注：本文整理自Nature官网2023年11月6日的一篇报道，原文标题为“How big is science’s fake-paper problem?”

《Nature》一项尚未正式发表的研究显示，过去二十年，有40多万篇研究论文与论文工厂产出的文章有很强的文本相似性；仅在2022年，就有7万篇这样的文章发表。该分析估计，在2022年发表的所有论文中，1.5-2%的论文像是论文工厂的文章；在生物和医学论文中，这一比例达到了3%。

图. 近20多年来疑似论文工厂文章的占比

这项研究结果来自伦敦学术数据服务公司的主管Adam Day使用机器学习软件Papermill Alarm的一项分析。论文工厂生产的论文是大批量快速生产的，通常遵循特定的模板，偶尔会更换一两个单词或图像。Day将软件设置为分析2000年以来4800多万篇论文的标题和摘要，并标记了与论文工厂文章（如已撤稿论文）相似的稿件。

一位研究者称，Day使用的文本相似性法是目前识别论文工厂文章的最好方法，可以估计这类论文的普遍程度。但一些人表示，该方法可能会无意中捕捉被论文工厂复制内容的真实论文，或者存在作者将真实数据套入模板的情况。然而，Day表示，他将软件测试结果与已知真实论文或假论文的测试样本进行了验证，可以保持错误率“趋近零”。

Day还对OpenAlex数据库中记录了学科领域的285万项研究（均发表于2022年）进行了分析，其中约2.2%被标记为疑似论文工厂生产，具体比例因学科而异，其中医学和生物学领域中，该占比达到了3%。

图. 不同学科领域中疑似论文工厂文章的占比

Bik表示，Day的估计比例“高得惊人，但并非不可能”。她也表示，如果没看到Day的分析方法和全部细节，就无法充分评估他所做的工作。

Day认为这个估计仅是一个下限，因为分析软件会遗漏那些有意不使用模板的论文工厂文章。分析显示，论文工厂的文章并没有在期刊均匀发布，而是聚集在特定的期刊。Day说，他不会公开透露哪些出版商受到的影响最严重，这样做可能产生不利后果。

出版伦理委员会2022年6月的一份报告称，对多数期刊来说，有2%的投稿可能来自论文工厂，有的甚至超过40%。该报告以六家出版商提供的私人数据为基础，未说明估算方法。

如何发现那些来自论文工厂的文章？

过去几年中，出版商加大了对论文工厂的打击力度。Bik和Byrne等科学侦探总结了许多提示为论文工厂文章的危险信号，目前已有70多种。

遵循通用模板的文本只是其中一个信号。其他还包括：可疑的电子邮箱地址；来自不同实验的相同图表；试图避免剽窃检测的明显措辞；引用其他已知为论文工厂的研究；多个期刊重复投稿。

2023年5月，德国一位神经心理学家Bernhard Sabel发布了一篇预印本，建议任何来自医院但提供了非机构电子邮件地址的论文，都应被标记为疑似论文工厂的产物。Sabel估计，2020年医学和神经科学领域的论文中，有20-30%可能是论文工厂的产品，但在10月份的修订版预印本文章中，这一比例降至11%。他也承认，他采用的方法会产生一些误判，许多研究者也对此提出了批评。

不管论文工厂问题的严重程度如何，显然已使出版商系统不堪重负。在“撤稿观察网”总计44000项撤稿记录中，有近3000项撤稿与论文工厂有关。该网站的联合创始人表示，这一数据都是被低估了的，因为工作人员仍在录入数千项撤稿，同时，一些出版商在撤稿通知中也会避免使用“论文工厂“一词。

文章整理自：https://www.nature.com/articles/d41586-023-03464-x

-----------分割线---------

邀您参与医咖社区本期话题讨论：你是如何面对阴性结果的？

点击链接：https://new.mediecogroup.com/group/posts/gp_5CC0xHGE/，参与讨论，看看其他同行怎么说