AI-generated Academic Publications and Research Integrity: A Cross-National Analysis of Trends, Detection Methods, and Policy Responses (India vs. Global Standards, 2020-2026)

अकादमिक अनुसंधान की शांत और कठोर दुनिया में, विश्वास की नींव एक सरल वादे पर टिकी है: कि प्रकाशित शोध पत्र में जो शब्द हैं, वे उसी मानव मस्तिष्क द्वारा लिखे गए हैं जो उन पर दावा करता है। सदियों से, यह प्रणाली सहकर्मी समीक्षा (पीयर रिव्यू) पर निर्भर रही है, जहाँ विशेषज्ञ दूसरों के काम की जाँच करते हैं ताकि यह सुनिश्चित किया जा सके कि वह ईमानदार और मौलिक है। हालाँकि, एक नई तकनीक आई है जो इस वादे को चुनौती दे रही है। लार्ज लैंग्वेज मॉडल्स (LLMs) ऐसे कंप्यूटर प्रोग्राम हैं जो प्रवाहपूर्ण, विश्वसनीय पाठ उत्पन्न करने में सक्षम हैं जो मानवीय लेखन जैसा दिखता और सुनाई देता है। ये उपकरण मिनटों में पूरे शोध पत्र का मसौदा तैयार कर सकते हैं। साथ ही, एक नए प्रकार के सॉफ्टवेयर का उदय हुआ है जिसे इन मशीन-लिखित ग्रंथों को छिपाने के लिए डिज़ाइन किया गया है, जो छोटे दोषों और विविधताओं को जोड़कर उन्हें और भी अधिक मानवीय बनाता है। यह वैज्ञानिक समुदाय के लिए एक कठिन स्थिति पैदा करता है। यदि एक शोध पत्र कंप्यूटर द्वारा लिखा गया है लेकिन उसे इस तरह प्रस्तुत किया जाता है जैसे कि वह किसी व्यक्ति द्वारा लिखा गया हो, तो यह मानव ज्ञान के रिकॉर्ड को प्रदूषित करता है। यह केवल कदाचार का मामला नहीं है; यह उन चिकित्सा उपचारों, इंजीनियरिंग मानकों और नीतिगत निर्णयों की विश्वसनीयता के लिए खतरा है जो सटीक डेटा पर निर्भर करते हैं। आज वैज्ञानिकों के सामने मूल प्रश्न यह नहीं है कि क्या ऐसा हो रहा है, बल्कि यह है कि यह कितना व्यापक हो गया है, और क्या हमारे पास मौजूद नियम और उपकरण इसे रोकने के लिए पर्याप्त हैं।

पी.पी. सवनी विश्वविद्यालय के जनिष भगत द्वारा किया गया एक हालिया अध्ययन इन प्रश्नों का उत्तर देने के लिए इन रुझानों के पीछे के आंकड़ों की जांच करता है। यह शोध 2020 और 2026 के बीच वैश्विक पैटर्न के साथ भारत की तुलना करता है, जो इन लेखन उपकरणों के तीव्र उदय का काल रहा है। लेखक ने कई स्रोतों से डेटा एकत्र किया, जिसमें वापस लिए गए (रिट्रैक्टेड) शोध पत्रों के डेटाबेस, कंप्यूटर जनित सामग्री के संकेतों के लिए जर्नल सबमिशन की स्क्रीनिंग करने वाले अध्ययन, और विश्वविद्यालय नीतियों के सर्वेक्षण शामिल हैं। उन्होंने पाया कि पता लगाने योग्य कंप्यूटर-जनित सामग्री वाले पांडुलिपि सबमिशन की संख्या में विस्फोट हुआ है। वैश्विक स्तर पर, छह साल की इस अवधि में यह संख्या लगभग 2,850 प्रतिशत बढ़ी है। भारत में, यह वृद्धि और भी तीव्र थी, जो 3,100 प्रतिशत से अधिक रही। इसका मतलब यह नहीं है कि भारत का हर पेपर फर्जी है, लेकिन यह संकेत देता है कि पांडुलिपि बनाने के लिए इन उपकरणों का उपयोग वहां विश्व औसत की तुलना में अधिक तेजी से बढ़ रहा है। अध्ययन का सुझाव है कि यह कारकों के संयोजन से प्रेरित है: एक तेजी से विस्तार होता अनुसंधान समुदाय, प्रकाशन का तीव्र दबाव, और अकादमिक गद्य लिखने में सक्षम उपकरणों की बढ़ती उपलब्धता।

शोधकर्ताओं ने फिर यह देखा कि वास्तव में जर्नल्स को भेजे जाने वाले शोध पत्रों में ये कंप्यूटर-जनित पेपर कितने सामान्य हैं। उनका विश्लेषण बताता है कि दुनिया भर में लगभग 18 प्रतिशत और भारत में 21 प्रतिशत सबमिशन में ऐसे लक्षण मिलते हैं जो संकेत देते हैं कि वे कृत्रिम बुद्धिमत्ता (AI) द्वारा लिखे गए या उससे अत्यधिक सहायता प्राप्त किए गए हैं। यह एक महत्वपूर्ण हिस्सा है, जो कुछ अलग-थलग मामलों से कहीं अधिक बड़ा है। अध्ययन ने यह भी जांचा कि क्या कुछ क्षेत्र दूसरों की तुलना में अधिक प्रभावित हैं। इसने पाया कि कंप्यूटर विज्ञान और चिकित्सा जैसे तकनीकी विषयों में पता लगाने की दर अधिक है, जिसका कारण संभवतः यह है कि ये क्षेत्र दोनों उच्च-दबाव वाले हैं और उस प्रकार की भाषा पर अत्यधिक निर्भर हैं जिसे ये उपकरण अच्छी तरह से उत्पन्न करते हैं। हालाँकि, समस्या केवल एक प्रकार के अनुसंधान तक सीमित नहीं है; यह सामाजिक विज्ञान और इंजीनियरिंग में भी दिखाई देती है।

अध्ययन का एक प्रमुख हिस्सा इन शोध पत्रों को पकड़ने के लिए उपयोग किए जाने वाले उपकरणों पर केंद्रित था। लेखक ने विभिन्न पहचान विधियों का परीक्षण किया, जिसमें असामान्य शब्द पैटर्न खोजने वाले सॉफ्टवेयर और पाठ की भविष्यवाणी करने की क्षमता को मापने वाला सांख्यिकीय विश्लेषण शामिल है। उन्होंने पाया कि कोई भी एकल विधि पूर्ण नहीं है। जब एक पेपर सीधे कंप्यूटर द्वारा लिखा जाता है, तो पहचान उपकरण 62 से 78 प्रतिशत बार इसे सही ढंग से पहचान सकते हैं। हालाँकि, स्थिति बदल जाती है जब टेक्स्ट को "ह्यूमनाइज़र" (humanizer) सॉफ्टवेयर के माध्यम से चलाया जाता है, जिसे डिटेक्टरों को धोखा देने के लिए डिज़ाइन किया गया है। इन मामलों में, एकल-विधि डिटेक्टरों की सटीकता काफी कम हो जाती है। अध्ययन निष्कर्ष निकालता है कि सबसे प्रभावी दृष्टिकोण कई अलग-अलग विधियों को मिलाना है—भाषाई पैटर्न, सांख्यिकीय विसंगतियों और सूचना के स्रोत को सत्यापित करने की जाँच करना। इस संयुक्त दृष्टिकोण के साथ भी, उपकरण अभी भी छिपे हुए कंटेंट के एक हिस्से को मिस कर देते हैं, जिसका अर्थ है कि धोखाधड़ी और पहचान के बीच का संघर्ष जारी है।

पत्र ने यह भी जांचा कि विश्वविद्यालय इस चुनौती के प्रति कैसे प्रतिक्रिया दे रहे हैं। शोधकर्ताओं ने 100 भारतीय विश्वविद्यालयों का सर्वेक्षण किया और उनकी नीतियों की तुलना 50 अग्रणी वैश्विक संस्थानों के साथ की। उन्होंने एक महत्वपूर्ण अंतर पाया। केवल 34 प्रतिशत भारतीय विश्वविद्यालयों के पास एक औपचारिक नीति है जो स्पष्ट रूप से अनुसंधान में कृत्रिम बुद्धिमत्ता के उपयोग को संबोधित करती है। इसके विपरीत, वैश्विक नमूने के 67 प्रतिशत संस्थानों में ऐसी नीतियां थीं। इसके अलावा, भारत में मौजूद नीतियां सख्त निषेध की ओर झुकी हुई हैं, जो इन उपकरणों के उपयोग पर पूरी तरह से प्रतिबंध लगाती हैं। वैश्विक स्तर पर, कई संस्थान एक अलग दृष्टिकोण की ओर बढ़ रहे हैं: एआई के उपयोग की अनुमति देना जब तक कि लेखक इसका स्पष्ट रूप से खुलासा करे। अध्ययन का तर्क है कि सख्त प्रतिबंध अक्सर इस व्यवहार को गुप्त बना देते हैं, जिससे इसे पकड़ना कठिन हो जाता है, जबकि पारदर्शिता की नीति जवाबदेही की एक प्रणाली बनाती है। यदि एक शोधकर्ता उपकरण के उपयोग को स्वीकार करता है, तो उसका मूल्यांकन इस आधार पर किया जा सकता है कि उसने इसका उपयोग कैसे किया; यदि वह इसे छिपाता है, तो वह धोखाधड़ी कर रहा है।

इन निष्कर्षों के आधार पर, लेखक अनुसंधान की अखंडता को बाधित किए बिना व्यावहारिक कदम उठाने का प्रस्ताव देते हैं। वे सुझाव देते हैं कि विश्वविद्यालयों को स्पष्ट नियम अपनाने चाहिए जो साधारण प्रतिबंधों के बजाय प्रकटीकरण (डिस्क्लोजर) की आवश्यकता रखते हों। यह शोधकर्ताओं को सहायक उपकरणों का उपयोग करने की अनुमति देता है जबकि उनके तरीकों के बारे में ईमानदारी बनाए रखता है। वे यह भी अनुशंसा करते हैं कि संस्थान सबमिशन की स्क्रीनिंग के लिए बहु-विधि पहचान प्रणालियों में निवेश करें, यह स्वीकार करते हुए कि हालांकि कोई भी उपकरण पूर्ण नहीं है, लेकिन जांचों का संयोजन किसी भी एक जांच से बेहतर है। अंत में, अध्ययन इस बात पर जोर देता है कि शिक्षा अत्यंत महत्वपूर्ण है। कई शोधकर्ताओं को शायद यह एहसास न हो कि बिना खुलासा किए इन उपकरणों का उपयोग करना नैतिकता का उल्लंघन है। शोधकर्ताओं को जिम्मेदार उपयोग पर प्रशिक्षित करके और कदाचार के लिए स्पष्ट, सुसंगत परिणाम स्थापित करके, वैज्ञानिक समुदाय इस नई वास्तविकता को प्रबंधित कर सकता है। अध्ययन का निष्कर्ष है कि यह नैतिक पतन का संकट नहीं है, बल्कि एक प्रबंधन चुनौती है। डेटा दिखाता है कि समस्या वास्तविक और बढ़ती जा रही है, लेकिन साक्ष्य-आधारित नीतियों और ईमानदार पहचान के साथ, वैज्ञानिक साहित्य की अखंडता को संरक्षित किया जा सकता है।