《自然》评述：生物医学数据库中有多少“水”论文

生物医学数据库中有多少“水”论文

　　

       美国科学家的一项最新统计表明，美国国立医学图书馆Medline数据库收录的1700万篇论文中，大约有20万篇存在重复问题，它们要么是同一作者一稿多投，要么是涉嫌剽窃他人的成果。该统计研究结果刊登在1月24日的《自然》杂志上。

          美国德克萨斯大学西南医学中心的Mounir  Errami和Harold  Garner从Medline数据库中随机抽取了1995年以后的62000篇论文，利用文本匹配软件，他们对重复或者高度相似的论文摘要进行了检测，结果共找到421篇可能存在问题的论文。

        随后，Errami和Garner对这些“水”论文进行了手动检查，他们估计，62000篇论文中大约有0.04%涉嫌剽窃，而另有1.35%是同一作者一稿多发。

        由于缺乏足够的计算力对Medline中所有1700万篇论文进行对比研究，在了解最初找到的421篇“水”论文的普遍规律后，Errami和Garner采取了一种捷径——利用Medline数据库的“最相关论文”功能，将一篇论文的摘要与相关论文的进行对比。

        这样，两位研究人员又对数据库中的700多万篇论文进行了研究，确定出7万篇嫌疑论文。在排除掉一些“假阳性”情况后，他们最终认为，有5万篇确实是重复或剽窃的论文。将这一结果外推到1700万篇论文，再考虑到一些修正因素，他们估计，Medline数据库中大约有20万篇“水”论文。

        Errami和Garner现在已经将有嫌疑的7万篇论文上传到一个名为Déjà  vu的开放数据库中，从而起到威慑的作用。他们制作的名为eTBLAST文本匹配软件也可以自由获取。

        不过，令两人不解的是，他们的统计结果比例比此前的类似研究都低，其中的原因他们现在也无法说清。研究人员期望通过进一步的研究，能够找到一些论文问题的基本规律。初步的估计已经表明，一个国家的论文重复问题率（一稿多发或剽窃）与它总的论文量之间存在比例关系，而出自中国和日本的论文的这一比例大约为预期值的两倍。（科学网  任霄鹏/编译）