Un esame dei registri delle ritrattazioni di Crossref nelle 24 ore fino al 27 agosto restituisce 101 avvisi. Circa 90 di questi provengono da un unico editore, IOP Publishing, attraverso tre serie di conferenze: Journal of Physics: Conference Series, IOP Conference Series: Materials Science and Engineering e IOP Conference Series: Earth and Environmental Science. I restanti sono distribuiti tra MDPI, Springer, Frontiers, Wiley e uno proveniente da Science Advances.

La concentrazione per argomento

Dei 101 titoli, circa il 60% richiama il machine learning, le reti neurali, il deep learning o l’intelligenza artificiale. Non si tratta di una coincidenza dovuta alla popolarità del tema. Le collane di atti di conferenza con volumi di accettazione elevati e revisione paritaria leggera sono da anni la destinazione principale della produzione delle paper mill, e i titoli sull’applied machine learning sono i più facili da produrre in massa: un’architettura standard, un dataset pubblico, una tabella di metriche e la sostituzione del termine di dominio.

Cosa sbaglia l’inquadramento più comune

Ogni ritrattazione viene pubblicata come un avviso separato, con il proprio DOI, associato al proprio articolo. Letta singolarmente — cioè nel modo in cui la incontra un ricercatore, un gestore di citazioni o uno strumento automatico per la letteratura — ciascuna appare come una normale correzione editoriale di un singolo articolo difettoso. In nessun avviso individuale si dice che altri 89 sono stati emessi nella stessa finestra dallo stesso editore. La portata diventa visibile solo interrogando il registro su un intervallo temporale, cosa che quasi nessuno fa. Il risultato è che un’azione di integrità di massa viene veicolata attraverso un canale che, per sua struttura, ne nasconde la natura massiva.

Perché questo è il problema sbagliato da sottovalutare

I paper di machine learning ritirati non smettono di essere citati. Restano nelle liste di riferimento, nei paper di rassegna e, sempre più spesso, nei corpora di addestramento dei modelli usati per scrivere la tornata successiva di rassegne della letteratura. Un avviso di ritrattazione che raggiunge solo i lettori che aprono il singolo articolo a cui si riferisce è una correzione che non si propaga. Quando il lavoro ritirato riguarda a sua volta metodi di machine learning, il mancato propagarsi alimenta direttamente ciò che i modelli diranno su quei metodi.

Cosa servirebbe per migliorarne la visibilità

In sé, nulla negli avvisi è carente: sono registrati, leggibili dalle macchine e correttamente tipizzati in Crossref, ed è per questo che questa tornata è conteggiabile. Ciò che manca è un atto di sintesi: una dichiarazione unica dell’editore che indichi il numero, le serie coinvolte, l’indagine che ha portato al provvedimento e i criteri applicati. Senza questo, l’unico modo per sapere che circa 90 articoli sono stati ritirati in una volta sola è eseguire la query, e l’onere di accorgersene ricade sul lettore anziché sull’editore.