ابداع نرم افزار جدید برای کشف تقلب در مقالات دانشگاهی

نرم افزارهای Proofig و image Twin به تحلیل داده های تصویری Western blot برای کشف تقلب در مقالات دانشگاهی  کمک می کنند.

به گزارش تک ناک و به نقل از The Register، ناشران علمی مانند انجمن آمریکایی تحقیقات سرطان (AACR) و Taylor & Francis تلاش برای کشف تقلب در مقالات ارسالی دانشگاهی را با یک برنامه بررسی تصویر هوش مصنوعی به نام Proofig آغاز کرده‌اند.به گفته وب سایت این شرکت،  برنامه پروفیگ با هدف کمک به استفاده از “هوش مصنوعی، بینایی کامپیوتری و پردازش تصویر برای بررسی یکپارچگی تصویر در نشریات علمی”. است.

طبق گزارش The Register، طی آزمایشی که از ژانویه 2021 تا مه 2022 انجام شد، AACR از Proofig برای غربالگری 1367 مقاله پذیرفته شده برای انتشار استفاده کرد. از این تعداد، 208 مقاله نیاز به تماس با نویسنده برای رفع مشکلاتی مانند تکرار اشتباه داشتند و چهار مقاله به طور کلی رد شد.

به طور خاص، بسیاری از مجلات برای تشخیص تقلب یا کپی برداری تصاویر مقالات ارسالی به وسترن بلات،به کمک برنامه هوش مصنوعی نیاز دارند. وسترن بلات از یک سبک خاص از تصویر سازی تشخیص پروتئین ،شامل استفاده از بخش های خطوط با عرض های مختلف استفاده می کند. تفاوت‌های ظریف در ظاهر یک لکه می‌تواند به نتایج بسیار متفاوتی در مورد نتایج آزمایش تبدیل شود و بسیاری از موارد تقلب دانشگاهی دیده شده محققان بی پروا تصاویر قبلا استفاده شده در وسترن بلات را تکرار، برش، کشیده و چرخانده‌اند تا به نظر برسد که داده‌های بیشتری (یا متفاوت) دارند.

تشخیص تصاویر تکراری می تواند برای چشم انسان کار خسته کننده ای باشد، به همین دلیل است که برخی از شرکت ها مانند Proofig و ImageTwin، در تلاش برای خودکارسازی فرآیند هستند.

اما به گفته The Register، هر دو راه حل Proofig و ImageTwin در حال حاضر دارای محدودیت های قابل توجهی هستند. اول، تخصص انسانی برای تفسیر نتایج ضروری است. دوم، Proofig در حال حاضر به دلیل فرآیند محاسباتی فشرده آن گران است و برای تجزیه و تحلیل 120 تصویر برای یک فرد 99 دلار هزینه دارد (مجله ها با نرخ ارزان تری با Profig مذاکره کرده اند). در حال حاضر، هم هزینه بالا و هم نیاز به نظارت دستی، مجلات را از تجزیه و تحلیل هر مقاله در مرحله ارسال باز می دارد. در عوض، آنها استفاده از آن را برای مراحل بعدی در فرآیند انتشار رزرو کرده اند.

تقلب علمی، اگرچه غیر معمول است، اما همچنان می تواند تأثیر مخربی بر شهرت یک نشریه داشته باشد. بین حجم عظیمی از مقالات دانشگاهی که امروز منتشر می‌شود و افشاگری‌های اخیر در مورد تقلب در تصویر در تحقیقات آلزایمر که به طور گسترده مورد استناد قرار گرفته شدند، به نظر می‌رسد این زمینه برای ابزارهای بینایی رایانه‌ای که می‌توانند به انسان در تشخیص تقلب کمک کنند، آماده است. اثربخشی کلی آنها و اینکه چقدر به طور گسترده مورد پذیرش قرار می گیرند – هنوز یک موضوع در حال توسعه است.