💻 علوم الحاسوب

Improving machine learning-based paper mill detection in cancer research using full text, image and citation data

تُظهر هذه الدراسة أن تعزيز الكشف عن مصانع الأوراق البحثية القائمة على تعلم الآلة في أبحاث السرطان من خلال دمج بيانات النص الكامل والاستشهادات والصور مع معلومات العنوان والملخص يحسن دقة النموذج بشكل كبير، محققاً ما يصل إلى 98.2% في التحقق الداخلي و96.4% في التحقق الخارجي.

المؤلفون الأصليون: Arjun Mukherjee¹

نُشر 2026-10-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Arjun Mukherjee¹

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في المكتبة الشاسعة للمعرفة العلمية، حيث يبني الباحثون اكتشافات جديدة على أكتاف من سبقوهم، يوجد ظل خطير: "مصنع الأوراق البحثية" (paper mill). هذه ليست مجرد ورش عمل صغيرة ناتجة عن أخطاء غير مقصودة، بل هي عمليات منظمة تصنع أوراقاً بحثية مزيفة وتبيع الحق في إدراج الاسم كـمؤلف لأي شخص مستعد للدفع. إن الضرر الذي تسببه عميق، لا سيما في مجال أبحاث السرطان. فعندما يحاول عالم علاج مرض ما، فإنه يعتمد على البيانات الواردة في الدراسات المنشورة لتوجيه خطواته التالية. وإذا كانت تلك البيانات مفبركة من قبل مصنع أوراق، فإن العالم يهدر سنوات من الوقت وملايين الدولارات في مطاردة سراب، بينما يظل المرضى عرضة للخطر. لسنوات طويلة، كافح المجتمع العلمي للعثور على هذه التزييفات قبل نشرها، معتمداً في كثير من الأحيان على العنوان والملخص القصير للورقة البحثية لرصد الاحتيال. ولكن مع زيادة مهارة المزورين، أصبحت الملخصات التي يكتبونها أصعب في التمييز عن الحقيقة.

وضعت دراسة حديثة هدفاً لمعرفة ما إذا كان النظر بعمق أكبر في الورقة البحثية يمكن أن يكشف هؤلاء المزورين. طرح الباحثون سؤالاً بسيطاً: إذا نظرنا إلى متن الورقة البحثية بالكامل، بما في ذلك طرقها التفصيلية، ونتائجها، وصور تجاربها، وقائمة الأوراق الأخرى التي تستشهد بها، فهل يمكننا رصد الاحتيال بشكل أفضل من مجرد قراءة العنوان والملخص؟ وللإجابة على ذلك، قاموا ببناء نظام حاسوبي مدرب على التعرف على البصمات الخفية لمصانع الأوراق البحثية. لقد جمعوا مجموعة ضخمة من الأوراق المزيفة المعروفة، والتي حددها خبراء سبق لهم رصدها، ودمجوها مع مجموعة كبيرة من دراسات السرطان الحقيقية وعالية الجودة. ثم قام الفريق بتغذية هذه البيانات في نظام تعلم آلي، وهو نوع من الذكاء الاصطناعي الذي يتعلم الأنماط من خلال الأمثلة. واختبروا النظام بثلاث طرق مختلفة: أولاً، عبر إعطائه العنوان والملخص فقط؛ ثانياً، عبر إعطائه النص الكامل لأقسام المنهجية والنتائج؛ وثالثاً، عبر إظهار الصور الفعلية المستخدمة في التجارب. وأخيراً، دمجوا كل هذه القرائن في كاشف واحد قوي.

أظهرت النتائج أن النظر إلى الصورة الكاملة يحدث فرقاً جوهرياً. فعندما اقتصر الحاسوب على العنوان والملخص فقط، كان أداؤه جيداً، حيث حدد بشكل صحيح حوالي 91.5 بالمائة من الأوراق المزيفة في مجموعة اختبار جديدة لم يسبق له رؤيتها. وهذا طابق أداء الأدوات السابقة التي اعتمدت فقط على الملخصات القصيرة. ومع ذلك، عندما أضاف الباحثون النص الكامل للورقة، وتحديداً الأقسام التي تصف كيفية إجراء التجارب وما كانت عليه النتائج، تحسنت دقة النظام. فقد بدأ في ضبط المزيد من التزييفات، ليصل إلى دقة بلغت 92.1 بالمائة في مجموعة الاختبار الجديدة. فقد كشف النص الكامل عن أنماط فاتتها الملخصات القصيرة، مثل بروتوكولات التجارب المعاد تدويرها أو تسلسلات المكونات التي لا تبدو منطقية، وهي حيل شائعة يستخدمها مصنعو الأوراق.

اختبرت الدراسة أيضاً ما إذا كانت الصور الموجودة في الأوراق يمكن أن تساعد. فقد تم تدريب الحاسوب على فحص الأشكال والمخططات ليرى ما إذا كانت تبدو متلاعباً بها أو مشبوهة. وبينما نجحت هذه الطريقة بشكل أفضل من التخمين العشوائي، إلا أنها لم تكن بموثوقية النصوص. فقد حدد كاشف الصور بشكل صحيح حوالي 76 بالمائة من الأوراق المزيفة في مجموعة الاختبار الجديدة، لكنه عانى أكثر من الأدوات القائمة على النصوص؛ حيث كان جيداً بشكل خاص في رصد الأوراق الحقيقية، لكنه أخطأ في الكثير من الأوراق المزيفة. وهذا يشير إلى أنه رغم كون الصور المزيفة علامة تحذير، إلا أن كلمات الورقة تروي قصة أكثر وضوحاً. كما نظر الباحثون في قائمة المراجع، للتحقق مما إذا كانت الورقة تستشهد بأوراق مزيفة أخرى معروفة. كانت هذه القرينة مفيدة، لكنها كانت الإشارة الأقل قوة على الإطلاق، ويرجع ذلك على الأرجى إلى أن قائمة الأوراق المزيفة المعروفة ليست مكتملة بعد بما يكفي لرصد كل الروابط.

وقد ظهرت الأداة الأكثر قوة عندما دمج الباحثون جميع المعلومات المتاحة. فقد أخذوا الدرجات من قارئ النصوص، ومشاهد الصور، وفاحص المراجع ودمجوها في قرار واحد. حقق هذا النموذج المدمج، الذي أخذ في الاعتبار النص الكامل والصور والاستشهادات جميعها في آن واحد، أعلى دقة لأي نظام تم اختباره. ففي مجموعة الاختبار الجديدة التي لم تُشاهد من قبل، حدد بشكل صحيح 96.4 بالمائة من الأوراق المزيفة. وكان هذا تحسناً واضحاً عن الطرق القديمة التي اعتمدت على نوع واحد من القرائن. تشير الدراسة إلى أنه مع زيادة تطور مصانع الأوراق، فإن السبيل الوحيد لإيقافها هو استخدام نظام ينظر في كل جزء من المستند. تماماً كما قد يقرأ محرر بشري ورقة بحثية، ويفحص الصور، ويتحقق من المصادر لضمان الجودة، يقوم الحاسوب الآن بنفس الشيء، ولكن بسرعة ونطاق لا يمكن لأي بشر مضاهاتهما. وتشير النتائج إلى أن مستقبل حماية النزاهة العلمية يكمن في هذه الفحوصات الشاملة والمتعددة الطبقات، لضمان بقاء أساس أبحاث السرطان صلباً وجديراً بالثقة.

أبحاث مشابهة