SSP最新调查:科研诚信风险不只是AI,“发表或淘汰”仍是深层挑战

调查显示，AI生成或操纵稿件已经成为受访者最担忧的科研诚信风险，73%将其列入最主要的三项问题；论文工厂和虚假引用、AI生成的错误参考文献分别为44%和41%

当前最受关注的科研诚信挑战

但真正值得警惕的，是“风险”与“能力”之间的落差。

面对AI生成或操纵的稿件，49%的受访者对所在机构的识别能力只有“稍有信心”或“完全没有信心”，只有10%的人表示非常或极其有信心。相比之下，对于抄袭和文字重复，59%的受访者表示有较高信心。

这意味着，学术出版过去相对擅长解决的是“有没有重复”，而今天越来越需要面对的则是“内容是否可信”。

AI让论文生产、文字生成和信息处理的门槛不断降低，也让传统审核方式面临新的挑战。更复杂的是，AI同时站在风险和治理的两端：95%的受访者认同AI正在制造新的科研诚信风险；与此同时，54%的机构已经采用AI辅助筛查，43%的受访者认同AI正在改善科研诚信问题的检测和预防。

因此，未来的竞争很可能不是“要不要用AI”，而是能否建立有效的人机协同机制。工具可以发现异常，却无法代替编辑、审稿人对研究方法、证据和学术价值的判断。

而SSP调查进一步提示，科研诚信问题的根源，其实并不只是AI。

在受访者看来，“发表或淘汰”（Publish or Perish）激励机制仍是最重要的根源，46%将其排在第一位，60%将其列入前两位；生成式AI的发展速度超过政策和检测能力、投稿量增长超过编辑承载能力，则分别位列第二、第三。

科研诚信挑战的主要根源及影响排序

这些因素并不是彼此独立的，发表压力、AI快速发展、投稿量增长、论文工厂和编辑资源压力彼此交织，共同增加了科研诚信治理的复杂性。

于是，科研诚信逐渐从单篇论文、单个作者的问题，变成贯穿科研生产、投稿、同行评议、出版和出版后维护的系统性问题。

也正因此，94%的机构“已经在行动”，但并不意味着整个行业已经“足够安全”。72%的机构已有科研诚信政策，68%采用抄袭检测，55%开展编辑或工作人员培训，54%使用AI辅助筛查，43%还设置了专门的科研诚信岗位或委员会。

问题在于，这些措施如果只是分散在出版流程的不同节点，仍然很难形成真正有效的整体防线。