Improving machine learning-based paper mill detection in cancer research using full text, image and citation data
यह अध्ययन प्रदर्शित करता है कि कैंसर अनुसंधान में पेपर मिल डिटेक्शन के लिए मशीन लर्निंग-आधारित क्षमताओं को शीर्षक और सार (एब्स्ट्रैक्ट) की जानकारी के साथ पूर्ण-पाठ, उद्धरण और छवि डेटा को एकीकृत करके बढ़ाना मॉडल की सटीकता में महत्वपूर्ण सुधार करता है, जिससे आंतरिक सत्यापन पर 98.2% और बाहरी सत्यापन पर 96.4% तक की उपलब्धि प्राप्त होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
वैज्ञानिक ज्ञान के विशाल पुस्तकालय में, जहाँ शोधकर्ता अपने पूर्ववर्तियों के कंधों पर खड़े होकर नई खोजों का निर्माण करते हैं, वहाँ एक खतरनाक छाया मौजूद है: पेपर मिल। ये ईमानदार गलतियों की छोटी कार्यशालाएं नहीं हैं, बल्कि संगठित संचालन हैं जो फर्जी शोध पत्र तैयार करते हैं और भुगतान करने के इच्छुक किसी भी व्यक्ति को लेखक के रूप में सूचीबद्ध होने का अधिकार बेचते हैं। वे जो नुकसान पहुँचाते हैं वह गहरा है, विशेष रूपकर कैंसर अनुसंधान के क्षेत्र में। जब एक वैज्ञानिक किसी बीमारी के इलाज की कोशिश करता है, तो वे अपने अगले कदमों का मार्गदर्शन करने के लिए प्रकाशित अध्ययनों के डेटा पर भरोसा करते हैं। यदि वह डेटा किसी पेपर मिल द्वारा गढ़ा गया है, तो वैज्ञानिक एक काल्पनिक साये (घोस्ट) का पीछा करने में वर्षों का समय और लाखों डॉलर बर्बाद कर देता है, जबकि मरीज जोखिम में बने रहते हैं। वर्षों से, वैज्ञानिक समुदाय इन फर्जी कागजों को प्रकाशित होने से पहले पकड़ने के लिए संघर्ष कर रहा है, और अक्सर धोखाधड़ी को पहचानने के लिए केवल एक शोध पत्र के शीर्षक और संक्षिप्त सारांश पर निर्भर रहता है। लेकिन जैसे-जैसे जालसाज अधिक कुशल होते जा रहे हैं, उनके द्वारा लिखे गए सारांश वास्तविक चीज़ों से अलग पहचानना कठिन होता जा रहा है।
एक हालिया अध्ययन यह देखने के लिए किया गया कि क्या शोध पत्र में गहराई से झांकने से इन जालसाजों को पकड़ा जा सकता है। शोधकर्ताओं ने एक सरल प्रश्न पूछा: यदि हम एक शोध पत्र के पूरे स्वरूप को देखें, जिसमें इसके विस्तृत तरीके (मेथड्स), इसके परिणाम, इसके प्रयोगों के चित्र और इसके द्वारा उद्धृत अन्य पत्रों की सूची शामिल है, तो क्या हम केवल शीर्षक और सारांश को पढ़कर बेहतर तरीके से धोखाधड़ी को पकड़ सकते हैं? इसका उत्तर देने के लिए, उन्होंने एक कंप्यूटर प्रणाली बनाई जिसे पेपर मिल के सूक्ष्म पदचिह्नों (फिंगरप्रिंट्स) को पहचानने के लिए प्रशिक्षित किया गया था। उन्होंने ज्ञात फर्जी कागजों का एक विशाल संग्रह एकत्र किया, जिन्हें विशेषज्ञों द्वारा पहले ही चिह्नित किया जा चुका था, और उन्हें कैंसर के वास्तविक, उच्च-गुणवत्ता वाले अध्ययनों के एक बड़े समूह के साथ जोड़ा। फिर टीम ने इस डेटा को एक मशीन लर्निंग सिस्टम में डाला, जो एक प्रकार का कृत्रिम बुद्धिमत्ता (AI) है जो उदाहरणों द्वारा पैटर्न सीखता है। उन्होंने इस प्रणाली का तीन अलग-अलग तरीकों से परीक्षण किया: पहला, केवल शीर्षक और सारांश देकर; दूसरा, विधियों और परिणामों के पूर्ण पाठ (फुल टेक्स्ट) को देकर; और तीसरा, प्रयोगों में उपयोग किए गए वास्तविक चित्रों को दिखाकर। अंत में, उन्होंने इन सभी सुरागों को एक शक्तिशाली डिटेक्टर में संयोजित किया।
परिणामों ने दिखाया कि पूरी तस्वीर देखना एक महत्वपूर्ण अंतर पैदा करता है। जब कंप्यूटर केवल शीर्षक और सारांश तक सीमित था, तो इसने अच्छा प्रदर्शन किया, और एक नए, अनदेखे परीक्षण समूह में लगभग 91.5 प्रतिशत फर्जी कागजों की सही पहचान की। यह उन पिछले उपकरणों के प्रदर्शन के समान था जो केवल संक्षिप्त सारांशों पर निर्भर थे। हालाँकि, जब शोधकर्ताओं ने शोध पत्र के पूर्ण पाठ को जोड़ा, विशेष रूप से उन अनुभागों को जिनमें प्रयोग कैसे किए गए थे और उनके परिणाम क्या थे, तो सिस्टम की सटीकता में सुधार हुआ। यह अधिक फर्जी कागजों को पकड़ने में सफल रहा, और नए परीक्षण समूह पर 92.1 प्रतिशत की सटीकता तक पहुँच गया। पूर्ण पाठ ने उन पैटर्नों को उजागर किया जो संक्षिप्त सारांश चूक गए थे, जैसे कि पुनर्चक्रित (रीसायकल) प्रायोगिक प्रोटोकॉल या सामग्रियों के ऐसे क्रम जिनका कोई अर्थ नहीं निकलता, जो पेपर मिलों द्वारा उपयोग की जाने वाली सामान्य चालें हैं।
अध्ययन ने यह भी परीक्षण किया कि क्या शोध पत्रों में मौजूद चित्र मदद कर सकते हैं। कंप्यूटर को चित्रों और चार्टों को देखने के लिए प्रशिक्षित किया गया था ताकि यह देखा जा सके कि क्या वे हेरफेर किए गए या संदिग्ध दिखते हैं। हालाँकि यह तरीका यादृच्छिक अनुमान (रैंडम गेसिंग) से बेहतर काम कर गया, लेकिन यह पाठ-आधारित (टेक्स्ट-आधारित) उपकरणों जितना विश्वसनीय नहीं था। इमेज डिटेक्टर ने नए परीक्षण समूह में लगभग 76 प्रतिशत फर्जी कागजों की सही पहचान की, लेकिन यह पाठ-आधारित उपकरणों की तुलना में अधिक संघर्ष करता रहा। यह वास्तविक कागजों को पहचानने में विशेष रूप से अच्छा था, लेकिन इसने कई फर्जी कागजों को छोड़ दिया। यह सुझाव देता है कि जबकि फर्जी चित्र एक चेतावनी संकेत हैं, शोध पत्र के शब्द एक स्पष्ट कहानी बताते हैं। शोधकर्ताओं ने संदर्भों की सूची को भी देखा, यह जाँचते हुए कि क्या किसी पत्र ने अन्य ज्ञात फर्जी पत्रों को उद्धृत किया है। यह सुराग उपयोगी था, लेकिन यह सबसे कम शक्तिशाली संकेत था, संभवतः इसलिए क्योंकि ज्ञात फर्जी कागजों की सूची अभी तक हर संबंध को पकड़ने के लिए पर्याप्त पूर्ण नहीं है।
सबसे शक्तिशाली उपकरण तब उभरा जब शोधकर्ताओं ने सभी उपलब्ध जानकारी को संयोजित किया। उन्होंने टेक्स्ट रीडर, इमेज व्यूअर और रेफरेंस चेकर के स्कोर को लिया और उन्हें एक एकल निर्णय में विलीन कर दिया। यह फ्यूज्ड मॉडल, जिसने पूर्ण पाठ, छवियों और उद्धरणों को एक साथ विचार में लिया, ने परीक्षण किए गए किसी भी सिस्टम की उच्चतम सटीकता प्राप्त की। नए, अनदेखे परीक्षण समूह पर, इसने 96.4 प्रतिशत फर्जी कागजों की सही पहचान की। यह एकल प्रकार के सुराग पर निर्भर पुराने तरीकों की तुलना में एक स्पष्ट सुधार था। अध्ययन सुझाव देता है कि जैसे-जैसे पेपर मिलें अधिक परिष्कृत होती जा रही हैं, उन्हें रोकने का एकमात्र तरीका एक ऐसी प्रणाली का उपयोग करना है जो दस्तावेज़ के प्रत्येक भाग को देखती है। जिस तरह एक मानव संपादक एक शोध पत्र को पढ़ सकता है, फोटो की जांच कर सकता है और गुणवत्ता सुनिश्चित करने के लिए स्रोतों को सत्यापित कर सकता है, अब कंप्यूटर भी वही करता है, लेकिन ऐसी गति और पैमाने पर जिसे कोई मानव नहीं छू सकता। निष्कर्ष बताते हैं कि वैज्ञानिक अखंडता की रक्षा करने का भविष्य इन व्यापक, बहु-स्तरीय जाँचों में निहित है, जिससे यह सुनिश्चित होता है कि कैंसर अनुसंधान की नींव ठोस और विश्वसनीय बनी रहे।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।