摘要：科学诚信面临前所未有的挑战。科罗拉多大学博尔德分校研究团队最新开发的人工智能系统已从全球15200个开放获取期刊中识别出超过1000个掠夺性期刊，这些期刊在缺乏真正同行评审的情况下向研究人员收取高额费用发表论文。这项发表在《科学进展》杂志上的研究，为学术界提供

信息来源：https://www.sciencedaily.com/releases/2025/08/250830001203.htm

科学诚信面临前所未有的挑战。科罗拉多大学博尔德分校研究团队最新开发的人工智能系统已从全球15200个开放获取期刊中识别出超过1000个掠夺性期刊，这些期刊在缺乏真正同行评审的情况下向研究人员收取高额费用发表论文。这项发表在《科学进展》杂志上的研究，为学术界提供了一个强有力的武器来对抗日益泛滥的学术欺诈现象。

掠夺性期刊已成为现代学术界的一大毒瘤。这些出版物通过精心设计的欺诈手段，模仿合法期刊的外观和操作模式，但实质上绕过了科学出版的核心环节——严格的同行评审。它们的目标往往是那些面临发表压力的研究人员，特别是来自发展中国家的学者，通过收取数百到数千美元的费用来快速发表未经充分审查的研究。

人工智能驱动的识别革命

科罗拉多大学博尔德分校的科学家们开发了一款人工智能工具，用于检测掠夺性期刊，这些期刊在没有真正进行同行评审的情况下收取费用，剥削研究人员。该系统标记了超过 1400 个可疑期刊，为保护科学基础免受欺诈性出版物的侵害提供了一种方法。图片来源：Shutterstock

传统的期刊评估方法主要依赖人工筛选，这种方式不仅耗时费力，而且难以跟上掠夺性期刊快速增长的步伐。科罗拉多大学博尔德分校计算机科学系副教授丹尼尔·阿库尼亚领导的团队认识到了这一挑战的紧迫性。阿库尼亚本人每周都会收到数封来自可疑期刊的垃圾邮件，这些邮件声称可以快速发表他的研究成果，但需要支付高额费用。

研究团队利用开放获取期刊名录（DOAJ）提供的数据来训练他们的人工智能系统。DOAJ是一个成立于2003年的非营利组织，其志愿者团队根据六项严格标准对学术期刊进行评估。这些标准包括期刊是否清晰说明其同行评审政策、是否拥有合格的编辑委员会、网站内容是否专业等。

该人工智能系统的工作原理基于多个关键指标的综合分析。系统会检查期刊网站是否存在语法错误、编辑委员会成员的资质是否真实、期刊的自引率是否异常高、以及发表文章的数量是否不合理等。通过这种多维度的分析方法，系统能够识别出那些试图掩盖其掠夺性本质的期刊。

在对近15200个开放获取期刊进行筛选后，人工智能系统最初标记了超过1400个可疑期刊。为了验证系统的准确性，研究团队邀请人类专家对部分被标记的期刊进行人工审查。结果显示，虽然系统存在一定的误判率——约350个期刊被错误地标记为可疑，但仍有超过1000个期刊被确认为存在问题。

全球学术诚信的隐形威胁

掠夺性期刊的影响远远超出了对个别研究人员的经济损失。这些出版物正在侵蚀科学研究的基础结构。科学进步本质上是一个累积的过程，每项新研究都建立在前人工作的基础之上。当这个基础中混入了未经严格审查的低质量或错误研究时，整个科学大厦的稳定性就会受到威胁。

阿库尼亚形象地比喻说："在科学领域，你不可能从零开始。你需要在他人研究成果的基础上继续发展。所以，如果这座塔的地基崩塌，那么整个塔都会倒塌。"这种威胁在当前时代尤为严重，因为公众对科学的信任正面临多方面的挑战。

掠夺性期刊的运作模式通常针对特定群体。它们往往瞄准美国和欧洲以外的研究人员，特别是来自中国、印度和伊朗等国的学者。这些国家的学术体系相对年轻，研究人员面临着巨大的发表压力，同时对国际学术出版的规范可能不够熟悉，这使他们更容易成为掠夺性期刊的目标。

技术透明度与人机结合的智慧

与许多"黑匣子"式的人工智能系统不同，阿库尼亚团队特别强调了其系统的可解释性。他们不希望这个工具像ChatGPT等其他AI平台那样神秘莫测，而是努力让其判断过程尽可能透明和可理解。

研究团队发现了几个掠夺性期刊的典型特征。首先，这些期刊通常发表异常大量的文章，远超正常期刊的发表能力。其次，它们的作者来源异常分散，涉及的机构数量远多于正规期刊。第三，这些期刊中的作者倾向于过度引用自己的研究成果，而较少引用其他科学家的工作，这违反了学术研究的基本规范。

尽管人工智能系统在识别掠夺性期刊方面表现出色，但阿库尼亚强调这个工具应该被视为辅助手段，而不是最终的判断者。他认为，人工智能可以有效地进行大规模预筛选，但最终的评估仍应由具有专业知识的人类专家来完成。这种人机结合的方法既能提高效率，又能保证判断的准确性。

阿库尼亚用软件开发的例子来解释这种方法："作为一名计算机科学家，我经常举新款智能手机上市的例子。我们知道这款手机的软件会有缺陷，我们也期待未来能修复漏洞。我们或许应该对科学也采取同样的方法。"

构建学术界的防护系统

目前，这套人工智能系统尚未向公众开放，但研究团队计划很快将其提供给大学和出版公司使用。阿库尼亚将这个工具称为"科学防火墙"，旨在帮助研究人员保护其研究领域免受不良数据的影响。

这个概念的重要性不容小觑。就像计算机网络需要防火墙来阻挡恶意攻击一样，学术界也需要类似的防护机制来维护研究的质量和诚信。随着学术出版数字化程度的不断提高，以及全球研究产出的快速增长，传统的人工审查方法已经无法应对挑战的规模。

该研究团队包括来自中国东部理工学院的韩庄和美国雪城大学的梁立正，体现了国际合作在解决全球学术问题中的重要作用。这种跨国合作模式对于应对掠夺性期刊这一全球性挑战尤为重要，因为这些不良出版物往往跨越国界操作，需要国际协调的应对措施。

随着这项技术的进一步完善和推广，学术界有望建立起更加有效的防护机制来维护科学研究的质量和诚信。这不仅对保护研究人员的利益具有重要意义，更对维护公众对科学的信任和推动人类知识的真正进步具有深远影响。

来源：人工智能学家