📊 epidemiology

Drastic changes in collaboration networks and publication patterns in research using the CDC WONDER dataset

이 연구는 주로 파키스탄 출신의 연구자 네트워크에 의해 주도된 CDC WONDER 데이터셋 관련 논문의 급격한 증가를 밝혀냈으며, 이는 의료 레지던트 요구 사항을 충족하기 위해 저품질의 템플릿 기반 논문을 생산하고 있을 가능성이 높은 이들에 의한 것으로, 대량 생산된 연구로부터 과학적 무결성을 보호하기 위한 선제적인 편집 심사와 향상된 비판적 검토 기술의 시급한 필요성을 강조한다.

원저자: Maupin, D., Suchak, T., Sengupta, A., Marra, M., Geifman, N., Spick, M.

게시일 2026-01-15

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Maupin, D., Suchak, T., Sengupta, A., Marra, M., Geifman, N., Spick, M.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

과학 연구의 세계를 거대한 공공 도서관이라고 상상해 보십시오. 수년 동안 연구자들은 이 도서관의 방대한 무료 참고 서적(오픈 데이터)을 자유롭게 이용하며 자신만의 이야기(연구 논문)를 써 내려올 수 있었습니다. 이는 모두가 배우고 새로운 것을 발견하도록 돕기 위한 좋은 의도였습니다.

하지만 이 논문은 그 도서관의 특정 구역인 CDC WONDER 데이터셋(미국 보건 통계의 방대한 집합체)이 최근 저품질의 이야기들이 몰려드는 "공장"에 의해 점령당했다는 사실을 설명합니다.

저자들이 발견한 내용을 쉬운 비유를 들어 정리하면 다음과 같습니다.

1. "패스트푸드" 공장

저자들은 2023년부터 이 특정 데이터셋을 사용하는 논문의 수가 폭발적으로 증가했다는 점에 주목했습니다. 연간 88편 수준이었던 꾸준한 흐름이 불과 몇 년 만에 1,200편 이상의 홍수로 변했습니다.

그들은 이것이 단순히 관심의 급증이 아니라, 하나의 공장 조립 라인처럼 보인다고 믿습니다.

템플릿: 각 작가가 고유한 이야기를 짓는 대신, "쿠키 커터"식 템플릿을 사용하고 있습니다. 제목은 모두 비슷하게 들리며(예: "[질병]의 추세와 격차에 관한..."), 숫자를 계산하기 위해 정확히 똑같은 컴퓨터 소프트웨어를 사용하고, 심지어 논문 끝에 들어가는 "한계점" 단락까지 그대로 복사해서 붙여넣습니다.
재료: 그들은 동일한 공공 재료(CDC 데이터)를 가져와서 거의 똑같이 생긴 수천 개의 요리를 내놓고 있습니다.

2. "유령" 네트워크

보통 과학자들이 협업할 때는 자연스러운 연결망이 형성됩니다. 하지만 저자들은 이 논문들을 쓰는 사람들에게서 이상한 패턴을 발견했습니다.

"슈퍼 그룹": 많은 논문이 거대한 팀을 구성하고 있습니다. 때로는 15명, 20명, 심지어 31명의 저자가 등장하기도 합니다.
패턴: 전형적인 논문은 다음과 같은 형태를 띱니다. 파키스탄과 인도 출신의 대규모 저자 그룹이 영국이나 미국의 저자 한두 명과 팀을 이룹니다.
의구심: 저자들은 이것이 "돈을 내고 참여하는(pay-to-play)" 방식이나 "선물 증정(gift-giving)" 방식일 수 있다고 시사합니다. 마치 누군가 자신의 이름을 더 돋보이게 만들기 위해 팀의 자리를 사거나, 혹은 주니어 의사들이 경력을 쌓기 위해 논문을 찍어내도록 강요받는 "코스"를 빠르게 통과하고 있는 것처럼 보입니다. 이 그룹들 사이의 연결은 인위적이며, 마치 한 번 만나서 논문에 서명만 하고 다시는 함께 일하지 않는 사람들의 네트워크처럼 보입니다.

3. "마법 지팡이" (AI)

이 논문은 생성형 AI가 이를 가능하게 하는 "마법 지팡이"라고 제안합니다. 마법 주문이 순식간에 책을 써내는 것처럼, AI 도구들이 이 "공장"들이 데이터를 분석하고 원고를 매우 빠르게 작성하는 것을 돕고 있을 가능성이 큽니다. 이를 통해 겉보기에는 전문적으로 보이지만 실제 깊이나 새로운 발견은 결여된 연구물을 대량 생산할 수 있게 됩니다.

4. 이것이 왜 문제인가

저자들은 이를 강물을 범람시키는 것에 비유합니다.

좋은 것을 가라앉힘: 수천 편의 저품질, 반복적 논문이 강물을 가득 채우면, 진정으로 중요한 소수의 발견을 찾아내는 것이 불가능해집니다.
물에 대한 신뢰: 사람들이 데이터(물)가 가짜나 저품질 제품을 만드는 데 사용되고 있다는 것을 알게 되면, 도서관 전체를 신뢰하지 않게 될 수 있습니다.
동료 검토(Peer-Review)의 병목 현상: 도서관의 문지기가 모든 입구의 항목을 확인하려고 노력하는 상황을 상상해 보십시오. 이러한 "빠른 회전" 논문의 홍수 속에서 문지기들(학술지 편집자와 심사위원)은 압도당하게 되며, 실수로 나쁜 논문을 통과시킬 수도 있습니다.

5. 제안된 해결책

저자들은 도서관을 폐쇄해야 한다고 말하는 것이 아닙니다. 대신 다음과 같이 제안합니다.

더 나은 문지기 역할: 편집자들은 이러한 "조립 라인"식 논문을 빠르게 식별하고, 출판되기 전에 거절하는 법을 배워야 합니다.
교육: 연구자들은 나쁜 과학을 식별하는 법을 배워야 하며, 데이터가 무료라고 해서 그것이 단지 출판 실적을 위해 저품질의 작업을 찍어내도 된다는 뜻은 아님을 이해해야 합니다.

요약하자면: 이 논문은 특정 연구 그룹이 AI와 "공장" 방식을 사용하여 공공 미국 보건 데이터를 이용해 가짜처럼 보이는 과학을 대량 생산하고 있으며, 이는 종종 기이한 국제적 팀 구성과 함께 이루어지고 있고, 결과적으로 의학 연구의 질과 신뢰성을 위협하고 있다고 주장합니다.

기술 요약: CDC WONDER 데이터셋을 활용한 연구에서의 협업 네트워크 및 출판 패턴의 급격한 변화

문제 제기
본 논문은 생성형 AI로 인해 가속화된 "페이퍼 밀(paper mills)" 및 비윤리적 행위자들에 의한 오픈 사이언스 데이터셋 착취 문제를 다룬다. 이전 연구들이 NHANES(주로 중국 연계 네트워크와 연결된)와 같은 데이터셋의 체계적인 오용을 식별해 온 반면, 본 연구는 CDC WONDER(질병통제예방센터의 역학 연구용 광범위 온라인 데이터)를 표적으로 하는 새롭고 구별되는 착취 패턴을 조사한다. 저자들은 주로 파키스탄과 인도에 소속을 둔 연구자들이 서구 협력자들과 함께 "패스트 churn(fast-churn)" 과학에 참여하고 있다고 단언한다. 이는 레지던트 지원이나 비자 목적을 위해 출판량을 확보하려는 주니어 임상의나 수련생들의 요구를 충족하기 위해, 공개적으로 사용 가능한 데이터를 사용하여 정형화된 원고를 대량 생산하는 현상을 포함하며, 이는 과학 문헌의 무결성을 위협한다.

방법론
본 연구는 OpenAlex 데이터베이스를 사용하여 정량적 서지 계량 및 네트워크 분석 접근법을 채택하였다:

데이터 수집: 1996년 1월 1일부터 2025년 12월 22일까지의 "CDC WONDER" 제목 및 초록 검색을 수행하였다.
시계열 분석: 데이터셋을 대조군(2023년 이전, 생성형 AI 공개 전)과 사례군(2023~2025년)으로 분리하였다.
추세 예측: 예상 출판 추세를 예측하기 위해 ARIMA 모델(매개변수 $p=1, d=1, q=1$ )을 사용하였다. 예측된 추세와 실제 관찰된 수치 사이의 편차를 계산하여 과잉 생산을 식별하였다.
텍스트 분석: 제목의 토큰 사용량을 CountVectorizer(scikit-learn)를 사용하여 분석함으로써 정형화된 언어 패턴(예: "trends", "disparities"와 같은 특정 키워드)을 탐지하였다.
네트워크 분석: 국가 및 기관 간의 협업 네트워크를 시각화하기 위해 VOSviewer를 활용하였다. 저자 데이터는 익명화되었으며, 국가 및 기관 데이터는 클러스터링 패턴을 식별하기 위해 분석되었다.
질적 감사: 40개의 원고를 무작위 샘플링하여 방법론적 유사성, 특히 동일한 통계 방법, 소프트웨어 사용 및 구조적 템플릿을 조사하였다.

주요 결과

출판 폭발: CDC WONDER를 사용하는 출판물 수가 2021년 88건에서 2025년 1,223건으로 급증했다. ARIMA 분석 결과, 2023년 이후의 출판량은 예상 추세의 95% 신뢰 구간을 크게 벗어나는 것으로 확인되었다.
지리적 변화: 저자 인구 통계에서 극적인 변화가 나타났다. 최소 한 명의 파키스탄 저자를 포함한 논문의 비율이 2021년 0.5%에서 2025년 27.2%로 상승했다. 인도 저자의 경우 0.1%에서 2.4%로 증가했다. 반면, 미국 저자의 비율은 60.5%에서 30.8%로 감소했다.
협업 네트워크: 2023년 이후, 미국 저자의 52.7%가 파키스탄 저자와 공동 저자로 참여했는데, 이는 2023년 이전의 0.7%에서 급격히 증가한 수치이다. 네트워크 분석 결과, 파키스탄 기관(특히 Dow University of Health Sciences)과 영국 및 미국의 서구 기관을 연결하는 광범위한 클러스터가 드러났다.
저자 인플레이션: 논문당 평균 저자 수는 안정적인 2명에서 2025년까지 8명으로 증가했으며, 일부 논문은 최대 31명의 저자를 등재했다.
정형화된 생산: 40편의 논문에 대한 감사를 통해 동일한 방법론적 접근 방식, 특히 NCI 소프트웨어를 통한 Joinpoint 회귀 분석 사용, 동일한 데이터 세분화, 그리고 저자 목록이 다름에도 불구하고 거의 동일한 "한계점(limitations)" 섹션을 발견했다. 제목 분석에서는 "Trends" 및 "Disparities"와 같은 정형화된 용어의 급증이 나타났다.

주요 기여

새로운 착취 벡터 식별: 본 논문은 NHANES 착취 패턴과는 구별되는 특정 네트워크에 의해 CDC WONDER가 체계적으로 표적이 된 첫 번째 주요 사례 연구를 기록한다.
새로운 "페이퍼 밀" 프로필 특성화: 의료 레지던트 또는 비자 관련 출판 수요에 의해 추진될 가능성이 있는, 서구 저자(영국/미국)와 소수의 협력을 특징으로 하는 "글로벌 사우스(Global South)" 다수(파키스탄/인도) 중심의 운영 모델을 식별한다.
탐지를 위한 방법론적 프레임워크: 본 연구는 ARIMA 예측, 토큰 분석, 저자 네트워크 시각화를 결려 결합하는 것이 개별 논문 감사가 가능하기 전에 어떻게 "패스트 churn" 과학을 효과적으로 식별할 수 있는지 보여준다.

의의 및 주장
저자들은 이 작업이 오픈 사이언스의 민주화 목표와 문헌의 무결성을 보호해야 하는 필요성 사이의 중대한 긴장을 강조한다고 주장한다. 그들은 CDC WONDER 데이터셋이 NHANES와 유사하지만 고유한 지리적 및 네트워크 특성을 가진 "템플릿 기반의 중복 출판"의 희생자가 되었다고 주장한다.

논문은 이러한 패턴을 식별하는 것이 저질 연구의 범람으로부터 과학적 기록을 보호하는 데 필수적이라고 단언하며, 다음을 촉구한다:

선제적 데스크 리젝트(Desk Rejection): 편집자와 심사위원은 정형화된 제출물과 이례적인 협업 네트워크에 대해 더 주의를 기울여야 한다.
교육: 연구자들이 이러한 결과물을 비판적으로 평가하고 오픈 사이언스 자원의 적절한 사용 사례를 이해할 수 있도록 교육이 필요하다.
인식: 커뮤니티는 오픈 데이터 가용성과 비윤리적 대량 생산 사이의 "군비 경쟁"이 진화하고 있음을 인식하고, 지속적인 모니터링이 필요함을 인지해야 한다.

저자들은 자신의 분석이 모든 논문에 대한 완전한 체계적 검토가 아닌 추세에 기반한 것임을 인정하며, 일부 협업은 실제적일 수 있다는 점을 언급하며 신중한 어조를 유지한다. 그러나 그들은 통계적 이상 징립과 구조적 유사성이 체계적이고 비윤리적인 데이터셋 착취를 강력하게 시사한다고 강조한다.

1. "패스트푸드" 공장

2. "유령" 네트워크

3. "마법 지팡이" (AI)

4. 이것이 왜 문제인가

5. 제안된 해결책

유사한 논문