BuyTheBy: A dataset of 18,710 text-based paper mill advertisements with 51,812 timestamped prices
本文介绍了 BuyTheBy，这是一个大规模数据集，包含来自七家国际造纸厂的超过 18,000 条带时间戳的文本广告和超过 51,000 个价格点，旨在促进对学术欺诈服务市场动态的定量研究。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，将学术出版界视为一个巨大且高风险的市场。通常，人们通过从事研究、撰写论文和同行评审等艰苦工作来为知识付费。但在幕后，却有一个阴暗的地下市场在运作，那就是“论文工厂”。这些工厂就像非法工厂，出售预先写好的科学文章，更重要的是，它们出售作者名单上的位置，让人们可以假装自己撰写了这些文章。
长期以来，试图研究这些“工厂”的运作方式，就像蒙着眼睛去绘制黑市地图一样。研究人员知道这些“店铺”的存在，但没有清晰的价目表。一个虚假的作者位置是 50 美元还是 5000 美元？价格是否因国家或学位类型的不同而变化？直到现在，我们只有零散的谣言和孤立的新闻报道。
登场：“买位”（BuyTheBy）：巨大的价签
这篇论文介绍了一种名为BuyTheBy的新工具。你可以把它想象成一个庞大且有条理的电子表格，终于列出了学术欺诈的“菜单价格”。研究人员从七个不同国家的七家“论文工厂”（包括印度、俄罗斯、乌克兰和哈萨克斯坦）收集了18,710 条广告。
他们并非凭空猜测价格，而是从这些工厂的网站和 Telegram 聊天频道中抓取了实际文本。结果是一个包含超过51,000 个具体价格点的数据集，每个价格点都对应着特定的产品，例如“医学论文的第一作者”或“教科书的编辑”。
菜单上有什么？
研究人员发现，这些“工厂”出售各种商品，尽管大多数集中在出售科学文章的作者身份上。
- 种类繁多：有些工厂出售从教科书章节到专利注册的一切。其中一家工厂（B1）甚至出售“印度实用新型专利”和“英国外观设计专利”的位置。
- 目标客户：有些工厂针对特定的知名出版商（如爱思唯尔或施普林格），而另一些则针对较小的区域性期刊或会议论文集。
- 货币：价格最初以当地货币（如印度卢比或俄罗斯卢布）列出，但为了便于比较，已转换为美元。
数据告诉了我们什么（“收据”）
通过查看这份庞大的价格清单，作者得出了几个清晰的结论：
- 价格如过山车：成本并非固定不变。就像汽油价格一样，虚假作者位置的价格可能会迅速下跌或上涨。例如，一家工厂在短短六个月内将教科书作者位置的价格从约 180 美元降至 84 美元。另一家工厂则在单个月内两次涨价。
- 地理位置很重要：一个国家里的虚假作者位置价格可能只有另一个国家同类位置价格的一半。研究人员认为，这很可能取决于该地区客户的购买力。
- “第一作者”溢价：如果你想要最顶尖的位置（第一作者），成本最高。在所有数据中，学术论文第一作者位置的中间价格约为788 美元。然而，随着作者名单位置的靠后（第二作者、第三作者等），价格会下降。
- 价格范围极广：虽然平均价格约为 800 美元，但价格差异巨大。找到的最便宜位置约为 20 美元，而列出的最贵位置超过5,600 美元。
这为何重要
论文认为，拥有这份“价目表”是一个转折点。以前，研究这些犯罪市场就像在不知道货币价值的情况下试图理解经济。现在，研究人员可以提出严肃的问题：
- 如果期刊更出名，价格会如何变化？
- 当大学开始要求更多的出版物以获得终身教职时，价格会上涨吗？
- 出版商能否利用这些数据来识别其哪些期刊正受到这些工厂的 targeting？
局限性（注意事项）
作者诚实地说明了该数据集无法做到的事情。
- 它仅查看文本广告，不包括图片或视频。
- 他们并未挑选世界上每一家论文工厂，而是挑选了那些容易找到并下载的对象。
- 他们没有追踪这些虚假文章是否真正发表（因为论文工厂经常更改文章标题以掩盖行踪）。
总而言之
这篇论文就像侦探终于获得了犯罪组织的账本。它虽然不能阻止犯罪，但它让世界能够清晰、数据驱动地看到这些“学术欺诈工厂”的收费情况、价格波动方式以及它们如何跨越不同边境运作。它将一个阴暗的谜团变成了可以被衡量、分析和理解的事物。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。