Di dunia akademis, menjamurnya makalah palsu telah menjadi masalah serius, yang sangat menghambat kemajuan penelitian ilmiah dan penyebaran pengetahuan. Untuk mengatasi tantangan ini, peneliti Ahmed Abdin Hameed dari Universitas Binghamton di Negara Bagian New York mengembangkan algoritma pembelajaran mesin yang disebut xFakeSci, yang secara efektif dapat mengidentifikasi makalah akademis palsu dan menyediakan sarana teknis baru. Artikel ini akan mengeksplorasi secara mendalam prinsip, aplikasi, dan arah pengembangan algoritma xFakeSci di masa depan, menunjukkan potensi besarnya dalam memerangi penipuan akademik.
Di era ledakan informasi saat ini, khususnya di bidang penelitian ilmiah, munculnya makalah palsu sulit untuk dicegah.
Baru-baru ini, Ahmed Abdeen Hamed, seorang peneliti dari Binghamton University di Negara Bagian New York, mengembangkan algoritma pembelajaran mesin yang disebut xFakeSci, yang dapat mengidentifikasi dengan akurasi hingga 94% makalah akademik palsu .
Hameed mengatakan bahwa arah penelitian utamanya adalah informatika biomedis, dan selama epidemi, artikel penelitian ilmiah palsu bermunculan tanpa henti.
Dia dan timnya melakukan sejumlah besar eksperimen, menghasilkan 50 artikel palsu tentang tiga topik medis populer: penyakit Alzheimer, kanker, dan depresi, serta melakukan analisis komparatif dengan artikel asli tentang topik yang sama. Dengan cara ini ia berharap menemukan perbedaan dan pola.
Selama proses penelitian, Hameed mengekstraksi literatur yang relevan dengan menggunakan database PubMed dari National Institutes of Health dan menggunakan kata kunci yang sama untuk meminta ChatGPT untuk menghasilkan makalah. Intuisinya mengatakan kepadanya bahwa pasti ada pola antara surat palsu dan surat asli.
Rasio node to edge untuk kumpulan data berbeda ChatGPT dan artikel ilmiah.
Setelah analisis mendalam, algoritme xFakeSci terutama berfokus pada dua fitur utama: pertama, bigram dalam artikel, seperti “perubahan iklim”, “uji klinis”, dll., dan kedua, asosiasi bigram ini dengan kata lain dan konsep.
Ia menemukan bahwa jumlah kombinasi kata ganda yang muncul di surat kabar palsu jauh lebih rendah dibandingkan di surat kabar asli, meskipun kombinasi ini terkait erat dengan konten lain di surat kabar palsu.
Dia menunjukkan bahwa makalah yang dihasilkan AI sering kali dirancang untuk meyakinkan pembaca, sedangkan tujuan peneliti manusia adalah melaporkan hasil dan metode eksperimen dengan jujur.
Di masa depan, Hamed berencana memperluas algoritme xFakeSci ke lebih banyak bidang, termasuk teknik, sains, dan humaniora, untuk memverifikasi apakah karakteristik kertas palsu konsisten. Dia menekankan bahwa dengan kemajuan teknologi AI yang berkelanjutan, akan semakin sulit untuk mengidentifikasi surat-surat yang benar dan yang palsu. Oleh karena itu, merancang solusi komprehensif sangatlah penting.
Meskipun algoritme saat ini dapat mendeteksi 94% kertas palsu, 6% kertas palsu masih dapat lolos dari jaring. Ia dengan rendah hati mengatakan bahwa meskipun kemajuan penting telah dicapai, upaya berkelanjutan masih diperlukan untuk meningkatkan tingkat pengakuan dan meningkatkan kesadaran masyarakat.
Pintu masuk kertas: https://www.nature.com/articles/s41598-024-66784-6
Menyorot:
** Alat baru xFakeSci dapat mengidentifikasi makalah penelitian ilmiah palsu dengan akurasi hingga 94%, sehingga melindungi penelitian ilmiah. **
? ** Peneliti menghasilkan sejumlah besar kertas palsu dan membandingkannya dengan kertas asli dan menemukan bahwa terdapat perbedaan gaya penulisan yang signifikan di antara keduanya. **
** Di masa depan, cakupan penerapan algoritma ini akan diperluas untuk memenuhi tantangan makalah yang dihasilkan AI yang semakin kompleks. **
Kemunculan algoritma xFakeSci memberikan senjata ampuh untuk memberantas kecurangan akademik, namun masih perlu terus ditingkatkan dan ditingkatkan. Kemajuan teknologi dan terjaganya integritas akademik memerlukan upaya bersama untuk menciptakan ekosistem akademik yang lebih sehat.