上海
2025年5月，Science 雜志發表題為Low-quality papers are surging by exploiting public data sets and AI的評論文章，指出公共數據挖掘和AI導致低質量論文泛濫，反對應用NHANES、GBD等公共數據庫進行的套路性研究。
（Science 網站截圖）
數據開源和AI技術本身是推動科研進步的利器，而不是低質量論文泛濫的原罪！NHANES數據濫用案例，本質上暴露了三個深層問題。
首先，方法論創新貧乏。許多研究團隊將公共數據庫視為數據礦場，用窮舉變量組合的粗暴方式替代科學假設驅動的研究范式，嚴重違背了科研探索的本質。我們可能經常遇到這樣的論文，作者對生物機制的理解停留在相關性強弱上，而沒有進一步的因果關系探究。
其次，技術倫理缺位。AI輔助寫作本可以提升科研效率，但是有的團隊將其用作學術洗稿工具，通過文本重組生成表面合規但科學內涵空洞的文章。而更危險的是，這種模式正被論文工廠產業化，形成從數據挖掘到論文生成的完整灰色鏈條。
最后，評價機制失靈。現行科研考核體系對短平快成果的偏愛，客觀上鼓勵了這種低風險、低創新的研究模式。學術期刊可以設立更好標準的論文發表要求和準則，比如生信類論文必須包含實驗驗證，或對公共數據的分析必須提供新的方法學貢獻。
解決問題的關鍵不在限制數據共享，而在重建學術共同體的自律機制。期刊應當要求作者披露AI使用情況，并建立方法學創新性的清單；資助機構也要調整評價導向，對數據挖掘類的研究給予更嚴格的審查。只有讓投機者無利可圖，才能引導科研回歸發現真知的軌道。
雪崩時，沒有一片雪花是無辜的。公共數據挖掘的研究，只要能夠濕實驗驗證，就可以發表；如果還能闡明機制，那就向高質量論文又邁進了一步！
不要忘了，二八定律具有普適性！沒有公共數據和AI的科研時代，高質量研究也是少數，低質量論文雖然沒有泛濫，但也不少！
以上僅為個人觀點，拋磚引玉，供大家參考！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
