The Invisible Infrastructure of Biomedical Research: An Exploratory Analysis of Software Mentions and Sentence-Level Citation Marking
बायोमेडिकल शोध पत्रों में लगभग 8,00,000 सॉफ्टवेयर उल्लेखों के इस खोजपूर्ण विश्लेषण से पता चलता है कि वाक्य-स्तरीय उद्धरण अंकन (sentence-level citation marking) आम तौर पर कम (10.7%) है और टूल के प्रकार के आधार पर काफी भिन्न होता है, जिसमें सांख्यिकीय पैकेज (statistical packages) सबसे कम बार उद्धृत किए जाते हैं, जो लक्षित नीतिगत हस्तक्षेपों और बेहतर सत्यापन विधियों की आवश्यकता को रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
आधुनिक विज्ञान काफी हद तक अदृश्य उपकरणों पर निर्भर है। जब एक जीवविज्ञानी डीएनए के एक स्ट्रैंड का अनुक्रम (sequence) बनाता है या एक सांख्यिकीविद एक विशाल डेटासेट का विश्लेषण करता है, तो वे केवल पेन और कागज का उपयोग नहीं कर रहे होते; वे जटिल कंप्यूटर प्रोग्राम चला रहे होते हैं। ये प्रोग्राम खोज के इंजन हैं, जो यह आकार देते हैं कि शोधकर्ता क्या निष्कर्ष निकाल सकते हैं और वे कितनी तेजी से काम कर सकते हैं। फिर भी, जिस प्रणाली का उपयोग वैज्ञानिक अपने काम को श्रेय देने के लिए करते हैं—अकादमिक उद्धरण (academic citation)—वह पुस्तकों और लेखों के लिए बनाई गई थी, सॉफ्टवेयर के लिए नहीं। जब एक शोधकर्ता अपने पेपर में किसी प्रोग्राम का उल्लेख करता है, तो वह अक्सर एक वाक्य में एक साधारण नाम के रूप में दिखाई देता है, जैसे कि कार्यस्थल पर रखा कोई उपकरण। क्योंकि इन नामों को शायद ही कभी किसी औपचारिक संदर्भ से जोड़ा जाता है, इसलिए सॉफ्टवेयर बनाने वाले लोगों को उनके श्रम के लिए कोई श्रेय नहीं मिल पाता है। मान्यता की यह कमी इन उपकरणों को चलाने के लिए आवश्यक समय और धन को उचित ठहराना कठिन बना देती है, और यह रिकॉर्ड में एक ऐसा अंतर छोड़ देती है जिससे दूसरों के लिए प्रयोगों को दोहराना कठिन हो जाता है।
अर्कांसस एट लिटिल रॉक विश्वविद्यालय के एमडी मोसाम बिल्ला द्वारा किया गया एक नया अध्ययन इस बात की जांच करता है कि वास्तव में यह कितनी बार होता है और क्या समस्या हर प्रकार के सॉफ्टवेयर के लिए समान है। शोधकर्ता ने 1980 और 2022 के बीच प्रकाशित लगभग 140,000 बायोमेडिकल अनुसंधान पत्रों के भीतर लगभग 800,000 सॉफ्टवेयर नामों के उल्लेखों को देखा। उन्होंने केवल यह नहीं गिना कि सॉफ्टवेयर का कितनी बार उल्लेख किया गया; उन्होंने वाक्यों को बारीकी से देखा कि क्या उल्लेख के साथ एक औपचारिक उद्धरण चिह्न (citation marker) था, जैसे कि कोष्ठक में संख्या या एक सुपरस्क्रिप्ट जो संदर्भ सूची की ओर संकेत करता हो। यह अंतर महत्वपूर्ण है क्योंकि एक वाक्य में तैरता हुआ नाम एक मानव पाठक के लिए दृश्यमान होता है लेकिन वैज्ञानिक प्रभाव को ट्रैक करने वाली स्वचालित प्रणालियों के लिए अदृश्य होता है।
शोधकर्ता ने पाया कि औपचारिक उद्धरण आश्चर्यजनक रूप से दुर्लभ है। पूरे संग्रहों में, केवल लगभग 11 प्रतिशत सॉफ्टवेयर उल्लेखों में ही उसी वाक्य में उद्धरण चिह्न मौजूद था। अधिकांश, लगभग 70 प्रतिशत, केवल पाठ में लिखे गए नग्न नाम थे। हालांकि, अध्ययन से पता चला कि यह निम्न दर सभी प्रकार के उपकरणों के लिए समान नहीं है। एक सॉफ्टवेयर टूल का उद्धृत होने की संभावना इस बात पर बहुत अधिक निर्भर करती है कि वह किस प्रकार का टूल है। मशीन-लर्निंग फ्रेमवर्क, जिनका उपयोग आर्टिफिशियल इंटेलिजेंस मॉडल को प्रशिक्षित करने के लिए किया जाता है, उनके उल्लेखों में से लगभग 18 प्रतिशत में उन्हें उद्धृत किया गया था। प्रोग्रामिंग भाषाओं को लगभग 16 प्रतिशत मामलों में उद्धृत किया गया था। इसके विपरीत, सामान्य प्रयोजन वाले सांख्यिकीय पैकेज (statistical packages), जो डेटा विश्लेषण के कार्यवाहक हैं, उन्हें केवल 2 प्रतिशत उल्लेखों में उद्धृत किया गया था। संदर्भ प्रबंधक (Reference managers), जो ग्रंथ सूची व्यवस्थित करने के लिए उपयोग किए जाने वाले उपकरण हैं, उन्हें केवल 1 प्रतिशत मामलों में उद्धृत किया गया था।
यह पैटर्न बताता है कि वैज्ञानिक सॉफ्टवेयर के बारे में जिस तरह से बात करते हैं, वह एक एकल, टूटी हुई आदत नहीं है, बल्कि उपकरण के आधार पर अलग-अलग परंपराओं का एक समूह है। सांख्यिकीय सॉफ्टवेयर को अक्सर मानक उपकरण के रूप में माना जाता है, जैसे कि सूक्ष्मदर्शी या टेस्ट ट्यूब, न कि एक अद्वितीय रचना के रूप में जिसे विशिष्ट श्रेय मिलना चाहिए। जब एक वैज्ञानिक कहता है कि उसने एक सांख्यिकीय पैकेज का उपयोग किया है, तो वह अक्सर एक पद्धतिगत परंपरा का पालन कर रहा होता है जिसमें उद्धरण की आवश्यकता नहीं होती है। इसके विपरीत, मशीन-लर्निंग फ्रेमवर्क के साथ अक्सर जुड़े शोध पत्र होते हैं जो टूल को उद्धृत करने के प्राथमिक तरीके माने जाते हैं, जिससे उच्च उद्धरण दर प्राप्त होती है। अध्ययन में यह भी पाया गया कि पाठ में टूल को नाम देने का तरीका इसके उद्धृत होने की संभावना को बदल देता है। यदि एक वाक्य में सॉफ्टवेयर का वेब लिंक शामिल है, तो इसकी औपचारिक उद्धरण होने की संभावना अधिक होती है। यदि वाक्य उस कंपनी या डेवलपर का नाम देता है जिसने सॉफ्टवेयर बनाया है, तो इसमें उद्धरण मिलने की संभावना बहुत कम हो जाती है, जिससे पता चलता है कि लेखक की दृष्टि में औपचारिक संदर्भ की आवश्यकता को अक्सर निर्माता का नाम देना ही प्रतिस्थापित कर देता है।
शोधकर्ता ने यह भी परीक्षण किया कि वर्तमान विधियाँ एक सॉफ्टवेयर नाम और एक नियमित शब्द जो संयोग से उसके जैसा दिखता है, के बीच अंतर करने में कितनी अच्छी हैं। कई सॉफ्टवेयर टूल्स के नाम सामान्य अंग्रेजी शब्द होते हैं, जैसे कि "star," "cluster," या "string।" अध्ययन में पाया गया कि ज्ञात सॉफ्टवेयर टूल्स की मानक सूचियों में इनमें से कोई भी संदिग्ध नाम नहीं था। जब शोधकर्ता ने "cluster" जैसे शब्द के सॉफ्टवेयर या केवल चीजों के समूह को संदर्भित करने के लिए आसपास के शब्दों पर आधारित सरल नियमों का उपयोग करने की कोशिश की, तो नियम मध्यम रूप से काम कर रहे थे लेकिन तकनीकी संदर्भ में अक्सर विफल रहे। यह एक महत्वपूर्ण चुनौती को उजागर करता है: सॉफ्टवेयर उल्लेखों को स्वचालित रूप से ट्रैक करने वाले उपकरण अभी तक मानवीय सहायता या उन्नत तकनीक के बिना सबसे सामान्य, संदिग्ध नामों को संभालने के लिए पर्याप्त अच्छे नहीं हैं।
अध्ययन निष्कर्ष निकालता है कि हालांकि सॉफ्टवेयर को कम उद्धृत करने की समस्या वास्तविक है, लेकिन यह केवल वैज्ञानिकों द्वारा श्रेय देने में भूल करने का मामला नहीं है। इसके बजाय, यह एक जटिल मुद्दा है जहाँ विभिन्न प्रकार के उपकरणों के साथ अलग-अलग नियम लागू होते हैं। अंतराल उन सांख्यिकीय पैकेजों के लिए सबसे अधिक चौड़ा है जो आधुनिक अनुसंधान को संचालित करते हैं। चूंकि इस अध्ययन में उपयोग किया गया डेटा एक आदर्श यादृच्छिक नमूना (random sample) नहीं था और सॉफ्टवेयर की पहचान करने की विधियों को मानव विशेषज्ञों के विरुद्ध पूरी तरह से मान्य नहीं किया गया था, इसलिए निष्कर्षों को सबसे गंभीर समस्या वाले क्षेत्र के मानचित्र के रूप में देखा जाना चाहिए, न कि एक अंतिम जनगणना के रूप में। परिणाम बताते हैं कि सभी वैज्ञानिकों को "अपना सॉफ्टवेयर उद्धृत करें" कहने वाला एक एकल नियम काम नहीं कर सकता है। इसके बजाय, नीतियां विशिष्ट प्रकार के उपकरणों के लिए अनुकूलित की जा सकती हैं, विशेष रूप से उन उपकरणों के लिए जिन्हें वर्तमान में अदृश्य उपकरण माना जाता है, ताकि विज्ञान के डिजिटल बुनियादी ढांचे के निर्माताओं को अंततः वह श्रेय मिल सके जिसके वे हकदार हैं।
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।