تصور کنید تصاویری که با دست‌کاری دیجیتال تغییر یافته‌اند، پیش از آنکه حتی به میز داوران برسند، شناسایی و مسدود شوند. طبق راهنمای منتشر شده در ۱۶ ژوئیه ۲۰۲۶ در وب‌سایت dev.to، یک چارچوب غربالگری سه‌لایه با استفاده از هوش مصنوعی زاینده (Generative AI) — شبیه نگهبانی که با دقت میلی‌متری هر قطعه از پازل را با اصل آن می‌سنجد — این امکان را فراهم کرده است.
این تغییر در حالی رخ می‌دهد که مجلات علمی تحت فشار شدیدی هستند تا از پس‌زدن مقالاتی که اعتبار نهادهای پژوهشی را تخریب می‌کنند، جلوگیری کنند. این رویکرد در راستای تلاش‌های گسترده‌تر برای اتوماسیون بررسی سرقت ادبی و جعل تصویر در مجلات مستقل است تا سرعت غربالگری افزایش یابد. همان‌طور که در تحلیل قبلی ما درباره‌ی روش‌های اعتبارسنجی متنی در STEM اشاره کردیم، اکنون این شک‌گرایی فنی به لایه‌ی بصری پژوهش‌ها نیز گسترش یافته است.
به گزارش منابع فنی، ابزارهای خودکار اکنون فایل‌های PDF را برای شناسایی انواع دست‌کاری‌ها از طریق تشخیص الگو تحلیل می‌کنند:
- کلونینگ و کپی-پیست: شناسایی سلول‌های تکراری که برای تقویت مصنوعی نتایج استفاده شده‌اند.
- تکرار مستقیم: یافتن تصاویر یکسانی که به عنوان دو آزمایش متفاوت ارائه شده‌اند.
- برش و ترکیب (Splicing): شناسایی بخش‌هایی از تصاویر که از منابع مختلف جدا شده و به هم چسبانده شده‌اند.
- تغییرات هندسی: تشخیص نسخه‌های چرخیده یا قرینه‌شده از یک تصویر تکراری.
ویراستاران این هشدارها را از طریق یک مسیر تصمیم‌گیری مشخص مدیریت می‌کنند. اگر وضعیت «عبور پاک» (Clear Pass) باشد، مقاله به مراحل بعدی می‌رود. در حالت «پرسش‌های زمینه‌ای»، داوران انسانی باید درباره‌ی آثار فنی — مانند لکه‌های غسول‌شده در آزمایش‌های Western Blot — تصمیم بگیرند. برای مدیریت این فرآیند، بسیاری از ویراستاران از راهبرد «اعتماد اما بازبینی» استفاده می‌کنند تا دقت تشخیص هوش مصنوعی را با تخصص انسانی تطبیق دهند. هشدارهای سطح بالا نیز پیش از پیشروی دست‌نوشته، یک بازرسی کامل را فعال می‌کنند.
برای یک ویراستار کاربردی، این یعنی هوش مصنوعی «کار سخت» یعنی اسکن هزاران پیکسل را انجام می‌دهد تا انسان‌ها فقط روی ناهنجاری‌ها تمرکز کنند. در واقع نقش ویراستار از «جست‌وجو برای خطا» به «قضاوت درباره‌ی شواهد شناسایی‌شده» تغییر می‌کند. این ضرورت نظارت انسانی زمانی بیشتر احساس می‌شود که می‌بینیم حتی مدل‌های پیشرو هوش مصنوعی ممکن است مقالات باطل‌شده را به‌عنوان سند معتبر بشناسند و باعث گسترش اطلاعات نادرست شوند.
گام بعدی شما
- الزام نویسندگان به ارسال نسخه‌ی PDF برای فعال‌سازی ابزارهای تحلیل خودکار.
- پیکربندی هوش مصنوعی به عنوان اولین گیت ورودی بلافاصله پس از ارسال مقاله.
- تعریف پروتکل‌های شفاف برای مدیریت هشدارهای «زمینه‌ای» توسط تیم داوری.
این تنها آغاز ماجراست؛ اثر موج‌گونه‌ی این تصمیم بر استانداردهای اخلاقی در تولید محتوای علمی را در گزارش بعدی بررسی خواهیم کرد.
گفتگو