人工智能、公共数据集与论文工厂：三方“携手”让劣质论文泛滥

正文

请到「今天看啥」查看全文

Spick 无奈地表示： “我每天都能收到许多几乎一模一样的论文，有时甚至一天两篇。”

Spick 很快意识到，这并非个例，而是只是问题的冰山一角。他与同事在《公共科学图书馆·生物学》杂志上发表报告指出，近年来利用 NHANES 数据集 的 劣质 论文数量急剧增加。

其他研究人员也发现，在基因研究、文献计量学分析以及不同科学学科中的性别差异研究等多个领域，都存在类似现象。

02

千篇一律的“套路”

这些 NHANES 论文均遵循着 相似的模式 ：首先选定一种健康状况，再确定一个可能与之相关的环境或生理因素，最后指定一个人群群体。例如研究 65 岁以上男性维生素 D 水平与抑郁症的关联，或分析 18 至 45 岁女性牙齿健康状况与糖尿病的关系。

Spick 感慨道： “感觉就像有人把所有可能的组合都研究了个遍。”

为了深入了解这类研究的泛滥程度， Spick 及其团队在 PubMed 和 Scopus 两大科学论文 数据集 中展开搜索，寻找使用 NHANES 数据研究单一关联的论文。

请到「今天看啥」查看全文