彭科：用好學術誠信檢測工具，把風險擋在投稿前

　　一篇論文的八張圖片被提取、切分、相互比對，完全重復、局部重復、放縮重復等問題被逐項標出，并以不同顏色提示風險。9月11日，在主題為“學術與科研場景下的AI”的第十七屆創新發展論壇上，廣東省艾思信息化學術交流研究院代表彭科在報告中展示的圖片檢測案例，將一個問題擺到研究者面前：在把稿件交給期刊之前，能否先借助工具找到需要核查的地方？

廣東省艾思信息化學術交流研究院代表彭科。攝影：張喆

　　當天，他以《學術誠信風險案例剖析、技術檢測與趨勢》為題，從作者、正文文本、圖片、參考文獻四個方面剖析風險，并重點介紹投稿前自查工具。他強調，技術可以幫助暴露可疑問題、查找可復核的證據，最終的專業判斷和研究責任仍須由本人承擔。

　　可在投稿前自查

　　彭科報告重點介紹了艾思科藍（AiScholar）學術誠信檢測平臺。該平臺是研究院在研究撤稿案例和出版商政策的基礎上，借助AI技術開展檢測產品建設，并在艾思科藍平臺進行的成果轉化。平臺面向個人研究者，平臺提供文本相似性、AIGC文本、圖片查重和參考文獻風險四類檢測能力，用于投稿前自查。

　　其中，文本相似性檢測對應的是中英文查重。彭科專門展示了英文查重工具iThenticate，介紹將稿件與文獻數據庫進行比對的應用。AIGC文本檢測則關注疑似由大模型生成的文本：課件列出對ChatGPT、Gemini、DeepSeek、Claude等主流模型的支持，并展示疑似AI生成片段定位和可視化報告等特點，幫助作者返回相關位置核查。文本相似性與疑似AI生成文本，是報告分別介紹的兩個檢測維度。

　　圖片完整性檢查的特點，是將圖像中的可疑區域具體呈現出來。在報告展示的檢測結果中，同一篇論文內的圖片經過提取和比對，形成風險概況，并顯示完全重復、局部重復、放縮重復和條帶重復等問題的位置。不同顏色用于區分風險等級，作者可以依據提示逐項檢查。彭科指出，其中也可能存在使用過程中無意引入的錯誤，工具可以幫助作者在投稿前發現和處理這些問題。

　　這一演示對應《Cell Reports》的一起撤稿案例。按照彭科的介紹，該作者發表后主動報告圖片問題，并稱錯誤是在準備、拼裝及使用AI輔助工具時無意引入的，隨后期刊重新檢查，發現多處問題。課件同時列出未按出版社政策披露AI使用、作者說明與底層數據解釋不足、問題涉及范圍過廣等情況。由此，圖像核查既涉及圖片本身，也涉及生成和處理過程的說明，以及原始資料能否支持作者的解釋。

　　參考文獻風險檢測則把核查細化到一條引文的具體字段。課件介紹，通過Crossref、OpenAlex等多個來源交叉驗證，逐項比對作者、標題、期刊、卷期頁碼、發表年份、DOI等信息。彭科說明，這類工具針對參考文獻生成中可能出現的不同問題，劃分風險級別并提供檢測報告，供作者在投稿前修正。

　　為什么要核對到這些細節？彭科列舉，有的文獻完全不存在，有的DOI真實，題名或作者卻被錯配；也有引文信息殘缺、文獻與研究主題不符，或論文已撤稿卻未被察覺等問題。面對報告標出的風險，作者需要返回原始文獻核查。AI可以幫助整理資料，但不能把生成的引文未經驗證就附在論文后提交。

　　對高校課題組而言，這些工具也有具體使用場景。彭科指出，導師難以對大課題組的所有細節面面俱到，可以借助檢測工具幫助學生開展投稿前檢查，降低投稿風險。但他專門強調，不能以工具作為終審，更不能據此直接作出學術不端的最終判斷。工具只是輔助專家和審稿人提示風險、尋找證據，論文的最終定性仍需人工判斷。

　　自查不能替代日常研究

　　自查也不能替代日常研究記錄。彭科舉例，一位研究者設置了多個“最終版”文件夾，編輯要求原始材料時，卻無法提供確切的研究記錄。他提醒，應完整保存原始數據、圖片和代碼，做好分析流程的版本管理。對于署名，還須確認身份、貢獻與責任的真實性；AI無法承擔論文責任，不能被列為作者。

　　在使用AI輔助寫作時，彭科區分了允許使用、需要披露和禁止使用的不同程度。語言潤色、文獻檢索線索和構思框架可以提供輔助，但不能改變科學內容與作者的核心判斷。AI實質參與文本生成、數據分析或研究方法，應透明披露工具和用途，并核對期刊規定；虛構實驗數據、生成虛假參考文獻則屬于禁止范圍，審稿中的他人論文也不應上傳通用大模型。

　　發現問題之后，還要遵循糾錯規范。彭科結合COPE撤稿指南指出，撤稿旨在糾正學術文獻、維護科學記錄的完整性，并非懲罰作者。“誠實錯誤”應與偽造數據、買賣論文、圖片造假等主觀惡意行為區分；能夠通過更正解決的錯誤，應謹慎對待撤稿。

　　報告最后，彭科強調，科學研究允許發現問題、解決問題和糾正問題，關鍵是讓知識流通建立在可信的基礎上。從原始記錄的保存，到檢測工具的使用，再到作者核查和專家判斷，投稿前的自查最終仍要回到證據、規范與責任。