Просмотр записей Crossref об отзывах за 24 часа до 27 августа показывает 101 уведомление. Примерно 90 из них приходятся на одного издателя, IOP Publishing, и охватывают три конференционные серии: Journal of Physics: Conference Series, IOP Conference Series: Materials Science and Engineering и IOP Conference Series: Earth and Environmental Science. Остальные распределены между MDPI, Springer, Frontiers, Wiley и одним уведомлением из Science Advances.

Тематическая концентрация

Из 101 заголовка примерно 60% содержат ссылки на машинное обучение, нейросети, deep learning или искусственный интеллект. Это не случайность тематики. Серии трудов конференций с высоким объемом публикаций и формальной рецензией уже несколько лет остаются основным направлением для контента paper mill, а заголовки на тему прикладного машинного обучения проще всего массово производить: стандартная архитектура, публичный датасет, таблица метрик и подстановка отраслевого термина.

Что упускает распространенная трактовка

Каждый отзыв публикуется как отдельное уведомление, со своим DOI, привязанное к своей статье. Если читать их поодиночке — а именно так с ними сталкиваются исследователь, менеджер ссылок или автоматизированный инструмент для работы с литературой, — каждое из них выглядит как обычная редакционная корректировка одной проблемной статьи. Ни в одном отдельном уведомлении не сказано, что в тот же период и тем же издателем было выпущено еще 89 таких же. Масштаб становится виден только при запросе к реестру за определенный промежуток времени, а так почти никто не делает. В результате массовое действие по обеспечению добросовестности проходит через канал, который по своей структуре скрывает, что это именно массовое действие.

Почему это важно не недооценивать

Отозванные статьи по машинному обучению не перестают цитировать. Они остаются в списках литературы, в обзорных работах и все чаще — в обучающих корпусах моделей, которые используют для написания следующего раунда обзоров литературы. Уведомление об отзыве, которое доходит только до читателей, открывших конкретную статью, — это исправление, которое не распространяется дальше. Когда сама отозванная работа посвящена методам машинного обучения, сбой в распространении ошибки напрямую влияет на то, что модели будут утверждать об этих методах.

Что помогло бы повысить видимость

Сами уведомления ни в чем не дефектны — они зарегистрированы, машиночитаемы и корректно классифицированы в Crossref, поэтому такой обзор вообще можно посчитать. Не хватает суммарного шага: одного заявления издателя с числом, затронутыми сериями, расследованием, которое к этому привело, и примененными критериями. Без этого единственный способ понять, что около 90 статей были отозваны одновременно, — выполнить запрос, и обязанность заметить это ложится на читателя, а не на издателя.