Новое исследование учёных Северо-западного университета (Northwestern University) указывает на тревожную тенденцию: количество случаев научного мошенничества растёт быстрее, чем объём легитимных научных публикаций.

На протяжении последних четырёх веков существовал негласный договор между учёными и государством: в обмен на получение новых знаний, правительства и другие меценаты обеспечивали исследователям стабильную карьеру, заработную плату и общественное признание. Эта модель, схожая с коммерческим предприятием, доказала свою эффективность и распространилась по всему миру. Однако, как показывает исследование, в последние годы эта система, включающая исследователей, учебные заведения, государственные учреждения, частные компании и платформы распространения научной информации, даёт сбои.

Авторы исследования утверждают, что из-за масштабности и специализации современной науки вклад каждого участника оценивается не по ценности работы, а по количественным показателям: числу опубликованных статей, количеству цитирований, рейтингам университетов, наградам и прочим признаниям. «Эти показатели быстро стали целями для измерения институционального и личного влияния, что породило неконтролируемую конкуренцию и растущее неравенство в распределении ресурсов, стимулов и наград», — предупреждают авторы.

Это, в свою очередь, привело к распространению мошенничества в некоторых кругах научного сообщества, поскольку исследователи ищут быстрые способы получить желаемые показатели успеха. Выявленные виды мошенничества варьируются от создания фиктивных исследований и плагиата до купли-продажи авторства и цитирований в статьях.

Исследование Северо-западного университета показало, что случаи мошенничества часто являются не изолированными инцидентами, а результатом работы сетей, которые систематически подрывают целостность науки. Исследовательская группа под руководством Луиса А. Н. Амарала, профессора инженерных наук и прикладной математики в инженерной школе Маккормика Северо-западного университета, пришла к такому выводу после анализа больших объёмов данных о отозванных публикациях, редакционных записях и дублировании изображений. В анализ вошли данные из крупных агрегаторов научной литературы — Web of Science, Scopus, PubMed/MEDLINE и OpenAlex, а также списки журналов, удалённых из этих баз данных за нарушение стандартов качества или этических норм. Были также использованы данные об отозванных статьях, отмеченных сайтом Retraction Watch, комментарии на сайте рецензирования научных статей PubPeer и редакционные метаданные.

Анализ выявил деятельность «фабрик статей» — недобросовестных организаций, которые массово производят низкокачественные работы и продают их, иногда через посредников, учёным, стремящимся быстро опубликовать материалы. Эти статьи часто содержат поддельные данные, обработанные или украденные изображения, плагиат и даже абсурдные или физически невозможные утверждения. Исследователи предупреждают, что всё больше учёных взаимодействуют с этими сетями, приобретая не только статьи, но и цитирования, а также позиции авторов в статьях, что позволяет им становиться авторитетными, не проводя собственных исследований.

Для борьбы с этой угрозой исследователи из Северо-западного университета предлагают ряд мер: усиление контроля за редакционными процессами, внедрение более эффективных методов выявления ложных исследований, лучшее понимание сетей, которые способствуют этим практикам, и радикальное реструктурирование системы стимулирования в науке. Учёные подчёркивают, что научное сообщество должно само усилить механизмы контроля для сохранения целостности, что становится ещё более актуальным с внедрением искусственного интеллекта в производство и распространение исследований. Как предупредил в своём заявлении Риис Ричардсон, научный сотрудник инженерной школы Маккормика и первый автор исследования, «если мы не готовы бороться с мошенничеством, которое уже происходит, то мы точно не готовы к тому, что генеративный ИИ может сделать с научной литературой. Мы понятия не имеем, что в конечном итоге окажется в литературе, что будет считаться научным фактом и что будет использоваться для обучения будущих моделей, которые затем будут использоваться для написания новых статей».