Drastic changes in collaboration networks and publication patterns in research using the CDC WONDER dataset
Deze studie onthult een dramatische stijging in publicaties in de CDC WONDER-dataset, gedreven door een netwerk van onderzoekers, voornamelijk uit Pakistan, die waarschijnlijk kwalitatief laagwaardige, op sjablonen gebaseerde papers produceren om te voldoen aan de eisen voor medisch specialisme, wat de dringende behoefte onderstreept aan proactieve redactionele screening en verbeterde vaardigheden voor kritische beoordeling om de wetenschappelijke integriteit te beschermen tegen massaal geproduceerd onderzoek.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je de wereld van wetenschappelijk onderzoek voor als een gigantische, openbare bibliotheek. Jarenlang hebben onderzoekers de mogelijkheid gehad om binnen te lopen en de enorme, gratis naslagwerken van de bibliotheek (Open Data) te gebruiken om hun eigen verhalen (onderzoekspapieren) te schrijven. Dit was bedoeld als iets positiefs, om iedereen te helpen leren en nieuwe dingen te ontdekken.
Dit artikel beschrijft echter hoe een specifieke sectie van die bibliotheek — de CDC WONDER-dataset (een enorme collectie Amerikaanse gezondheidsstatistieken) — onlangs is overspoeld door een "fabriek" van kwalitatief laagstaande verhalen.
Hier is de uitsplitsing van wat de auteurs hebben gevonden, met behulp van eenvoudige analogieën:
1. De "Fast-Food" Fabriek
De auteurs merkten op dat het aantal papers dat deze specifieke dataset gebruikt, vanaf 2023 explodeerde. Het ging van een gestage stroom van 88 papers per jaar naar een vloedgolf van meer dan 1.200 in slechts enkele jaren.
Zij geloven dat dit niet zomaar een plotselinge toename van interesse is; het ziet eruit als een fabriekslijn.
- Het Sjabloon: In plaats van dat elke schrijver een uniek verhaal creëert, gebruiken ze een "koekjesvorm"-sjabloon. De titels klinken allemaal hetzelfde (bijv. "Trends and Disparities in [Disease]..."), ze gebruiken exact dezelfde computersoftware om de cijfers te verwerken, en ze kopiëren zelfs de identieke paragraaf over "beperkingen" aan het einde van het paper.
- De Ingrediënten: Ze nemen dezelfde publieke ingrediënten (de CDC-data) en serveren duizenden bijna identieke gerechten.
2. Het "Geest"-Netwerk
Normaal gesproken hebben wetenschappers die samenwerken een natuurlijk web van verbindingen. Maar hier vonden de auteurs een vreemd patroon in wie deze papers schrijft:
- De "Supergroep": Veel van deze papers hebben enorme teams — soms 15, 20 of zelfs 31 auteurs.
- Het Patroon: Een typisch paper ziet er zo uit: een grote groep auteurs uit Pakistan en India werkt samen met slechts één of twee auteurs uit het VK of de VS.
- De Vermoeden: De auteurs suggereren dat dit een "pay-to-play" of "gift-giving" schema kan zijn. Het is also$ een situatie waarin iemand een plek in een team koopt om de naam indrukwekkender te laten lijken, of misschien worden jonge artsen door een "cursus" gejaagd waarbij ze worden gedwongen om papers te produceren om carrière te maken. De connecties tussen deze groepen zien er kunstmatig uit, als een netwerk van mensen die alleen ooit één keer samenkomen om een paper te ondertekenen en daarna nooit meer samenwerken.
3. De "Toverstaf" (AI)
Het paper suggereert dat Generatieve AI de "toverstaf" is die dit mogelijk maakt. Net zoals een spreuk direct een boek kan schrijven, helpen AI-tools deze "fabrieken" waarschijnlijk om de data te analyseren en de manuscripten extreem snel te schrijven. Dit stelt hen in staat om onderzoek in massa te produceren dat aan de oppervlakte professioneel lijkt, maar geen echte diepgang of nieuwe ontdekkingen mist.
4. Waarom dit een probleem is
De auteurs vergelijken dit met het overstromen van een rivier.
- Goede zaken verdrinken: Wanneer de rivier wordt gevuld met duizenden kwalitatief laagstaande, repetitieve papers, wordt het onmogelijk om de weinige, echt belangrijke ontdekkingen te vinden.
- Vertrouwen in het water: Als mensen beseffen dat het water (de data) wordt gebruikt om nep of kwalitatief laagstaande producten te maken, kunnen ze de bibliotheek geheel niet meer vertrouwen.
- De Peer-Review Bottleneck: Stel je een poortwachter bij de bibliotheek voor die probeert elke invoer te controleren. Met deze vloedgolf aan "fast-churn" papers zijn de poortwachters (journal editors en reviewers) overweldigd en kunnen ze er per ongelig het slechte spul doorheen laten glippen.
5. De Voorgestelde Oplossing
De auteurs zeggen niet dat we de bibliotheek moeten sluiten. In plaats daarvan stellen ze het volgende voor:
- Beter Poortwachterschap: Editors moeten leren om deze "assemblagelijn"-papers snel te herkennen en af te wijzen voordat ze worden gepubliceerd.
- Educatie: Onderzoekers moeten worden geleerd hoe ze slechte wetenschap kunnen herkennen en begrijpen dat het feit dat data gratis is, niet betekent dat je het moet gebruiken om kwalitatief laagstaande werken te produceren enkel om een publicatie te scoren.
Kortom: Het paper betoogt dat een specifieijke groep onderzoekers AI en een "fabrieksaanpak" gebruikt om met publieke Amerikaanse gezondheidsdata nep-ogende wetenschap in massa te produceren, vaak gepaard gaande met vreemde internationale samenwerkingen, wat de kwaliteit en betrouwbaarheid van medisch onderzoek bedreigt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.