Drastic changes in collaboration networks and publication patterns in research using the CDC WONDER dataset
Diese Studie offenbart einen dramatischen Anstieg der Publikationen im CDC WONDER-Datensatz, der durch ein Netzwerk von Forschern, primär aus Pakistan, vorangetrieben wird, die wahrscheinlich qualitativ minderwertige, schablonenbasierte Arbeiten produzieren, um den Anforderungen der medizinischen Facharztweiterbildung gerecht zu werden, was die dringende Notwendigkeit eines proaktiven redaktionellen Screenings und verbesserter Fähigkeiten zur kritischen Bewertung hervorhebt, um die wissenschaftliche Integritität vor massenproduzierter Forschung zu schützen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt der wissenschaftlichen Forschung als eine riesige, öffentliche Bibliothek vor. Seit Jahren können Forscher hineingehen und die massiven, kostenlosen Nachschlagewerke der Bibliothek (Open Data) nutzen, um ihre eigenen Geschichten (Forschungspapiere) zu schreiben. Dies sollte eigentlich eine gute Sache sein, um allen zu helfen, zu lernen und neue Dinge zu entdecken.
Dieses Paper beschreibt jedoch, wie ein spezifischer Bereich dieser Bibliothek – der CDC WONDER-Datensatz (eine riesige Sammlung von US-Gesundheitsstatistiken) – vor kurzem von einer „Fabrik“ minderwertiger Geschichten überrannt wurde.
Hier ist die Aufschlüsselung dessen, was die Autoren gefunden haben, unter Verwendung einfacher Analogien:
1. Die „Fast-Food“-Fabrik
Die Autoren bemerkten, dass mit Beginn des Jahres 2023 die Zahl der Arbeiten, die diesen spezifischen Datensatz verwenden, explodierte. Es stieg von einem stetigen Strom von 88 Papieren pro Jahr zu einer Flut von über 1.200 in nur wenigen Jahren an.
Sie glauben, dass dies nicht nur ein plötzlicher Anstieg des Interesses ist; es sieht aus wie eine Fließbandfertigung in einer Fabrik.
- Die Vorlage: Anstatt dass jeder Autor eine einzigartige Geschichte entwirft, verwenden sie eine „Ausstechform“. Alle Titel klingen gleich (z. B. „Trends und Disparitäten in [Krankheit]...“), sie verwenden exakt dieselbe Computer-Software, um die Zahlen zu berechnen, und sie kopieren sogar denselben Absatz über die „Einschränkungen“ am Ende des Papers.
- Die Zutaten: Sie nehmen dieselben öffentlichen Zutaten (die CDC-Daten) und servieren tausende fast identische Gerichte.
2. Das „Geister“-Netzwerk
Normalerweise haben Wissenschaftler, wenn sie zusammenarbeiten, ein natürliches Geflecht von Verbindungen. Aber hier fanden die Autoren ein seltsames Muster in dem, wer diese Papiere schreibt:
- Die „Super-Gruppe“: Viele dieser Arbeiten haben riesige Teams – manchmal 15, 20 oder sogar 31 Autoren.
- Das Muster: Ein typisches Paper sieht so aus: Eine große Gruppe von Autoren aus Pakistan und Indien arbeitet mit nur ein oder zwei Autoren aus dem Vereinigten Königreich oder den USA zusammen.
- Der Verdacht: Die Autoren vermuten, dass dies ein „Pay-to-Play“- oder „Geschenk“-System sein könnte. Es ist, als würde man einen Platz in einem Team kaufen, um den eigenen Namen beeindruckender aussehen zu lassen, oder vielleicht werden junge Ärzte durch einen „Kurs“ gehetzt, bei dem sie gezwungen sind, massenhaft Paper zu produzieren, um beruflich voranzukommen. Die Verbindungen zwischen diesen Gruppen wirken künstlich, wie ein Netzwerk von Menschen, die sich nur einmal treffen, um ein Papier zu unterzeichnen, und dann nie wieder zusammenarbeiten.
3. Der „Zauberstab“ (KI)
Das Paper legt nahe, dass Generative KI der „Zauberstab“ ist, der dies ermöglicht. Genau wie ein Zauberspruch augenblicklich ein Buch schreiben kann, helfen KI-Tools diesen „Fabriken“ wahrscheinlich dabei, die Daten zu analysen und die Manuskripte unglaublich schnell zu schreiben. Dies ermöglicht es ihnen, Forschungsmaterial in Massen zu produzieren, das an der Oberfläche professionell aussieht, aber kaum echte Tiefe oder neue Entdeckungen bietet.
4. Warum das ein Problem ist
Die Autoren vergleichen dies mit dem Überfluten eines Flusses.
- Gute Erkenntnisse ertränken: Wenn der Fluss mit tausenden minderwertigen, repetitiven Papieren gefüllt ist, wird es unmöglich, die wenigen, wirklich wichtigen Entdeckungen zu finden.
- Das Vertrauen in das Wasser: Wenn die Menschen merken, dass das Wasser (die Daten) dazu verwendet wird, gefälschte oder minderwertige Produkte herzustellen, könnten sie aufhören, der Bibliothek überhaupt zu vertrauen.
- Der Engpass der Peer-Review: Stellen Sie sich einen Torwächter an der Bibliothek vor, der versucht, jeden einzelnen Eintrag zu prüfen. Mit dieser Flut von „Schnellproduktion“-Papieren sind die Torwächter (Journal-Editoren und Reviewer) überfordert und lassen möglicherweise versehentlich das schlechte Material durch.
5. Der vorgeschlagene Lösungsansatz
Die Autoren sagen nicht, dass wir die Bibliothek schließen sollten. Stattdessen schlagen sie vor:
- Besseres Gatekeeping: Editoren müssen lernen, diese „Fließband“-Papiere schnell zu erkennen und abzulehnen, bevor sie veröffentlicht werden.
- Bildung: Forscher müssen darin geschult werden, schlechte Wissenschaft zu erkennen, und verstehen müssen, dass die Tatsache, dass Daten kostenlos sind, nicht bedeutet, dass man sie nutzen sollte, um minderwertige Arbeit nur zur Produktion von Publikationen zu verrichten.
Kurz gesagt: Das Paper argumentt, dass eine bestimmte Gruppe von Forschern KI und einen „Fabrik“-Ansatz nutzt, um unter Verwendung öffentlicher US-Gesundheitsdaten massenhaft täuschend echt aussehende Wissenschaft zu produzieren, was oft seltsame internationale Teamkonstellationen beinhaltet und die Qualität sowie das Vertrauen in die medizinische Forschung gefährdet.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.