładaniu fałszywych lub skradzionych danych oraz wstawianiu obrabianych i zdublowanych wykresów. Modele językowe obniżyły jednak koszt całej operacji. Napisanie artykułu naukowego wprawiającego się w czytanie, z abstraktem, strukturą i bibliografią, z zarezerwowanej dla specjalistów czynności stało się zadaniem na poziomie jednego polecenia. Podobnie generowanie wyglądających wiarygodnie wykresów i tabel.
To przesuwa równowagę sił. Wydawcy muszą badać tysiące nadesłanych tekstów narzędziami wykrywającymi ślady fabrycznej produkcji, a recenzenci — którzy z definicji działają za darmo i w ograniczonym czasie — nie są w stanie zweryfikować danych, których po prostu nie ma. Fałszywa praca, która przejdzie recenzję, trafia do indeksów i wyszukiwarki jak każda inna.
Dlaczego to problem zwykłego czytelnika
Fałszywe badania nie zostają w nauce — wyciekają do mediów, poradników zdrowotnych i debaty publicznej. Lekarz podejmujący decyzję o leczeniu, urzędnik piszący regulację, dziennikarz opisujący „najnowsze badanie” — wszyscy korzystają z tego samego zasobu publikacji. Gdy zasób jest zatruty, decyzje podejmowane na jego podstawie przestają być oparte na dowodach.
Czytelnik ma ograniczone możliwości obrony, ale kilka nawyków pomaga. Warto sprawdzać, czy badanie, do którego odwołuje się artykuł prasowy, nie zostało wycofane — rejestry retrakcji i serwis PubPeer pozwalają to zrobić po tytule. Ostrożność budzi praca z podejrzanie dużą liczbą autorów, publikacja w czasopiśmie nieznanym w danej dziedzinie albo wynik, który brzmi zbyt dobrze, by mógł zostać potwierdzony. Żadna z tych wskazówek nie zastąpi recenzji, ale każda obniża ryzyko polegnięcia na tekście, którego nikt nigdy nie badał.
Oznaczenie treści AI
Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.
