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

In de stille, rigoureuze wereld van academisch onderzoek wordt de basis van vertrouwen gelegd op een eenvoudige belofte: dat de woorden in een gepubliceerd artikel zijn geschreven door de menselijke geest die ze claimt. Eeuwenlang heeft dit systeem vertrouwd op peer review, waarbij experts het werk van anderen controleren om te waarborgen dat het eerlijk en origineel is. Echter, een nieuwe technologie is gearriveerd die deze belofte uitdaagt. Large language models zijn computerprogramma's die in staat zijn om vloeiende, overtuigende teksten te genereren die lijken en klinken als menselijk schrijven. Deze hulpmiddelen kunnen complete onderzoeksartikelen in minuten ontwerpen. Tegelijkertijd is er een nieuwe klasse software opgekomen die ontworpen is om deze door de computer geschreven teksten te camoufleren, waardoor ze nog menselijker lijken door kleine imperfecties en variaties toe te voegen. Dit creëert een moeilijke situatie voor de wetenschappelijke gemeenschap. Als een artikel door een computer is geschreven maar wordt ingediend alsof het door een persoon is geschreven, vervuilt dit het verslag van de menselijke kennis. Dit is niet alleen een kwestie van wangedrag; het bedreigt de betrouwbaarheid van medische behandelingen, technische standaarden en beleidsbeslissingen die afhankelijk zijn van accurate gegevens. De kernvraag waar wetenschappers vandaag de dag voor staan is niet alleen of dit gebeurt, maar hoe wijdverspreid het is geworden, en of de regels en instrumenten die we hebben voldoende zijn om het te stoppen.

Een recente studie door Jainish Bhagat van de P.P. Savani University pakt deze vragen aan door naar de cijfers achter de trend te kijken. Het onderzoek vergelijkt wat er in India gebeurt met wereldwijde patronen tussen 2020 en 2026, een periode die de snelle opkomst van deze schrijfinstrumenten zag. De auteur verzamelde gegevens uit meerdere bronnen, waaronder databases van ingetrokken artikelen, studies die inzendingen van tijdschriften screenen op tekenen van computergeneratie, en enquêtes over universiteitsbeleid. Zij vonden dat het aantal manuscriptinzendingen die detecteerbare computergegenereerde inhoud bevatten, geëxplodeerd is. Wereldwijd groeide dit aantal met bijna 2.850 procent over de zesjarige periode. In India was de groei zelfs nog scherper, met een stijging van meer dan 3.100 procent. Dit betekent niet dat elk artikel uit India nep is, maar het geeft wel aan dat het gebruik van deze hulpmiddelen om manuscripten te creëren daar sneller versnelt dan het wereldwijde gemiddelde. De studie suggereert dat dit wordt gedreven door een combinatie van factoren: een snel expanderende onderzoeksgemeenschap, intense druk om te publiceren, en de toenemende beschikbaarheid van hulpmiddelen die academische proza kunnen schrijven.

De onderzoekers keken vervolgens naar hoe algemeen deze door de computer gegenereerde artikelen zijn onder de stukken die daadwerkelijk naar tijdschriften worden verzonden. Hun analyse suggereert dat ongeveer 18 procent van de inzendingen wereldwijd en 21 procent van de inzendingen in India kenmerken vertonen die erop wijzen dat ze geschreven of zwaar ondersteund zijn door kunstmatige intelligentie. Dit is een aanzienlijk deel, veel groter dan een paar geïsoleerde gevallen. De studie onderzocht ook of bepaalde vakgebieden meer worden getroffen dan andere. Het vond dat technische onderwerpen zoals informatica en geneeskunde hogere detectiecijfers laten zien, waarschijnlijk omdat deze velden zowel onder hoge druk staan als sterk afhankelijk zijn van de soorten taal die deze hulpmiddelen goed genereren. Echter, het probleem is niet beperkt tot één type onderzoek; het komt ook voor in de sociale wetenschappen en techniek.

Een groot deel van de studie richtte zich op de instrumenten die worden gebruikt om deze artikelen te vangen. De auteur testte diverse detectiemethoden, inclusief software die zoekt naar ongewone woordpatronen en statistische analyse die de voorspelbaarheid van de tekst meet. Zij vonden dat geen enkele methode perfect is. Wanneer een artikel direct door een computer is geschreven, kunnen detectietools dit in ongeveer 62 tot 78 procent van de gevallen correct identificeren. De situatie verandert echter wanneer de tekst door "humanizer"-software wordt gehaald, die ontworpen is om de detectoren te misleiden. In deze gevallen daalt de nauwkeurigheid van detectiemethoden met één enkele methode aanzienlijk. De studie concludeert dat de meest effectieve aanpak is om verschillende methoden te combineren — het controleren van linguïstische patronen, statistische onregelmatigheden en het verifiëren van de bron van de informatie. Zelfs met deze gecombineerde aanpak missen de instrumenten nog steeds een deel van de gecamoufleerde inhoud, wat betekent dat de strijd tussen fraude en detectie voortduurt.

Het artikel onderzocht ook hoe universiteiten op deze uitdaging reageren. De onderzoekers onderzochten 100 Indiase universiteiten en vergeleken hun beleid met dat van 50 vooraanstaande wereldwijde instellingen. Zij ontdekten een aanzienlijk gat. Slechts 34 procent van de Indiase universiteiten heeft een formeel beleid dat expliciet de toepassing van kunstmatige intelligentie in onderzoek adresseert. In contrast hiermee hadden 67 procent van de wereldwijde steekproef dergelijke beleidsregels. Bovendien neigen de bestaande beleidsregels in India naar strikte verboden, waarbij het gebruik van deze hulpmiddelen volledig wordt verboden. Wereldwijd bewegen veel instellingen naar een andere aanpak: het toestaan van het gebruik van kunstmatige intelligentie, mits de auteur dit duidelijk vermeldt. De studie betoogt dat strikte verboden het gedrag vaak ondergronds drijven, waardoor het moeilijker te detecteren is, terwijl een beleid van transparantie een systeem van verantwoording creëert. Als een onderzoeker toegeeft het hulpmiddel te hebben gebruikt, kan hij beoordeeld worden op hoe hij het heeft gebruikt; als hij het verbergt, pleegt hij fraude.

Op basis van deze bevindingen stelt de auteur een reeks praktische stappen voor om de integriteit van onderzoek te beschermen zonder legitieme innovatie te verstikken. Zij suggereren dat universiteiten duidelijke regels moeten aannemen die transparantie vereisen in plaats van eenvoudige verboden. Dit stelt onderzoekers in staat om nuttige hulpmiddelen te gebruiken terwijl de eerlijkheid over hun methoden behouden blijft. Zij bevelen ook aan dat instellingen investeren in detectiesystemen met meerdere methoden om inzendingen te screenen, in het besef dat hoewel geen enkel instrument perfect is, een combinatie van controles beter is dan niets. Ten slotte benadrukt de studie dat educatie cruciaal is. Veel onderzoekers realiseren zich wellicht niet dat het gebruik van deze hulpmiddelen zonder openbaarmaking een schending van de ethiek is. Door onderzoekers te trainen in verantwoord gebruik en duidelijke, consistente consequenties voor wangedrag vast te stellen, kan de wetenschappelijke gemeenschap deze nieuwe realiteit beheersen. De studie concludeert dat dit geen crisis van moreel verval is, maar een managementuitdaging. De data tonen aan dat het probleem reëel en groeiend is, maar dat met op bewijs gebaseerd beleid en eerlijke detectie de integriteit van de wetenschappelijke literatuur kan worden bewaard.