摘要：英国萨里大学的统计学家马特·斯皮克（Matt Spick）等人5月8日在PLOS Biology发表报告称，近年来基于公开数据集NHANES（美国健康与营养调查）的劣质论文数量急剧增加，其中92%的第一作者来自中国。这些论文模式高度雷同，可能是“论文工厂”借助

据Science News报道，英国萨里大学的统计学家马特·斯皮克（Matt Spick）等人5月8日在PLOS Biology发表报告称，近年来基于公开数据集NHANES（美国健康与营养调查）的劣质论文数量急剧增加，其中92%的第一作者来自中国。这些论文模式高度雷同，可能是“论文工厂”借助AI生成的流水线产品。他们表示，这一发现表明大型公共卫生数据集很容易被滥用。

马特·斯皮克也是《科学报告》（Scientific Reports）的副主编，他从去年开始注意到，大量模式异常雷同的论文像潮水般涌入期刊。“我收到了太多几乎一模一样的论文——每天一篇，有时甚至两篇。”

这些论文都利用了一个公开数据集——NHANES，该数据集通过体检和问卷收集了超过13万人的健康相关数据。此外，异常论文都遵循相同的模板：针对某个人群，选择一种健康问题，再选择一种可能与之相关的环境或生理因素，然后分析两者相关性。例如研究65岁以上男性的维生素D水平与抑郁症之间的联系，或者18至45岁女性的牙齿健康状况不佳与糖尿病之间的联系。“感觉好像有人正在研究每一种可能的组合。”斯皮克说。

西北大学的里斯·理查森（Reese Richardson）表示，利用这些公开的免费数据源，通过简单替换变量便能炮制出新的“成果”，简直就像“疯狂填词游戏”。而NHANES支持通过API直接将数据提取到R或Python等机器学习环境，这些标准化的数据工具一方面提供了便利，另一方面也给“灌水”制造了可乘之机——论文工厂可以对指标、健康问题、队列进行广泛搜索，对大量变量进行排列组合，从而找到在统计学上看似显著（低p值），但实际上可能并无意义的组合。

据统计，在两个主要的科学论文数据库PubMed和Scopus中，有341篇异常论文发表在包括Scientific Reports、BMC Public Health、BMJ Open在内的147种期刊上。在2014年至2021年期间，平均每年发表4篇此类论文，但2022年之后开始快速增长，2024年仅前10个月，异常论文发表数就已来到190篇。研究认为生成式AI可能在背后推波助澜。

此外还发现，近期的异常论文大多来自中国：2021年之前发表的论文中只有8%的第一作者隶属于中国机构；2021年后这一比例激增至92%。斯皮克表示，这也表明论文工厂参与其中，中国研究人员面临的科研压力和激励机制起到了推动作用。

出版商Springer Nature的科研诚信主管Tim Kersjes表示，已经撤回了多篇异常论文，调查仍在进行中。BMJ的一位发言人表示，其对论文工厂和AI滥用也表示担忧，会严肃对待不端指控，并将展开调查。

相关论文：https://doi.org/10.1371/journal.pbio.3003152

来源：人工智能学家