GPT-4一眼看穿論文會不會撤稿：7000篇實(shí)測準(zhǔn)確率高達(dá)95%｜人大浙大
大模型可能引發(fā)學(xué)術(shù)不端，也有辦法維護(hù)科研誠信
阿踏 投稿
量子位 | 公眾號 QbitAI
把論文丟給GPT-4進(jìn)行撤稿預(yù)測，和人類審稿人給出的結(jié)果相似性近95%！
具體來說，來自人大與浙大學(xué)者團(tuán)隊(duì)的研究者們把涉及數(shù)千篇SCI/SSCI的期刊論文的10000多條推文喂給了GPT-4，讓它根據(jù)推文回答“這篇論文是否有可能被撤稿”，然后和人類預(yù)測的結(jié)果相比較。
結(jié)果，GPT-4幾乎完美地勝任了這項(xiàng)工作。
也就是說，雖然近期偶有新聞冒出，有人直接把ChatGPT等大模型的生成內(nèi)容復(fù)制進(jìn)論文正文，進(jìn)而引發(fā)一系列學(xué)術(shù)不端問題。
但，大模型可能引發(fā)學(xué)術(shù)不端，也有辦法維護(hù)科研誠信。
論文作者Er-Te Zheng總結(jié)道：
AI能否應(yīng)用于學(xué)術(shù)研究，這一問題的關(guān)鍵，在于AI工具如何被人類所使用。
推文能預(yù)測論文撤稿
作為讓ChatGPT預(yù)測撤稿與否的基礎(chǔ)，研究團(tuán)隊(duì)首先探索了“推文本身能否預(yù)測撤稿”。
現(xiàn)實(shí)情況中，許多有問題的論文都是在推特等社交平臺上被曝光，引發(fā)關(guān)注，繼而被撤稿——比如前段時間爭議不小的用AI繪制小鼠插圖的論文。
在探索推文本身能否預(yù)測撤稿的過程中，團(tuán)隊(duì)搜集了一組包含3505篇撤稿論文的數(shù)據(jù)集，并采用粗略精確匹配方法獲得的具有相似特征的3505篇未撤稿論文。
這些特征包括發(fā)表期刊、發(fā)表年份、作者數(shù)量和推文數(shù)量。
上述7010篇論文的推文數(shù)據(jù)通過推特API收集，數(shù)據(jù)內(nèi)容包括推文發(fā)布日期和文本內(nèi)容。
篩選出在論文撤稿前發(fā)布的推文后，研究團(tuán)隊(duì)最終共搜集到8367條涉及撤稿論文的英文推文和6180條涉及未撤稿論文的英文推文。
研究把推文分為訓(xùn)練集和測試集。
訓(xùn)練集用來訓(xùn)練模型，然后在測試集上驗(yàn)證人工預(yù)測、關(guān)鍵詞方法、機(jī)器學(xué)習(xí)模型和ChatGPT的預(yù)測結(jié)果情況。
人工預(yù)測結(jié)果（研究者根據(jù)推文預(yù)測論文撤稿情況）是研究使用的主要基準(zhǔn)之一，用以衡量模型與人工方法的一致性情況。
人工預(yù)測結(jié)果顯示，人類若認(rèn)為推文暗示論文存在問題，則推文涉及的這篇論文有高達(dá)約93%的幾率會被撤稿（精確率≈93%），這說明部分推文的確能夠預(yù)測論文撤稿。
不過，像這樣能通過推文被人工預(yù)測出撤稿的論文的總體占比不高，約占所有撤稿論文的16%（召回率≈16%）。
因此，盡管只有一小部分撤稿論文的相關(guān)推文在論文撤稿前含有了可識別的問題信號，但這些信號確實(shí)存在。
研究者觀察到，能夠有效預(yù)測論文撤稿的批評性推文有兩種類型：
- 第一種直接突出論文中的錯誤或?qū)W術(shù)不端行為；
- 第二種使用批評或諷刺的方式來突出論文的質(zhì)量存疑。
這些推文能夠促使期刊對論文進(jìn)行調(diào)查，如果調(diào)查證實(shí)了推文中提到的問題的存在和嚴(yán)重性，論文隨后可能會被撤稿。
在這種情況下，批評性推文可以作為撤稿論文的催化劑，強(qiáng)調(diào)了將其納入研究誠信的早期預(yù)警系統(tǒng)的價(jià)值。
ChatGPT預(yù)測結(jié)果95%近似人類
既然發(fā)現(xiàn)推文具有預(yù)測論文撤稿的潛力，研究進(jìn)一步探索了關(guān)鍵詞方法、機(jī)器學(xué)習(xí)模型和ChatGPT在根據(jù)推文來預(yù)測論文撤稿方面的潛力，將各模型的預(yù)測結(jié)果與人工預(yù)測結(jié)果進(jìn)行比較。
研究表明，GPT-4的總體預(yù)測結(jié)果（包含撤稿預(yù)測和非撤稿預(yù)測）與人工預(yù)測結(jié)果的一致性最高，約95%。
其次是GPT-3.5和SVM模型，其一致性超過80%。
而關(guān)鍵詞方法與其他機(jī)器學(xué)習(xí)模型的一致性則在47%-64%之間，預(yù)測效果一般。
在精確率方面，同樣是GPT-4的精確率最高：
GPT-4預(yù)測會撤稿的論文中，近70%的在人工預(yù)測中同樣會撤稿；而其他模型的預(yù)測精確率均遠(yuǎn)低于GPT-4。
上圖進(jìn)一步顯示了不同模型預(yù)測結(jié)果與人工預(yù)測結(jié)果的比較。
關(guān)鍵詞方法和三種機(jī)器學(xué)習(xí)模型（LR、RF和NB）將大量人工無法判定為撤稿的論文歸為撤稿（過擬合率高）。
相比而言，GPT-4的預(yù)測結(jié)果最接近于人工預(yù)測的結(jié)果：
絕大部分GPT-4預(yù)測為撤稿的論文，人工預(yù)測也為撤稿，絕大部分GPT-4預(yù)測為非撤稿的論文，人工預(yù)測同樣為非撤稿。
有請實(shí)例
與其他方法相比，ChatGPT還有一個重要的優(yōu)勢——能夠?yàn)槠漕A(yù)測提供理由，而其他方法則無法詳細(xì)解釋其決策。
例如，從樣本論文中可以看出，ChatGPT對推文有深刻的理解，并能準(zhǔn)確提取可能預(yù)測論文撤稿的信息，為使用推文評估論文是否存在潛在問題提供了寶貴的幫助。
舉個
：
然而，也要注意到ChatGPT有時存在“幻覺”問題。
也就是說，ChatGPT可能會產(chǎn)生不恰當(dāng)?shù)妮敵觯虼嗽谑褂脮r需要謹(jǐn)慎，并考慮到其可能的錯誤預(yù)測。
例如：
樣例論文3中，相關(guān)推文是對這篇論文的評價(jià)，暗示該論文指出諾獎得主的某篇論文存在問題。
然而，ChatGPT將樣例論文3誤以為是被撤稿的諾獎得主的相關(guān)工作，因此這篇論文可能被撤稿。
此處的分析結(jié)果表明，ChatGPT存在一定的邏輯推理謬誤與過度解讀等問題。
因此，ChatGPT雖然能夠通過推文從一定程度上預(yù)測論文撤稿，與人工預(yù)測的一致性在各模型中表現(xiàn)最好，但其在當(dāng)前并非完美，在未來仍有長足的改進(jìn)空間。
網(wǎng)友對這項(xiàng)研究也挺關(guān)注，表示用ChatGPT預(yù)測論文撤稿，真是從未設(shè)想過的道路。
因缺斯汀，我還以為沒有足夠多的數(shù)據(jù)來支撐這一結(jié)論呢！
總體而言，研究揭示了社交媒體討論作為論文撤稿早期預(yù)警的潛力，同時也展示了ChatGPT等生成式人工智能在促進(jìn)科研誠信方面的潛在應(yīng)用。
研究作者介紹
最后，來認(rèn)識一下這個研究的作者～
Er-Te Zheng（鄭爾特），人大信息資源管理學(xué)院碩士生，由Zhichao Fang助理教授指導(dǎo)；本科時，他在浙江大學(xué)獲得管理學(xué)學(xué)士學(xué)位，師從Hui-Zhen Fu副教授。
他的研究方向涉及計(jì)算社會科學(xué)、科學(xué)學(xué)和科學(xué)計(jì)量。
Hui-Zhen Fu（付慧真），浙大公共管理學(xué)院信息資源管理系副教授，北京大學(xué)博士。
擔(dān)任信息資源管理研究所副所長，荷蘭萊頓大學(xué)科學(xué)技術(shù)研究中心（CWTS）訪問學(xué)者。
她的研究方向?yàn)榻徊婵茖W(xué)、科學(xué)計(jì)量、科研誠信和科研管理，在國際權(quán)威刊物發(fā)表論文超40篇（SCI/SSCI），連續(xù)四年（2020-2023）入選愛思唯爾中國高被引學(xué)者榜單。
Zhichao Fang（方志超），人大信息資源管理學(xué)院助理教授，荷蘭萊頓大學(xué)科學(xué)與技術(shù)研究中心（CWTS）博士，萊頓大學(xué)CWTS客座研究員，伊朗波斯灣大學(xué)社交媒體數(shù)據(jù)研究組成員。
他的研究方向?yàn)榭茖W(xué)學(xué)、科學(xué)計(jì)量和社交媒體計(jì)量學(xué)，在科學(xué)計(jì)量學(xué)與科技政策等領(lǐng)域發(fā)表SCI/SSCI論文20篇。
論文鏈接：https://arxiv.org/abs/2403.16851
相關(guān)閱讀
