Sebuah sistem penyaringan kecerdasan buatan (AI) baru telah mengidentifikasi lebih dari 1.000 jurnal akses terbuka yang menunjukkan tanda-tanda praktik penerbitan yang dipertanyakan, banyak di antaranya belum terdeteksi hingga sekarang. Alat ini, yang menganalisis sekitar 15.000 judul, sedang dijelaskan sebagai mekanisme peringatan awal untuk penerbit, layanan pengindeksan, dan institusi akademis. Namun, para peneliti menekankan bahwa pengawasan manusia tetap penting untuk mengonfirmasi temuan.
**Sebuah sistem penyaringan kecerdasan buatan (AI) yang baru telah mengidentifikasi lebih dari 1.000 jurnal akses terbuka yang menunjukkan tanda-tanda praktik penerbitan yang meragukan, banyak di antaranya belum terdeteksi hingga sekarang.**sistem penyaringan kecerdasan buatan (AI)## Lonjakan Penyaringan: AI Mengatasi Penerbitan Predator
Dikembangkan oleh ilmuwan komputer di University of Colorado Boulder, alat ini meninjau situs web jurnal dan metadata untuk mendeteksi pola yang terkait dengan standar penerbitan yang lemah. Ini termasuk waktu publikasi yang tidak biasa cepat, pengutipan diri yang berlebihan, dewan editorial yang buruk terstruktur, dan kurangnya transparansi mengenai biaya atau lisensi.
Universitas Colorado BoulderDengan melakukan itu, sistem tersebut menandai lebih dari 1.000 jurnal yang sebelumnya tidak diketahui bermasalah. AI ini tidak dimaksudkan untuk menggantikan tinjauan ahli, tetapi lebih untuk mengurangi beban dengan menyaring volume besar materi untuk evaluasi manusia lebih lanjut.
Jurnal Predator Meningkat
Penerbit predator, yang membebankan biaya kepada penulis untuk publikasi cepat tanpa menerapkan tinjauan sejawat yang ketat, telah menjadi perhatian yang semakin besar di kalangan akademisi. Jurnal-jurnal semacam itu sering menyesatkan para peneliti dan pembaca, sementara artikel-artikel mereka mungkin tetap menerima kutipan dan visibilitas, merusak kepercayaan dalam penerbitan ilmiah.
Perlindungan tradisional, seperti Direktori Jurnal Akses Terbuka, telah kesulitan untuk mengikuti jumlah jurnal baru yang semakin banyak. Dengan mengotomatisasi penyaringan awal, alat AI bertujuan untuk menutup kesenjangan tersebut dan memberikan cara pengawasan yang lebih cepat.
Menyeimbangkan Otomatisasi dan Keahlian
Meskipun efektif, sistem ini tidak sempurna. Peninjau ahli memeriksa sampel jurnal yang ditandai dan menemukan bahwa sekitar 350 kemungkinan sah, meninggalkan lebih dari 1.000 masih dicurigai.
Peneliti utama Daniel Acuña membandingkan proses tersebut dengan "whack-a-mole", di mana jurnal baru sering muncul dengan nama baru setelah yang sudah ada ditantang. Para peneliti berargumen bahwa alat ini paling berharga sebagai metode penyaringan awal, membebaskan peninjau manusia untuk fokus pada kasus yang lebih nuansa. Mereka membayangkan model hibrida di mana AI menghasilkan peringatan dan para ahli membuat penilaian akhir.
Mengapa Pembaca Bisnis Harus Peduli
Untuk bisnis dan institusi yang terhubung dengan penerbitan akademis, melalui langganan, pengindeksan penelitian, atau pendanaan, kredibilitas konten jurnal adalah hal yang mendasar. Publikasi yang meragukan berisiko mengikis kepercayaan dan dapat mempengaruhi keputusan komersial, pengembangan kebijakan, atau inovasi produk.
Mengadopsi penyaringan yang dibantu AI dapat membantu penerbit dan platform mengidentifikasi judul yang tidak dapat diandalkan lebih awal, membatasi risiko kerusakan reputasi dan mengurangi biaya yang terkait dengan penarikan, penghapusan daftar, atau tindakan korektif.
Kesimpulan
Dengan menandai lebih dari seribu jurnal yang berpotensi predator, alat AI ini merupakan langkah signifikan menuju perlindungan penerbitan akademis. Nilai terbesarnya terletak pada pelengkap keahlian manusia, menawarkan skala dan efisiensi sambil tetap mengandalkan penilaian yang hati-hati. Saat komunitas riset dan bisnis berupaya melindungi kredibilitas dalam ekonomi pengetahuan, AI dapat menjadi mitra vital, asalkan wawasan yang dihasilkan diterapkan dengan hati-hati.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Alat AI Baru Menandai Lebih Dari 1000 Jurnal Penelitian yang Dipertanyakan
**Sebuah sistem penyaringan kecerdasan buatan (AI) yang baru telah mengidentifikasi lebih dari 1.000 jurnal akses terbuka yang menunjukkan tanda-tanda praktik penerbitan yang meragukan, banyak di antaranya belum terdeteksi hingga sekarang.**sistem penyaringan kecerdasan buatan (AI)## Lonjakan Penyaringan: AI Mengatasi Penerbitan Predator
Dikembangkan oleh ilmuwan komputer di University of Colorado Boulder, alat ini meninjau situs web jurnal dan metadata untuk mendeteksi pola yang terkait dengan standar penerbitan yang lemah. Ini termasuk waktu publikasi yang tidak biasa cepat, pengutipan diri yang berlebihan, dewan editorial yang buruk terstruktur, dan kurangnya transparansi mengenai biaya atau lisensi.
Universitas Colorado BoulderDengan melakukan itu, sistem tersebut menandai lebih dari 1.000 jurnal yang sebelumnya tidak diketahui bermasalah. AI ini tidak dimaksudkan untuk menggantikan tinjauan ahli, tetapi lebih untuk mengurangi beban dengan menyaring volume besar materi untuk evaluasi manusia lebih lanjut.
Jurnal Predator Meningkat
Penerbit predator, yang membebankan biaya kepada penulis untuk publikasi cepat tanpa menerapkan tinjauan sejawat yang ketat, telah menjadi perhatian yang semakin besar di kalangan akademisi. Jurnal-jurnal semacam itu sering menyesatkan para peneliti dan pembaca, sementara artikel-artikel mereka mungkin tetap menerima kutipan dan visibilitas, merusak kepercayaan dalam penerbitan ilmiah. Perlindungan tradisional, seperti Direktori Jurnal Akses Terbuka, telah kesulitan untuk mengikuti jumlah jurnal baru yang semakin banyak. Dengan mengotomatisasi penyaringan awal, alat AI bertujuan untuk menutup kesenjangan tersebut dan memberikan cara pengawasan yang lebih cepat.
Menyeimbangkan Otomatisasi dan Keahlian
Meskipun efektif, sistem ini tidak sempurna. Peninjau ahli memeriksa sampel jurnal yang ditandai dan menemukan bahwa sekitar 350 kemungkinan sah, meninggalkan lebih dari 1.000 masih dicurigai. Peneliti utama Daniel Acuña membandingkan proses tersebut dengan "whack-a-mole", di mana jurnal baru sering muncul dengan nama baru setelah yang sudah ada ditantang. Para peneliti berargumen bahwa alat ini paling berharga sebagai metode penyaringan awal, membebaskan peninjau manusia untuk fokus pada kasus yang lebih nuansa. Mereka membayangkan model hibrida di mana AI menghasilkan peringatan dan para ahli membuat penilaian akhir.
Mengapa Pembaca Bisnis Harus Peduli
Untuk bisnis dan institusi yang terhubung dengan penerbitan akademis, melalui langganan, pengindeksan penelitian, atau pendanaan, kredibilitas konten jurnal adalah hal yang mendasar. Publikasi yang meragukan berisiko mengikis kepercayaan dan dapat mempengaruhi keputusan komersial, pengembangan kebijakan, atau inovasi produk. Mengadopsi penyaringan yang dibantu AI dapat membantu penerbit dan platform mengidentifikasi judul yang tidak dapat diandalkan lebih awal, membatasi risiko kerusakan reputasi dan mengurangi biaya yang terkait dengan penarikan, penghapusan daftar, atau tindakan korektif.
Kesimpulan
Dengan menandai lebih dari seribu jurnal yang berpotensi predator, alat AI ini merupakan langkah signifikan menuju perlindungan penerbitan akademis. Nilai terbesarnya terletak pada pelengkap keahlian manusia, menawarkan skala dan efisiensi sambil tetap mengandalkan penilaian yang hati-hati. Saat komunitas riset dan bisnis berupaya melindungi kredibilitas dalam ekonomi pengetahuan, AI dapat menjadi mitra vital, asalkan wawasan yang dihasilkan diterapkan dengan hati-hati.