一项针对1.5万种开放获取期刊的研究运用人工智能（AI）识别出“问题期刊”的典型特征。据《科学》报道，这是目前利用AI识别潜在问题期刊规模最大的研究，标记出1000多种期刊，约占样本总数的7%。这类期刊将盈利置于科研诚信之上，正破坏科学出版的真实性。

这款免费筛查工具虽不完美，但学术出版领域专家认为，它能为科研人员及其他群体避开可疑期刊提供有益补充。非营利组织“开放获取期刊目录”（DOAJ）常务董事Joanna Ball表示：“对于这项研究的部分成果及其为期刊相关评估提供支持的潜力，我感到十分振奋。”

图片来源：A. MASTIN/SCIENCE

  ?

长期以来，科学出版领域一直受伦理行为的困扰。分析人士指出，开放获取出版目前占主导地位的商业模式催生了强烈的利益驱动，即作者付钱给出版商，使论文可立即免费阅读；出版商倾向于快速发表大量论文，同时尽可能减少耗时的质量审核工作。

一些评论者将最恶劣的开放获取期刊称为“掠夺性期刊”，但也有观点认为，这个术语被不加区分、不成比例地应用于发展中国家创办的期刊。

研究负责人、美国科罗拉多大学博尔德分校的Daniel Acu?a表示，新研究未公布涉事期刊或出版商的名称，但多数被标记为问题期刊的出版物总部位于发展中国家。印度和伊朗的出版物中被标记的比例最高，均接近1%。他同时强调，发达国家的知名出版商也存在此类问题期刊。

Acu?a承认，AI“判定并非完美”。在15191种期刊样本中，AI将1092种期刊正确归类为问题期刊，但同时误判345种为无问题期刊，另有1782种问题期刊未被标记。他表示，研究结果“应被视为需要进一步调查的初步信号，而非最终定论”。

研究团队将DOAJ的指南作为质量基准，原因在于它细则丰富，便于定量分析。但目前问题期刊尚无公认定义，不同机构已制定了至少90种条款用于识别问题期刊。

尽管存在局限性，Acu?a认为，相较于仅由人类评估者进行的主观分类，AI工具能帮助研究人员节省时间，并实现更公平、更主动的期刊评价。团队估算，2000年至2020年，在问题期刊上发表的论文数量增长了10倍以上，达到4.5万篇，可见对这类工具的需求十分迫切。

加拿大渥太华大学的Kelly Cobey指出，问题期刊出版商可能通过改变运营方式或期刊名称逃避检查，因此AI工具需持续更新。“掠夺性期刊往往‘昼现夜隐’，难以追踪。这种流动性特点使其非常适合用AI工具应对，因为AI能随时间变化及时调整识别策略。”

Acu?a创办并运营的初创公司ReviewerZero计划将该AI工具的商业版本纳入现有软件套装，面向科研诚信领域的专业人士推广。但这款工具能否被广泛采用，目前仍有待观察。Ball表示，希望看到该工具获得更多验证。

Cobey则认为，归根结底，只要科研机构在很大程度上将教职聘任与晋升决策建立在研究者发表论文数量的基础上，问题期刊就可能持续存在。如果变革能落地，问题期刊“将自行消亡，因为它们再也无利可图”。