قالت Masterclasses Nature ان الباحثين قاموا بتطوير أداة تعتمد على الذكاء الاصطناعي قادرة على فحص آلاف الدوريات العلمية ورصد العلامات التي تُشير إلى ممارسات نشر غير منضبطة، في خطوة تهدف إلى كشف الدوريات التي لا تلتزم بمعايير الجودة والتحكيم العلمي.
الأداة، التي عُرضت نتائجها في دراسة نُشرت بدورية Science Advances في 27 أغسطس، مُدربة على تحليل قرابة 15 ألف دورية للبحث عن دلائل مرتبطة بـ”دوريات الوصول المفتوح المشكوك فيها”، وهي الدوريات التي تتقاضى رسوماً مقابل النشر دون إجراء تحكيم علمي ملائم.
نتائج لافتة
كشفت الأداة قائمة تضم أكثر من ألف دورية مفتوحة الوصول تُحيط بها شبهات الجودة، ولم يكن أي منها مُدرجًا مسبقًا على قوائم مشابهة، رغم أن بعضها تابع لدور نشر معروفة عالميًا. وقد نشرت هذه الدوريات عبر السنوات مئات الآلاف من الأبحاث وحصلت على ملايين الاستشهادات.
وتصف جنيفر بيرن، أستاذة أبحاث السرطان بجامعة سيدني، النتائج بأنها “تكشف حجم الدوريات التي تقدّم نفسها كمجلات مرموقة بينما تفتقر عمليًا إلى معايير النشر الأكاديمي السليم”.
كيف تعمل الأداة؟
تقوم الأداة بتمشيط مواقع الدوريات ومحتواها المنشور لاستخراج مؤشرات تدعو للريبة، من بينها:
قِصر فترة التحكيم قبل النشر.
ارتفاع معدلات الاستشهاد الذاتي.
غياب الشفافية حول الترخيص والرسوم.
انتماءات ضعيفة أو غير واضحة لهيئات التحرير.
ويستند النموذج في تدريبه إلى إرشادات «دليل الدوريات ذات الوصول المفتوح» (DOAJ)، وهو فهرس دولي يعتمد على أفضل الممارسات البحثية.
تقول سينيو شين، نائبة رئيس تحرير الجودة في الدليل، إن عدد الدوريات المشبوهة يشهد زيادة متسارعة، مضيفة: “نرصد يوميًا حالات تستولي فيها جهات نشر غير موثوقة على دوريات شرعية، أو تشتري منصات أبحاث مفبركة مجلات لنشر مواد رديئة”.
ضغط متزايد على عمليات التدقيق
تعتمد عملية مراجعة الدوريات في DOAJ على التدقيق البشري بعد تلقي الشكاوى.
في 2024، دقّق الفريق في 473 دورية، بزيادة 40% عن 2021، وقضى المحققون 837 ساعة في هذه المراجعات — بزيادة 30%.
يشير دانييل أكونيا، الباحث المشارك في الدراسة وعالم الحاسوب بجامعة كولورادو بولدر، إلى أن الذكاء الاصطناعي يمكن أن يساعد في تسريع هذه التقييمات، موضحًا أن النموذج دُرّب على نحو 12,800 دورية شرعية، إلى جانب 2,536 دورية خالفت معايير الجودة.
ماذا كشفت الأداة؟
عند اختبارها على 15,191 دورية في قاعدة Unpaywall:
صنّفت 1,437 دورية باعتبارها مشبوهة.
كانت 345 منها إشارات غير دقيقة (مثل دوريات متوقفة أو سلاسل كتب).
لم تتمكن الأداة من تحديد 1,782 دورية مشبوهة أخرى وفق تقديرات معدلات الخطأ.
وعند ضبط مستويات الصرامة:
في الوضع الأقل صرامة: خرجت قائمة تضم 8,800 دورية مشكوك فيها، مع 6,100 إشارات خاطئة.
في الوضع الأكثر صرامة: انخفضت القائمة إلى 240 دورية فقط، لكنها فشلت في رصد نحو 2,600 دورية مشبوهة.
يعلّق أكونيا: “الأداة يمكنها أن تُعطي الأولوية إما للتغطية الواسعة أو للدقة العالية، وما قدمناه هو نموذج يجمع بين الجانبين”. وترى بيرن أن القدرة على تعديل مستوى الصرامة “ميزة مهمة للغاية”.
مخاوف التحيّز
رغم النتائج المشجعة، يعترف الباحثون بأن الأداة لا تزال في مراحلها الأولى. وتُبدي شين مخاوف من إمكانية تحيّز عمليات التقييم الآلية ضد الدوريات غير الناطقة بالإنجليزية أو تلك الصادرة عن مؤسسات ذات تمويل محدود.
وتضيف: “التحدي الحقيقي يكمن في تحديد خصائص يمكن قياسها بدقة ومن دون تحيز، ثم دمجها في نموذج تنبؤي موثوق”.
ورغم أن الذكاء الاصطناعي قد يخفف العبء عن الجهات الرقابية، تؤكد شين أن “ضمان نزاهة النشر العلمي سيظل معتمدًا على الإشراف البشري والتقييم المبني على الأدلة”. ومع ذلك، ترى أن تحسين الدقة قد يجعل الذكاء الاصطناعي “أداة داعمة مهمة تساعد في إدارة الكم وتقليل الجهد المطلوب للمراجعة”.
