编者注：

科研诚信保卫战迎来新武器。美国科罗拉多大学博尔德分校研究团队开发的人工智能系统，从全球15200个开放获取期刊中识别出超过1000种“问题期刊”，为学术界提供了对抗学术欺诈的强大工具。

问题期刊泛滥：科研诚信的重大挑战

学术出版领域正面临严峻挑战。科罗拉多大学博尔德分校的计算机科学家团队开发了一种新型人工智能平台，能够自动寻找“可疑”的科学期刊。

这项发表在《Science Advances》杂志上的研究，揭示了学术出版界一个令人担忧的趋势。研究负责人、计算机科学系副教授Daniel Acuña每周都会收到数封来自可疑期刊的垃圾邮件，这些邮件声称可以快速发表研究成果，但需要支付高额费用。

这些所谓的“掠夺性”期刊通过精心设计的欺诈手段，模仿合法期刊的外观和操作模式，但实质上绕过了科学出版的核心环节——严格的同行评审。它们的目标往往是那些面临发表压力的研究人员，特别是来自发展中国家的学者，通过收取数百到数千美元的费用来快速发表未经充分审查的研究。

AI如何识别问题期刊：多维度特征分析

研究团队利用DOAJ提供的数据训练他们的人工智能系统。DOAJ是一个成立于2003年的非营利组织，其志愿者团队根据六项严格标准对学术期刊进行评估。

这些标准包括期刊是否清晰说明其同行评审政策、是否拥有合格的编辑委员会、网站内容是否专业等。AI系统的工作原理基于多个关键指标的综合分析。

研究发现，问题期刊通常具有一些共同特征：它们发表的文章数量异常之多；包含比合法期刊更多的作者隶属关系；以及那些异常地大量引用自己研究而不是其他科学家研究的作者。

Acuña强调，该工具尽可能保持透明和可解释。“以ChatGPT为例，你通常不明白它为什么会提出某个建议。我们尽量使我们的系统尽可能可解释”。

识别结果与准确性：1400种期刊被标记

在该AI系统筛选的近15,200种开放获取期刊中，AI最初标记了超过1400种可能存在问题的期刊。经人为审查这些可疑期刊的一个子集后，发现AI错误地将约350种出版物标记为可疑，而这些出版物很可能是没问题的。

即便如此，研究人员还是确定了超过1000种可疑期刊。这表明AI工具虽然不完美，但能有效缩小人工审查范围。

Acuña承认AI判定“并非完美”。在15191种期刊样本中，AI将1092种期刊正确归类为问题期刊，但同时误判345种期刊，另有1782种问题期刊未被标记。他表示，研究结果“应被视为需要进一步调查的初步信号，而非最终定论”。

问题期刊的全球分布与危害

研究发现，多数被标记为问题期刊的出版物来自发展中国家。印度和伊朗的出版物被标记的比例最高，均接近1%。但Acuña同时强调，发达国家的知名出版商也存在此类问题期刊。

问题期刊的危害不容小觑。分析人士指出，目前开放获取占主导地位的商业模式背后有强烈的利益驱动，即作者向出版商付费，使论文可立即免费阅读；出版商倾向于快速发表大量论文，同时尽可能减少耗时的质量审核工作。

据团队估算，2000年至2020年，在问题期刊上发表的论文数量增长了10倍以上，达到4.5万篇。这种增长趋势显示了对这类检测工具的迫切需求。

学术界的回应与支持

非营利组织“开放获取期刊目录”（DOAJ）常务董事Joanna Ball表示：“对于这项研究的部分成果及其为期刊相关评估提供的支持，我感到十分振奋。”学术出版领域专家认为，这款免费筛查工具虽不完美，但能为科研人员及其他群体避开可疑期刊提供参考。加拿大渥太华大学的Kelly Cobey指出，问题期刊出版商可能通过改变运营方式或期刊名称逃避检查，因此AI工具需持续更新。

AI工具的未来应用与发展

研究团队希望很快将这一AI系统提供给大学和出版公司使用。Acuña将该工具视为研究人员保护其领域免受不良数据侵害的一种方式——他称之为 “科学防火墙” 。

“作为一名计算机科学家，我经常以新款智能手机为例，”他说，“我们知道手机的软件会有漏洞，我们期待未来会有漏洞修复。我们可能也应该对科学采取同样的做法。”

尽管AI工具显示出巨大潜力，但Acuña强调最终应该由人类专家而不是机器来决定一本期刊是否可信。他认为这应该被用作一个助手，用于预筛选大量期刊，但最终分析应该由专业人士来进行。

科研诚信：全球共同挑战

科学出版领域一直受学术不端行为困扰。研究发现，目前开放获取占主导地位的商业模式背后有强烈的利益驱动，即作者向出版商付费，使论文可立即免费阅读；出版商倾向于快速发表大量论文，同时尽可能减少耗时的质量审核工作。

“在科学中，你不是从零开始。你是在他人的研究基础上进行构建，” Acuña说，“所以如果这座大厦的地基崩塌了，那么整个大厦就会倒塌。”

在一些知名人士质疑科学的合法性的时候，阻止可疑出版物的传播比以往任何时候都更为重要。随着AI工具不断改进和完善，它有望成为维护科研诚信的有力工具。