ИИ выявил сотни сомнительных журналов: что скрывают научные публикации

Более 15 000 научных журналов открытого доступа прошли проверку с помощью искусственного интеллекта, и результаты оказались неожиданными. Оказалось, что около 7% изданий в выборке ставят прибыль выше качества исследований. Среди находок — журналы, где авторам позволяют слишком часто ссылаться на свои работы или обещают невероятно быстрые сроки рецензирования. Такие публикации давно вызывают подозрения у специалистов, но теперь у исследователей появился инструмент, который помогает отличать "честные" журналы от сомнительных.

Искусственный интеллект на страже научной честности

Свободно доступный инструмент не совершенен, но уже помогает учёным и любителям науки ориентироваться в море публикаций. Он анализирует цитирования, редакционные коллегии и стандарты качества, а затем выделяет журналы с потенциально сомнительными практиками. Оказалось, что ИИ отнёс к проблемным 1092 издания, но при этом ошибочно включил ещё 345 добросовестных журналов и пропустил почти 1800 действительно проблемных. При повышении чувствительности к ошибкам прибавлялось, но общий эффект для оценки качества публикаций оставался значимым.

Почему сомнительные журналы живут и процветают

Эксперты отмечают, что такие издания особенно распространены в развивающихся странах, хотя встречаются и среди известных западных издательств. Основная причина — оценка исследователей по количеству публикаций, а не по их качеству. Пока система вознаграждает объём, а не содержание, сомнительные журналы продолжают приносить прибыль, стимулируя выпуск статей в ущерб науке. Инструмент с ИИ лишь помогает уменьшить хаос и сэкономить время на проверку, но настоящая перемена возможна только при смене критериев оценки исследователей.

Наука под прицелом алгоритмов

Появление таких инструментов открывает необычное окно в современную научную жизнь: технологии помогают отсеять шум и найти действительно важные исследования. Но ИИ тоже учится на ошибках — журналы меняют практики, названия и уловки, поэтому алгоритмы требуют постоянного обновления. Этот процесс напоминает своего рода научный квест, где победа зависит не только от технологий, но и от изменения подходов к оценке науки в целом.