Un repaso de los registros de retractación de Crossref durante las 24 horas hasta el 27 de agosto devuelve 101 avisos. Aproximadamente 90 de ellos proceden de una sola editorial, IOP Publishing, a través de tres series de conferencias: Journal of Physics: Conference Series, IOP Conference Series: Materials Science and Engineering y IOP Conference Series: Earth and Environmental Science. El resto se reparte entre MDPI, Springer, Frontiers, Wiley y uno de Science Advances.

La concentración temática

De los 101 títulos, aproximadamente el 60% hace referencia a aprendizaje automático, redes neuronales, deep learning o inteligencia artificial. No se trata de una coincidencia de popularidad temática. Las series de actas de conferencias con gran volumen de aceptación y una revisión por pares ligera han sido durante años el destino principal de la producción de paper mills, y los títulos de aprendizaje automático aplicado son los más fáciles de generar en masa: una arquitectura estándar, un conjunto de datos público, una tabla de métricas y el término de un dominio sustituido por otro.

Lo que falla en el encuadre habitual

Cada retractación se publica como un aviso independiente, con su propio DOI, vinculado a su propio artículo. Leído de forma aislada —que es como lo encuentra un investigador, un gestor bibliográfico o una herramienta automatizada de literatura—, cada uno parece una corrección editorial ordinaria de un único artículo defectuoso. Ningún aviso individual indica que otros 89 se emitieron en la misma ventana por la misma editorial. La magnitud solo se hace visible si se consulta el registro en un rango temporal, algo que casi nadie hace. El resultado es que una acción masiva de integridad se comunica mediante un canal que, por su propia estructura, oculta que se trata de una acción masiva.

Por qué este es el problema equivocado para infradenunciar

Los artículos retractados de aprendizaje automático no dejan de citarse. Permanecen en listas de referencias, en artículos de revisión y, cada vez más, en los corpus de entrenamiento de los modelos que se usan para redactar la siguiente ronda de revisiones bibliográficas. Un aviso de retractación que solo llega a los lectores que abren el artículo concreto al que pertenece es una corrección que no se propaga. Cuando el trabajo retractado trata precisamente sobre métodos de aprendizaje automático, la falta de propagación retroalimenta directamente lo que los modelos afirmarán sobre esos métodos.

Qué mejoraría la visibilidad

En sí mismos, los avisos no presentan ninguna deficiencia: están registrados, son legibles por máquina y están correctamente tipificados en Crossref, razón por la cual este barrido puede contarse. Lo que falta es un acto de síntesis: una única declaración de la editorial con el número, las series afectadas, la investigación que lo produjo y los criterios aplicados. Sin eso, la única manera de saber que alrededor de 90 artículos fueron retirados de una vez es ejecutar la consulta, y la carga de detectar el hecho recae en el lector y no en la editorial.