Дорогие подписчики! Поздравляем вас с наступающим Новым годом! Пусть грядущий год принесёт новые идеи и смелые гипотезы, а научные дискуссии будут продуктивными и интересными. Желаем, чтобы ваши исследования находили отклик, статьи — достойные журналы, а рецензии были строгими, но справедливыми. Традиционно представляем дайджест научных событий за последний месяц:
Базы данных
• Clarivate и Китайская академия наук сегодня выпустили Research Fronts 2025, ежегодный отчет, в котором определяются ключевые области исследований, за которыми стоит следить. Также Clarivate опубликовал отчет Научно-исследовательское сотрудничество в меняющемся мире.
• Retraction Watch обратили внимание на несовершенство Google Scholar в части препринтов при подсчете индекса Хирша. Исследователи используют баги в системе, чтобы искусственно завысить свои показатели.
• Также The Times Higher Education сообщает, что лидеры по предметным областям в Google Scholar возникали из-за искажений в атрибуции. Как правило, это было связано с распространенными фамилиями, которым ошибочно приписываются работы и, соответственно, цитирования.
Наука в мире
• Nature опубликовал топ по-настоящему впечатляющих научных изображения 2025 года.
• Редакция Nature также опубликовала дайджест научных событий, за которыми будет следить весь мир в 2026 году.
ИИ в науке
• Опрос 1600 ученых показал, что более 50% использовали инструменты искусственного интеллекта при рецензии рукописей.
• В LSE отметили, что системы оценки исследований слишком медленные для измерения исследований, ускоренных ИИ.
Лидеры науки
• Nature опубликовал список Nature's 10, в который входят 10 человек, наиболее повлиявших на науку в 2025 году.
• Анализ международного сотрудничества в области исследований показывает растущее доминирование китайской науки.
• Также Китай возглавляет исследования в 90 % важнейших технологий, обогнав США, а Clarivate сообщает, что материковый Китай является новым глобальным лидером по биофармацевтическим инновациям.
• В Nature обсудили необходимость изменения подходов к оценке исследований крупных команд в контексте развития «большой науки».
Научная политика
• В Science в очередной раз обсудили преимущества развития открытой науки.
• В LSE подняли вопрос о критериях к оформлению научных публикаций, на которые исследователи тратят слишком много времени.
• Австралийские университеты все же пришли к соглашению с Elsevier, предотвратив локаут доступа к более чем 1600 академическим журналам.
Научная этика
• Список «угнанных» журналов (hijacked journals), который ведет Анна Абалкина, исследовательница научной этики, превысил 400 записей.
• Отчет Всемирного банка о тенденциях ожирения, включающий не менее чем 14 поддельных ссылок, был удален после расследования Retraction Watch. Из еще забавных находок: сообщается, что в журнале по академической этике Springer Nature возникла проблема с фальшивыми ссылками.
• Результаты, опубликованные в журнале Higher Education, свидетельствуют о «неравенстве в том, как преподаватели распределяют академические ресурсы в зависимости от уровня университета». Так, ученые из Китая значительно чаще отвечают студентам, обучающимся в элитных университетах, чем тем, кто учится в менее рейтинговых заведениях.
Наука в России
• Этот декабрь в российской науке стал временем подведения итогов и награждений. 9 декабря Сбер наградил5 ученых за достижения в области естественных наук и AI. А 15 декабря были объявлены 6 лауреатов премии "Вызов" в 5 номинациях.
• Российская академия наук в декабре утвердила обновленный перечень профессоров РАН. Всего в 2025 году звание было присвоено 85 ученым.
• РНФ представил яркие научные результаты российских ученых за 2025 год на пресс-конференции.
• «Ведомости» опубликовали статистику по публикациям и патентам российских ученых по данным ИСИЭЗ НИУ ВШЭ, сообщает НБЖД.
#дайджест #научныеновости #наукавроссии #научнаяэтика #научнаяполитика #новости
Базы данных
• Clarivate и Китайская академия наук сегодня выпустили Research Fronts 2025, ежегодный отчет, в котором определяются ключевые области исследований, за которыми стоит следить. Также Clarivate опубликовал отчет Научно-исследовательское сотрудничество в меняющемся мире.
• Retraction Watch обратили внимание на несовершенство Google Scholar в части препринтов при подсчете индекса Хирша. Исследователи используют баги в системе, чтобы искусственно завысить свои показатели.
• Также The Times Higher Education сообщает, что лидеры по предметным областям в Google Scholar возникали из-за искажений в атрибуции. Как правило, это было связано с распространенными фамилиями, которым ошибочно приписываются работы и, соответственно, цитирования.
Наука в мире
• Nature опубликовал топ по-настоящему впечатляющих научных изображения 2025 года.
• Редакция Nature также опубликовала дайджест научных событий, за которыми будет следить весь мир в 2026 году.
ИИ в науке
• Опрос 1600 ученых показал, что более 50% использовали инструменты искусственного интеллекта при рецензии рукописей.
• В LSE отметили, что системы оценки исследований слишком медленные для измерения исследований, ускоренных ИИ.
Лидеры науки
• Nature опубликовал список Nature's 10, в который входят 10 человек, наиболее повлиявших на науку в 2025 году.
• Анализ международного сотрудничества в области исследований показывает растущее доминирование китайской науки.
• Также Китай возглавляет исследования в 90 % важнейших технологий, обогнав США, а Clarivate сообщает, что материковый Китай является новым глобальным лидером по биофармацевтическим инновациям.
• В Nature обсудили необходимость изменения подходов к оценке исследований крупных команд в контексте развития «большой науки».
Научная политика
• В Science в очередной раз обсудили преимущества развития открытой науки.
• В LSE подняли вопрос о критериях к оформлению научных публикаций, на которые исследователи тратят слишком много времени.
• Австралийские университеты все же пришли к соглашению с Elsevier, предотвратив локаут доступа к более чем 1600 академическим журналам.
Научная этика
• Список «угнанных» журналов (hijacked journals), который ведет Анна Абалкина, исследовательница научной этики, превысил 400 записей.
• Отчет Всемирного банка о тенденциях ожирения, включающий не менее чем 14 поддельных ссылок, был удален после расследования Retraction Watch. Из еще забавных находок: сообщается, что в журнале по академической этике Springer Nature возникла проблема с фальшивыми ссылками.
• Результаты, опубликованные в журнале Higher Education, свидетельствуют о «неравенстве в том, как преподаватели распределяют академические ресурсы в зависимости от уровня университета». Так, ученые из Китая значительно чаще отвечают студентам, обучающимся в элитных университетах, чем тем, кто учится в менее рейтинговых заведениях.
Наука в России
• Этот декабрь в российской науке стал временем подведения итогов и награждений. 9 декабря Сбер наградил5 ученых за достижения в области естественных наук и AI. А 15 декабря были объявлены 6 лауреатов премии "Вызов" в 5 номинациях.
• Российская академия наук в декабре утвердила обновленный перечень профессоров РАН. Всего в 2025 году звание было присвоено 85 ученым.
• РНФ представил яркие научные результаты российских ученых за 2025 год на пресс-конференции.
• «Ведомости» опубликовали статистику по публикациям и патентам российских ученых по данным ИСИЭЗ НИУ ВШЭ, сообщает НБЖД.
#дайджест #научныеновости #наукавроссии #научнаяэтика #научнаяполитика #новости
❤15👍7🔥5
(Не)бесконечные лимиты? OpenAlex переходит на обязательные API ключи
С 13 февраля для выгрузок данных из OpenAlex потребуется API-ключ. Команда платформы объясняет это решение необходимостью повышения качества сбора статистики по использованию сервиса, адаптации инфраструктуры под реальный исследовательский запрос, а также предотвращения злоупотреблений по использованию сервиса.
По словам разработчиков, OpenAlex обрабатывает около 1,5 миллиарда запросов в месяц (больше, чем Crossref), и этот показатель продолжает расти. Такая нагрузка вынуждает команду оптимизировать работу платформы и вводить более управляемую модель доступа.
Без API-ключа пользователи смогут получить 100 бесплатных кредитов в день, чего достаточно для тестирования и демонстрационных задач, но после этого запросы будут возвращать ошибку 409.
С API-ключом доступ остаётся бесплатным для большинства пользователей (разработчики не конкретизируют, что скрывает эта гибкая формулировка): платформа будет предоставлять 100 000 кредитов в день. Текущие предложения таковы: 1 запрос по публикации = 1 кредиту, 1 список работ по фильтру = 10 кредитов, выгрузка контента = уже 100 кредитов (обещают выкатить функционал в ближайшее время), а анонсированный векторный поиск = 1000 кредитов (то есть порядка всего 100 запросов в день). Как подчёркивает команда OpenAlex, система кредитов и лимитов пока не является окончательной и продолжает калиброваться.
Объявленные изменения сближают платформу с другими крупными инфраструктурными сервисами научных данных, где API-ключ давно является стандартом, а не исключением. Но одновременно они могут стать первым серьезным шагом к большей коммерциализации OpenAlex (напомним, что премиум доступ у платформы есть уже некоторое время).
Надеемся, что, по крайней мере, пока OpenAlex останется бесплатным для большого процента исследователей, аналитиков и разработчиков, а изменения являются вынужденной мерой в попытке сохранить устойчивость проекта при стремительно растущей нагрузке (и повышения цен на комплектующие в связи с бумом ИИ).
#открытыйдоступ #API #OpenAlex #новости
С 13 февраля для выгрузок данных из OpenAlex потребуется API-ключ. Команда платформы объясняет это решение необходимостью повышения качества сбора статистики по использованию сервиса, адаптации инфраструктуры под реальный исследовательский запрос, а также предотвращения злоупотреблений по использованию сервиса.
По словам разработчиков, OpenAlex обрабатывает около 1,5 миллиарда запросов в месяц (больше, чем Crossref), и этот показатель продолжает расти. Такая нагрузка вынуждает команду оптимизировать работу платформы и вводить более управляемую модель доступа.
Без API-ключа пользователи смогут получить 100 бесплатных кредитов в день, чего достаточно для тестирования и демонстрационных задач, но после этого запросы будут возвращать ошибку 409.
С API-ключом доступ остаётся бесплатным для большинства пользователей (разработчики не конкретизируют, что скрывает эта гибкая формулировка): платформа будет предоставлять 100 000 кредитов в день. Текущие предложения таковы: 1 запрос по публикации = 1 кредиту, 1 список работ по фильтру = 10 кредитов, выгрузка контента = уже 100 кредитов (обещают выкатить функционал в ближайшее время), а анонсированный векторный поиск = 1000 кредитов (то есть порядка всего 100 запросов в день). Как подчёркивает команда OpenAlex, система кредитов и лимитов пока не является окончательной и продолжает калиброваться.
Объявленные изменения сближают платформу с другими крупными инфраструктурными сервисами научных данных, где API-ключ давно является стандартом, а не исключением. Но одновременно они могут стать первым серьезным шагом к большей коммерциализации OpenAlex (напомним, что премиум доступ у платформы есть уже некоторое время).
Надеемся, что, по крайней мере, пока OpenAlex останется бесплатным для большого процента исследователей, аналитиков и разработчиков, а изменения являются вынужденной мерой в попытке сохранить устойчивость проекта при стремительно растущей нагрузке (и повышения цен на комплектующие в связи с бумом ИИ).
#открытыйдоступ #API #OpenAlex #новости
👍4❤3🤔3🔥2
25 лет Википедии: о каких учёных читают чаще всего
Как уже успели отметить наши коллеги из НБЖД и «Системного Блока», Википедия в этом году празднует своё 25-летие.
Хотя общий интерес к Википедии как к источнику знаний в последние годы снижается из-за развития ИИ, открытая статистика по просмотрам на Вики служит хорошим индикатором внимания и интереса к тем или иным темам. Эти данные, например, регулярно используют при составлении рейтингов, в том числе университетов. Мы же решили посмотреть на Википедию с другой стороны и выяснить, какие ученые вызывают постоянный интерес у пользователей площадки.
Для этого мы взяли официальную статистику просмотров Википедии от Wikimedia Foundation и проанализировали, какие статьи стабильно попадали в топ-1000 самых просматриваемых с 2016 года — отдельно для английской и русской версий для каждого из дней за 10 лет, включая январь 2026 года. Такой подход позволяет проследить долгосрочный интерес, а не разовые всплески популярности. Чем больше таких «попаданий», тем устойчивее интерес к теме на протяжении лет.
Так мы сравнили:
• англоязычную Википедию — как показатель глобального интереса,
• русскоязычную Википедию — как отражение локального культурного внимания.
Это позволило увидеть, кто остаётся интересен годами, а кто популярен лишь в одной языковой версии. Таким образом мы получили топ самых популярных страниц исследователей.
5 самых популярных ученых в англоязычной версии Вики:
1. Альберт Энштейн (3648 дней попадал в топ рейтинга)
2. Стивен Хокинг (3062 дней)
3. Никола Тесла (2149)
4. Исаак Ньютон (881)
5. Роберт Оппенгеймер (866)
Отчасти схожую картину наблюдаем в русскоязычной версии Вики, но все же с национальным уклоном: Альберт Эйнштейн (3278 дней), Стивен Хокинг (2518), Михаил Ломоносов (2351), Никола Тесла (2241), Сергей Королёв (947).
Топ российских ученых в русскоязычной Вики представлен следующими фигурами:
1. Михаил Васильевич Ломоносов (2351 дней)
2. Сергей Павлович Королёв (947)
3. Дмитрий Иванович Менделеев (888)
4. Андрей Дмитриевич Сахаров (273)
5. Пётр Леонидович Капица (155)
Разница между английской и русской версиями показывает, что глобальный канон и локальная память живут по разным законам. Для мира важны фигуры, связанные с фундаментальной наукой и большими нарративами XX века, тогда как русская Википедия сильнее отражает национальную историю науки и техники. При этом такие люди как Эйнштейн, Хокинг и Тесла — не просто учёные, а символы науки как таковой, понятные вне языков и стран.
Примечательно, что долгосрочный интерес почти не зависит от новостных поводов. Действительно, громкие события и фильмы дают всплески (в частности, вероятнее всего это объясняет интерес к имени Р. Оппенгеймера), но в топе годами остаются те, чьи имена встроены в повседневное представление о том, «как работает наука». Таким образом Википедия здесь выступает не просто энциклопедией, а зеркалом коллективного знания: она показывает не то, что «важно по мнению экспертов», а то, о чём и о ком люди действительно продолжают читать изо дня в день и год за годом, на разных языках и в разных культурах.
#wikipedia #популярность #ученые #Тесла #Хокинг #Ломоносов #Капица #Энштейн #Менделлев #Сахаров #Королев #Оппенгеймер #википедия
Как уже успели отметить наши коллеги из НБЖД и «Системного Блока», Википедия в этом году празднует своё 25-летие.
Хотя общий интерес к Википедии как к источнику знаний в последние годы снижается из-за развития ИИ, открытая статистика по просмотрам на Вики служит хорошим индикатором внимания и интереса к тем или иным темам. Эти данные, например, регулярно используют при составлении рейтингов, в том числе университетов. Мы же решили посмотреть на Википедию с другой стороны и выяснить, какие ученые вызывают постоянный интерес у пользователей площадки.
Для этого мы взяли официальную статистику просмотров Википедии от Wikimedia Foundation и проанализировали, какие статьи стабильно попадали в топ-1000 самых просматриваемых с 2016 года — отдельно для английской и русской версий для каждого из дней за 10 лет, включая январь 2026 года. Такой подход позволяет проследить долгосрочный интерес, а не разовые всплески популярности. Чем больше таких «попаданий», тем устойчивее интерес к теме на протяжении лет.
Так мы сравнили:
• англоязычную Википедию — как показатель глобального интереса,
• русскоязычную Википедию — как отражение локального культурного внимания.
Это позволило увидеть, кто остаётся интересен годами, а кто популярен лишь в одной языковой версии. Таким образом мы получили топ самых популярных страниц исследователей.
5 самых популярных ученых в англоязычной версии Вики:
1. Альберт Энштейн (3648 дней попадал в топ рейтинга)
2. Стивен Хокинг (3062 дней)
3. Никола Тесла (2149)
4. Исаак Ньютон (881)
5. Роберт Оппенгеймер (866)
Отчасти схожую картину наблюдаем в русскоязычной версии Вики, но все же с национальным уклоном: Альберт Эйнштейн (3278 дней), Стивен Хокинг (2518), Михаил Ломоносов (2351), Никола Тесла (2241), Сергей Королёв (947).
Топ российских ученых в русскоязычной Вики представлен следующими фигурами:
1. Михаил Васильевич Ломоносов (2351 дней)
2. Сергей Павлович Королёв (947)
3. Дмитрий Иванович Менделеев (888)
4. Андрей Дмитриевич Сахаров (273)
5. Пётр Леонидович Капица (155)
Разница между английской и русской версиями показывает, что глобальный канон и локальная память живут по разным законам. Для мира важны фигуры, связанные с фундаментальной наукой и большими нарративами XX века, тогда как русская Википедия сильнее отражает национальную историю науки и техники. При этом такие люди как Эйнштейн, Хокинг и Тесла — не просто учёные, а символы науки как таковой, понятные вне языков и стран.
Примечательно, что долгосрочный интерес почти не зависит от новостных поводов. Действительно, громкие события и фильмы дают всплески (в частности, вероятнее всего это объясняет интерес к имени Р. Оппенгеймера), но в топе годами остаются те, чьи имена встроены в повседневное представление о том, «как работает наука». Таким образом Википедия здесь выступает не просто энциклопедией, а зеркалом коллективного знания: она показывает не то, что «важно по мнению экспертов», а то, о чём и о ком люди действительно продолжают читать изо дня в день и год за годом, на разных языках и в разных культурах.
#wikipedia #популярность #ученые #Тесла #Хокинг #Ломоносов #Капица #Энштейн #Менделлев #Сахаров #Королев #Оппенгеймер #википедия
❤10🔥6👍5
NeurIPS 2025: в материалах ведущей научной конференции нашли сгенерированные ссылки
GPTZero обнаружил по меньшей мере 100 фальшивых источников в работах, принятых на конференцию NeurIPS 2025, одной из самых престижных в области машинного обучения и ИИ.
На конференцию NeurIPS 2025 было подано более 21 500 работ, т. е. в 2 раза больше по сравнению с 2020 годом, когда заявок было 9 467. В 2025 году 5 290 работ были приняты к публикации — это примерно 24.5 % от общего числа, то есть почти каждая четвёртая работа прошла через многократное рецензирование, а на каждый принятый материал приходилось в среднем 15 000 публикаций, с которыми соревновались авторы.
Анализ охватил 4 841 материал, прошедший рецензирование для NeurIPS. В 51–53 работах были подтверждены фальшивые или несуществующие источники: вымышленные статьи, несуществующие DOI или неправильные данные, что подогревает беспокойство о качестве проверки научных публикаций в эпоху широкого применения LLM (рис.).
При этом обработку статей обеспечивали около 20 500 рецензентов, 1 663 area chairs и 199 senior area chairs — невероятно большая команда, но всё равно крайне загруженная. Несмотря на строгую политику рецензирования из-за такого наплыва работ организаторы столкнулись с очевидными трудностями: выросла доля относительно неопытных рецензентов, а системы подбора материалов (например, через OpenReview) стали больше полагаться на автоматическую проверку, чем на глубокую экспертизу. Очевидно, что рецензенты попросту не успевали перепроверять каждую цитату.
Случай с NeurIPS 2025 подтверждает, что даже самые престижные конференции оказываются уязвимыми перед вызовами современной науки. Вероятно, в эпоху LLM проблема уже не только в том, используют ли ИИ при написании статей, а в том, кто и как проверяет результат. Именно качество научной экспертизы становится новым уязвимым местом академической системы.
#рецензирование #научнаяэтика #галлюцинации #NeurIPS2025
GPTZero обнаружил по меньшей мере 100 фальшивых источников в работах, принятых на конференцию NeurIPS 2025, одной из самых престижных в области машинного обучения и ИИ.
На конференцию NeurIPS 2025 было подано более 21 500 работ, т. е. в 2 раза больше по сравнению с 2020 годом, когда заявок было 9 467. В 2025 году 5 290 работ были приняты к публикации — это примерно 24.5 % от общего числа, то есть почти каждая четвёртая работа прошла через многократное рецензирование, а на каждый принятый материал приходилось в среднем 15 000 публикаций, с которыми соревновались авторы.
Анализ охватил 4 841 материал, прошедший рецензирование для NeurIPS. В 51–53 работах были подтверждены фальшивые или несуществующие источники: вымышленные статьи, несуществующие DOI или неправильные данные, что подогревает беспокойство о качестве проверки научных публикаций в эпоху широкого применения LLM (рис.).
При этом обработку статей обеспечивали около 20 500 рецензентов, 1 663 area chairs и 199 senior area chairs — невероятно большая команда, но всё равно крайне загруженная. Несмотря на строгую политику рецензирования из-за такого наплыва работ организаторы столкнулись с очевидными трудностями: выросла доля относительно неопытных рецензентов, а системы подбора материалов (например, через OpenReview) стали больше полагаться на автоматическую проверку, чем на глубокую экспертизу. Очевидно, что рецензенты попросту не успевали перепроверять каждую цитату.
Случай с NeurIPS 2025 подтверждает, что даже самые престижные конференции оказываются уязвимыми перед вызовами современной науки. Вероятно, в эпоху LLM проблема уже не только в том, используют ли ИИ при написании статей, а в том, кто и как проверяет результат. Именно качество научной экспертизы становится новым уязвимым местом академической системы.
#рецензирование #научнаяэтика #галлюцинации #NeurIPS2025
❤11
Forwarded from Если быть точным
С генеративными нейросетями ученые стали писать больше статей — правда, оценивать эти тексты стало сложнее
Большие языковые модели (LLM) — такие как ChatGPT — все активнее используются в науке, но до недавнего времени было неясно, как именно они меняют научное письмо в целом.
Команда исследователей из Корнеллского университета и Калифорнийского университета в Беркли попытались ответить на этот вопрос. Они проанализировали более двух миллионов препринтов — научных статей, выложенных в открытый доступ до рецензирования — за 2018–2024 годы из трех крупнейших баз: arXiv, bioRxiv и SSRN.
В качестве примера человеческого письма авторы взяли аннотации, опубликованные до 2023 года. Затем они переписали их с помощью GPT-3.5, чтобы выявить признаки текста языковой модели. А уже на основе различий оценивалась вероятность того, что более поздние аннотации были подготовлены не без помощи LLM .
Такой метод не позволяет точно определить вклад языковых моделей в каждую отдельную работу — и авторы исследования отдельно это подчеркивают. Но некоторые изменения в научном письме увидеть все же можно.
▫️ Научных работ стало больше
Когда в работах появляются признаки использования языковых моделей, авторы начинают публиковать заметно больше препринтов: на треть больше на arXiv, более чем на 50% на bioRxiv и почти на 60% на SSRN.
Исследователи объясняют эту тенденцию так. Подготовка статьи требует много времени: надо собрать аргументы, поработать с литературой и четко сформулировать выводы. У не-носителей английского языка могут возникнуть трудности, но LLM упрощают эти задачи. Отсюда дополнительное время для подготовки других статей.
Особенно сильный эффект от использования языковых моделей наблюдается у ученых с азиатскими именами, работающих в институтах Азии. У этой группы в отдельных областях число препринтов удвоилось.
▫️ Язык перестал быть индикатором качества
До их появления LLM сложный академический язык обычно отражал значительные усилия, вложенные в исследование. Своего рода косвенный сигнал качества, считают авторы.
Подготовленные с помощью языковых моделей работы воспроизводят внешние признаки такого письма, хотя по другим критериям статья может быть слабой. Избыточная сложность нередко сопровождает слабую методологию или ограниченную новизну, что снижает вероятность публикации.
А еще языковые модели влияют на поиск и использование предыдущих исследований: ученые чаще ссылаются на более свежие и менее известные источники.
Большие языковые модели (LLM) — такие как ChatGPT — все активнее используются в науке, но до недавнего времени было неясно, как именно они меняют научное письмо в целом.
Команда исследователей из Корнеллского университета и Калифорнийского университета в Беркли попытались ответить на этот вопрос. Они проанализировали более двух миллионов препринтов — научных статей, выложенных в открытый доступ до рецензирования — за 2018–2024 годы из трех крупнейших баз: arXiv, bioRxiv и SSRN.
В качестве примера человеческого письма авторы взяли аннотации, опубликованные до 2023 года. Затем они переписали их с помощью GPT-3.5, чтобы выявить признаки текста языковой модели. А уже на основе различий оценивалась вероятность того, что более поздние аннотации были подготовлены не без помощи LLM .
Такой метод не позволяет точно определить вклад языковых моделей в каждую отдельную работу — и авторы исследования отдельно это подчеркивают. Но некоторые изменения в научном письме увидеть все же можно.
Когда в работах появляются признаки использования языковых моделей, авторы начинают публиковать заметно больше препринтов: на треть больше на arXiv, более чем на 50% на bioRxiv и почти на 60% на SSRN.
Исследователи объясняют эту тенденцию так. Подготовка статьи требует много времени: надо собрать аргументы, поработать с литературой и четко сформулировать выводы. У не-носителей английского языка могут возникнуть трудности, но LLM упрощают эти задачи. Отсюда дополнительное время для подготовки других статей.
Особенно сильный эффект от использования языковых моделей наблюдается у ученых с азиатскими именами, работающих в институтах Азии. У этой группы в отдельных областях число препринтов удвоилось.
До их появления LLM сложный академический язык обычно отражал значительные усилия, вложенные в исследование. Своего рода косвенный сигнал качества, считают авторы.
Подготовленные с помощью языковых моделей работы воспроизводят внешние признаки такого письма, хотя по другим критериям статья может быть слабой. Избыточная сложность нередко сопровождает слабую методологию или ограниченную новизну, что снижает вероятность публикации.
А еще языковые модели влияют на поиск и использование предыдущих исследований: ученые чаще ссылаются на более свежие и менее известные источники.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13❤5