فرهیختگان:کیفیت مستندات علمی که اغلب در قالب مقالات و توسط مجلات منتشر میشوند چند سالی است محل بحثهای فنی و تخصصی اهالی علم است. سلب اعتبار مقالات چه برای کشور، چه مجلات علمی و چه پژوهشگران اتفاق ناگواری است که اگرچه در برخی موارد میتواند نشاندهنده پویایی جریان علم هم باشد، اما در برخی موارد هم جلوهای از بداخلاقیهای دنیای علمی به حساب میآید. ایوان اورانسکی و آلیس درِگر دو پژوهشگری که هزاران مقالهای را که از اعتبار ساقط (ریتراکت) شدهاند بررسی کردند، مینویسند که نظام داوری همتا (Peer Review) در حال از کار افتادن است. آنها چندی پیش در روزنامه تایم از زوایای مختلفی درباره ماجرای ریترکت شدن مقالات نوشتند که بخشهایی از آن را از نظر میگذرانید.
فکر میکنید اگر بشنوید یک برنده جایزه نوبل در یکی از دانشگاههای برتر آمریکا مجبور شده ۱۵ مورد از مقالههای علمیاش را پس بگیرد، چه واکنشی نشان میدهید؟ یا اینکه یک مطالعه درباره بیماری آلزایمر که بیش از ۲هزار بار به آن ارجاع داده شده بود، به این دلیل ریترکت شده که یکی از نویسندگان، تصاویر کلیدی را دستکاری کرده است؟
شاید هفته گذشته گزارشهایی را دیده باشید که در آنها گفته میشد یک پژوهش پرسروصدا درباره آلودگی بدن انسانها به ریزپلاستیکها، با تردیدهای جدی روبهرو شده است. یا اینکه مؤسسه معتبر سرطان دانا-فاربر، یک پرونده حقوقی را با پرداخت ۱۵ میلیون دلار (11.2 میلیون پوند) حلوفصل کرده؛ آن هم در شرایطی که ادعا شده بود پژوهشگرانش دادهها را جعل کردهاند.
در هر طرف که نگاه میکنیم، درباره پروندههایی میشنویم که در آنها یافتههای علمی فرو میریزند، چون بررسیها درباره دقت یا درستبودن نتایج، «پرچمهای قرمز» را بالا بردهاند. به طور معمول، علم به داوری پیش از انتشار (Peer Review) توسط دو یا سه متخصص برای هر دستنوشته ارسالشده تکیه داشت؛ اما داوری همتا بر نیروی کار داوطلبانه افرادی متکی است که نظام پاداشدهی دانشگاهی آنها را تشویق میکند مقاله بنویسند، نه اینکه آنها را داوری کنند. ادیتورهای مجلات به دنبال داورهای مناسب میگردند، اما ناگزیر برخی از آنها تخصص کاملی ندارند یا وقت کافی ندارند که با دقت در جزئیات دادهها و منابع کندوکاو کنند.
هوش مصنوعی (AI) تولید و ارسال «کارهای شلخته» را آسان کرده است؛ کارهایی که جایی بین «سرهمبندیشده» و «بیفایده» قرار میگیرند و البته بعضی پژوهشگران در جستوجوی شغل، ترفیع و افزایش حقوق از آن به عنوان میانبُر استفاده میکنند. این مسئله میتواند پیامدهای واقعی در جهان بیرون داشته باشد. در مورد مقاله پژوهشی آلزایمر که در سال ۲۰۰۶ در نیچر (Nature) منتشر شد و بعدتر ریترکت (بازپسگیری) شد، بودجه مرتبط با فعالیتهای پروتئینی در آن پژوهش، به شکل چشمگیری افزایش یافت؛ همانطور که پژوهشهای دیگر دانشمندان که به آن ارجاع دادند، بخشی از پایه و مبنای کارآزماییهای بالینی روی یک داروی جدید را تشکیل داد؛ دارویی که در نهایت شکست خورد و میلیاردها هزینه روی دست گذاشت.
«ریتراکشن واچ» (Retraction Watch)در سال ۲۰۱۰ راهاندازی شد. ایده این کار از کشفِ یکی از همبنیانگذاران - آدام مارکِس- دو سال قبلتر شکل گرفت؛ زمانی که او فهمید یک پژوهشگر بیهوشی در آمریکا، دادهها را در کارآزماییهای بالینی جعل کرده است. این پژوهشگر (اسکات روبن) در نهایت به دلیل اتهاماتی مرتبط با سوءرفتار علمی به زندان افتاد.
در سال ۲۰۱۰، بیشتر ریترکتها (ابطال مقالهها) اثر معناداری نداشتند. بنابراین شروع کردیم به توجه کردن و منتشر کردن آنچه میدیدیم. و خیلی زود فهمیدیم که از پسِ حجمش برنمیآییم؛ ماهی چند ده مورد بود. حالا این عدد به نزدیک ۵۰۰ مورد در ماه رسیده است و حدود ۶۳هزار ریترکت در پایگاه داده ثبت شده است. پروژه این پایگاه داده سه نفر را به کار گرفته تا آنچه در حال رخ دادن است را به شکل عمومی فهرست و مستند کند.
شولتو دیوید نمونهای از یک تغییر کلیدی است که پشتِ افزایش عظیمِ ریترکتها قرار دارد. «کارآگاهانی» مثل او به عنوان قهرمانان واقعی علم مدرن عمل میکنند؛ شبانهروز وقت میگذارند تا سرقت علمی (پلاژیاریسم) و همچنین دادهها، آمار و موارد مشکوک دیگر را شناسایی کنند. دیوید با بررسی مطالعههایی از پژوهشگران دانا-فاربر متوجه شد که تصاویر موشها که گفته شده بود در مراحل مختلف یک آزمایش گرفته شدهاند، ظاهراً کاملاً یکسان هستند و نمونههای مغز استخوانِ گرفتهشده از انسانها را هم شناسایی کرد که به شکلی گمراهکننده ارائه شده بودند. چنین کار طاقتفرسایی در این مقیاس فقط به لطف توسعه ابزارهای جرمشناسی ممکن شده است؛ ابزارهایی که برخی از آنها با هوش مصنوعی تقویت شدهاند.
کسانی که روی این مسئله (سرقت علمی و ابطال مقالات) کار میکنند، بهصورت آنلاین دور هم جمع میشوند تا روشها و بینشهایشان را با یکدیگر به اشتراک بگذارند. این کارِ جمعی دارد نتیجه میدهد. سالها بیشتر ناشران (و دانشمندان) بهطور علنی انکار میکردند که در نظام داوری همتا (Peer Review) اتفاق نگرانکنندهای در جریان است، اما «کارآگاهان داده» و موشکافی رسانهها باعث شدند یک حسابرسی و بازنگری جدی شکل بگیرد. اکنون همه مؤسسات بزرگ نشر علمی، تیمهای «یکپارچگی پژوهش» (Research Integrity) را به کار گرفتهاند تا ادعاها و گزارشهای تخلف را بررسی کنند. البته این کار، کاری «سیزیفوار» (بسیار سخت) است. همانطور که «ریتراکشن واچ» (Retraction Watch) مستند کرده، «کارخانههای مقاله» (Paper Mills) یا به عبارتی دیگر همان سازمانهای مشکوکی که دستنوشتههای علمی و حتی نامِ نویسندگی را به پژوهشگران میفروشند، با سرعت در حال گسترش هستند و سامانهای را زیر فشار میبرند که هیچوقت هم داورِ کافی نداشته تا مطمئن شود هر چیزی که منتشر میشود قابلاعتماد است. یکی از ناشران، «هنداوی» (Hindawi)، مجبور شد ۱۳هزار مقاله را که از همین کارخانهها برآمده بودند، ریترکت کند.
ما حتی مستند کردهایم که برخی چگونه به ادیتورهای مجلات رشوه میدهند. در ژوئن ۲۰۲۳، «نیکلاس وایز»، پژوهشگر دینامیک سیالات در دانشگاه کمبریج، یک شرکت چینی را افشا کرد که به ادیتورهای مجلات بیش از ۲۰هزار دلار پیشنهاد میداد تا مقالهها را برای انتشار بپذیرند. پژوهشگران اغلب بابت منتشر کردن یافتههای ترسناک و نگرانکنندهای که تیترهای جذاب میسازند، در قالب گرنتهای پژوهشی و کرسیهای استادی پاداش میگیرند و وقتی این اتفاق افتاد، عقبنشینی از آن ادعاها تقریباً غیرممکن میشود. شناختهشدهترین نمونه، مقاله سال ۱۹۹۸ مجله لنست (Lancet) است که «اندرو ویکفیلد» یکی از نویسندگانش بود و بهطور گسترده مقصرِ راهاندازی موج مدرنِ ضدواکسن دانسته میشود. آن گزارش دروغین سرانجام در سال ۲۰۱۰ ریترکت شد؛ اما ویکفیلد اکنون به یک قهرمان عامهپسند تبدیل شده است؛ از جمله برای افرادی مثل «رابرت اف. کندی جونیور»، وزیر بهداشت آمریکا!
گاهی ریترکتها نه بهخاطر سوءرفتار پژوهشگر، بلکه به این دلیل رخ میدهند که پژوهشگران بعد از انتقادها متوجه میشوند جایی را اشتباه کردهاند و باید از ادعاهایشان عقبنشینی کنند. این اتفاق در مورد مقالهای در نیچر افتاد که در آن برآوردهای بزرگنماییشدهای از اثر اقتصادی تغییرات اقلیمی ارائه شده بود. پشت همه اینها یک حقیقت ناراحتکننده وجود دارد؛ علم یعنی اشتباه کردن. وقتی این واقعیت با آگاهی از تقلب علمی کنار هم قرار میگیرد، ممکن است انسان را به نوعی نیهیلیسمِ ناامیدکننده (پوچگرایی یأسآلود) بکشاند؛ اما نباید چنین شود. باید به یاد داشته باشیم که خطاپذیری علم بخشی از نقطه قوت آن است. ما باید بیشتر به این توجه کنیم که چگونه «مشوق منحرف» (Perverse Incentives) ایجاد کنیم؛ انگیزههایی که کمیتِ انتشار را به کیفیت ترجیح میدهند و «جذابیت نمایشی» را بر دقت علمی مقدم میکنند و مهمتر از همه، باید به جهان کمک کنیم بفهمد وقتی نتایج پرسروصدا از آب درنمیآیند و ریترکت یا اصلاح میشوند، این هم بخشی از همان فرایندی است که ما را به حقیقت نزدیکتر میکند.