نشریات علمی چگونه با تصاویر مشکوک در مقالات مبارزه می‌کنند

به گزارش گروه علم و آموزش ایرنا از «نیچر»، به نظر می رسد هر ماه خبرهای تازه‌ای از اتهامات سطح بالا علیه محققان منتشر می شود مبنی بر اینکه مقالات آنها حاوی علائمی از دستکاری احتمالی در تصاویر است. کارآگاهان علمی از چشمان آموزش دیده خود در کنار نرم افزارهای تجاری بر اساس هوش مصنوعی استفاده می کنند تا بتوانند نسخه‌برداری یا کپی‌کاری (duplication ) و سایر مسائلی را که ممکن است حاکی از سابقه‌برداری سر هم بندی شده یا اشکالات بدتری باشند، مشخص کنند.

آنها چنین مسائلی را در مکان‌هایی مانند PubPeer که یک مجمع آنلاین است مطرح می‌کنند جایی که هر روز پیام های جدیدی درباره این نگرانی‌ها منتشر می شود. برخی از این تلاش ها به اقداماتی هم منجر شده است. برای مثال ماه گذشته موسسه سرطان «دانا فاربر» در بوستون ماساچوست اعلام کرد که از نشریات می خواهد برخی مقالات را بازگردانند یا تصحیح کنند. این مطلب پس از آن اعلام شد که یک ناظر نگرانی‌هایی درباره تصاویر مندرج در این مقالات مطرح کرده بود.

تصاویر مشکوک و مورد تردید شامل استفاده از داده‌های یکسان در چندین نمودار و تکرار تصاویر یا بخشهایی از تصاویر و همچنین حذف یا ویرایش (splicing ) تصاویر می شود. برخی از این اشتباهات ممکن است غیرعمدی و مثلا برای زیبا کردن مقالات باشد، اما کارشناسان میگویند همین اشتباهات هم می تواند برای یکپارچگی علمی زیانبار باشد.

تعداد دقیق چنین مواردی نامشخص است . یک پایگاه داده در وبسایت دیدبان مقالات مرجوعی (Retraction Watch) بیش از 51 هزار مقاله مرجوعی را مستند و فهرست کرده است. از این میان حدود چهار درصد مربوط به نگرانی‌های مربوط به تصاویر است. در این حال برخی از نشریات از جمله «نشریه علم سلول»، «پلوس بیولوژی» و «پلوس وان» به منظور کاهش انتشار تصاویر نادست دستکاری شده (mishandled ) درخواست می کنند که مولفان مقالات تصاویر خام را نیز علاوه بر تصاویر برش داده (کراپ) شده یا پردازش شده ارائه دهند.

بسیاری از نشریات همچنین از ابزارهای مبتنی بر هوش مصنوعی از جمله ImageTwin،imaCheck و Proofig برای بررسی‌های پیش از انتشار مقالات استفاده می کنند. این سیستم‌های هوش مصنوهی برای مثال به سرعت تصاویر تکراری درون مقاله را شناسایی می‌کنند حتی اگر آن تصاویر چرخیده، کشیده، بریده (کراپ) شده یا رنگشان تغییر کرده باشد.

با این حال این سیستم های هوش مصنوعی مهارت کمتری برای شناسایی دستکاری‌های پیچیده‌تر یا جعلیات ساخته هوش مصنوعی دارند. به گفته محققان، این ابزارهای موجود تنها نوک کوه یخ را نشان می دهند و رویکردهای کنونی بزودی کاملا منسوخ خواهند شد. در نهایت، از میان بردن دستکاری در تصاویر مستلزم تغییرات پیچیده‌ای در زمینه چگونگی انجام کارهای علمی خواهد بود؛ بطوری که تمرکز بیشتری بر دقت زیاد (rigor ) و قابلیت تکثیر (reproducibility) و تبعات رفتارهای بد قرار گیرد.