por DALMEET SINGH CHAWLA
Cuando una estudiante de doctorado de la Universidad Nacional Australiana estaba preparando una revisión sobre sistemas para recolectar agua del aire y purificar agua mediante desalinización, se topó con algo extraño. La estudiante, a quien el químico Brett Pollard codirigía, había estado investigando un montón de artículos académicos que citaban concentraciones de litio, potasio, sodio, calcio y magnesio que indicaban la pureza y seguridad del agua potable. Se citaba a la Organización Mundial de la Salud y a la Agencia de Protección Ambiental de Estados Unidos como las fuentes de esos valores.
Pero había un problema: la OMS y la EPA nunca habían producido estándares para estos metales, según Pollard y sus colegas. Entonces, ¿cómo habían circulado tales pautas y estándares en la literatura durante varios años, sin ser verificados y siendo citados una y otra vez? “En muchos casos, simplemente han inventado los valores por lo que puedo decir”, me dijo Pollard (ni la EPA ni la OMS respondieron a preguntas específicas sobre de dónde podrían provenir tales números al cierre de esta edición).
Pollard y sus colegas no son expertos dedicados a la integridad de la investigación que pasan horas y horas peinando la literatura académica en busca de tendencias y patrones extraños que puedan indicar irregularidades. Pero aun así lograron desenterrar alrededor de veinte artículos que citaban estándares inexistentes de la OMS y la EPA. Pollard cree que probablemente existan muchos más. “Este problema parecía estar propagándose”, dijo. “Simplemente parece algo fácil de hacer bien”, añadió, “por lo que nos pareció bastante extraño que todo el mundo parezca estar haciéndolo mal”.
No es difícil ver qué información existe o no en los sitios web de la OMS o la EPA, pero no habría sido fácil para los expertos en integridad de la investigación detectar tal patrón en la literatura sin experiencia en el campo de Pollard. De hecho, Pollard y sus colegas solo revisaron las fuentes primarias tras darse cuenta de que múltiples estudios sobre el tema citaban cifras diferentes. Pero eso lleva a la pregunta: ¿de dónde vienen todas estas cifras diferentes?
En el mundo de hoy, el culpable inmediato que viene a la mente es la IA generativa, que es ampliamente conocida por inventar citas cuando alucina. Algunos investigadores están utilizando la IA para redactar o editar artículos académicos, lo que podría conducir a la corrupción en el proceso de publicación científica.
Pero en el caso de Pollard, parece estar sucediendo algo diferente porque algunas de las citas son anteriores a noviembre de 2022, cuando se lanzó ChatGPT. También es posible que los artículos en cuestión sean productos de fábricas de artículos (paper mills), que son entidades dudosas conocidas por producir artículos sin sentido o de baja calidad, así como por vender puestos de autoría y citas.
Si bien Pollard dice que los estudios no parecían ser fraudulentos cuando los inspeccionó, algunos tenían texto escrito en un estilo que él no espera en los artículos científicos. Hasta cierto punto, los investigadores también pueden haber utilizado los mismos valores sin comprobar las fuentes primarias, una práctica que a veces se denomina “citación en frío”.
Cuando se encontraron inicialmente con estos artículos, Pollard y sus colegas tuvieron varias discusiones sobre si debían informar de estos problemas a las revistas. “Simplemente no siento que sea mi trabajo tener que vigilar esto hasta ese punto”, recordó haber pensado. “Pero también sentimos que no era correcto dejarlo sin abordar y dejar que esto se propagara porque puede convertirse en parte de la literatura aceptada”.
Pollard y su equipo informaron de este problema en un artículo académico separado en un intento de alertar a sus colegas sobre el problema. Pero es poco probable que todas las revistas en cuestión se retracten de los artículos afectados o que los estándares inexistentes dejen de aparecer en nuevos artículos. Incluso si los sabuesos de la integridad de la investigación o los conocedores entusiastas con talento para notar tales problemas montan guardia, los problemas solo se resolverían después de que se eliminen las afirmaciones falsas en la literatura.
Entonces, ¿qué se puede hacer para evitar que se mencionen afirmaciones falsas o inexactas en primer lugar? Las revistas académicas deberían contratar verificadores de datos pagados y dedicados cuya función sea comprobar rigurosamente todas las afirmaciones (incluidas las referencias) realizadas en los artículos académicos antes de que se publiquen. Esa sería una ronda adicional de control de calidad además de la revisión por pares.
Una serie de salas de redacción y medios de comunicación cuentan con contratistas internos o externos dedicados que, entre otras tareas, se aseguran de que todas las noticias, artículos de fondo y piezas de opinión contengan información objetiva que se atribuya adecuadamente a las fuentes primarias (lo mismo ocurrió con este artículo antes de ser publicado). ¿Por qué no podemos hacer lo mismo con los artículos académicos?
La verificación de datos parece aún más vital dado que las decisiones políticas a menudo se toman basándose en documentos científicos, que en última instancia se construyen y son citados por otros estudios. Si bien herramientas como la IA generativa están facilitando el aumento de la producción de investigación, es prudente que los editores académicos —especialmente los que tienen márgenes de beneficio que rivalizan con Google y Microsoft— vigilen la literatura de manera más proactiva.
Para ello, los verificadores de datos podrían desempeñar un papel importante junto a los equipos de integridad de la investigación de los editores, que vigilan problemas como la actividad de las fábricas de artículos y el uso ilícito de la IA generativa, los cuales deben ampliarse mucho más. En un mundo empañado por la desinformación, la información errónea y la sobrecarga de información, la ciencia podría y debería liderar el camino. La ciencia debería enorgullecerse de proporcionar información objetiva rigurosamente comprobada que ha sido escrutada manualmente por un ser humano, que utiliza las herramientas automatizadas a su disposición. Este enfoque es especialmente crucial ante el temor de que la ciencia falsa pueda ser cada vez más difícil de detectar.
La verificación de datos es la forma en que las revistas podrían añadir un valor real en un momento en que la comunidad académica, que también lleva a cabo la revisión por pares, generalmente como una labor de amor, se pregunta qué aportan los editores más allá de la composición tipográfica y la corrección de estilo de los artículos para que se vean bonitos.
Undark. Traducción: Maggie Tarlo