Views: 6

Uno dei problemi principali dell’Intelligenza Artificiale è che si “nutre” di informazioni rintracciate sul WEB.
Purtroppo queste non sono sempre delle informazioni affidabili, serie e riproducibili. In tal caso diventano pericolose e generano testi che potrebbero produrre guai importanti per chi li utilizza. Fin dagli albori dell’informatica è stato coniato il detto “garbage in – garbage out” cioè se introduci spazzatura non può che venire fuori spazzatura. Questo assioma può tranquillamente essere traslato all’intelligenza artificiale e quindi essere utilizzato per mettere in guardia chi utilizza con troppa disinvoltura questa recentissima e utilissima applicazione.

Nel corso dell’attività scientifica è quindi importantissimo riuscire a valutare le fonti che si utilizzano e, se si utilizza l’IA generativa, garantire i risultati che se ne traggono.
È sempre più sentita, quindi, la necessità di strumenti in grado di identificare Riviste Scientifiche non affidabili.

Un nuovo e recentissimo pubblicato su science.org studio dimostra come l’intelligenza artificiale possa identificare automaticamente riviste scientifiche discutibili che minacciano l’integrità della ricerca globale. Queste riviste, spesso chiamate “predatorie”, pubblicano articoli senza una revisione scientifica seria, compromettendo la qualità della divulgazione scientifica.
Il Problema delle Riviste Predatorie
Le riviste ad accesso aperto discutibili sono proliferate negli ultimi anni, approfittando del modello di pubblicazione che chiede agli autori di pagare per pubblicare invece di richiedere abbonamenti. Queste riviste promettono pubblicazioni rapide senza controlli di qualità adeguati, attraendo principalmente ricercatori dai paesi in via di sviluppo sotto pressione per pubblicare. Il fenomeno danneggia la credibilità scientifica e costa milioni di dollari in finanziamenti sprecati.
La Soluzione con l’Intelligenza Artificiale
I ricercatori hanno sviluppato un sistema di IA che analizza automaticamente tre aspetti delle riviste:
1.⁠ ⁠Contenuto del sito web: verifica se sono presenti informazioni essenziali come politiche editoriali, comitato di revisione e linee guida etiche
2.⁠ ⁠Design del sito: analizza il codice e l’aspetto visivo della homepage per individuare pattern sospetti
3.⁠ ⁠Dati bibliometrici: esamina citazioni, autocitazioni e caratteristiche degli autori pubblicati
Risultati Impressionanti
Il sistema raggiunge un’accuratezza del 76% e identifica oltre 1000 riviste precedentemente sconosciute come potenzialmente problematiche. Sorprendentemente, i soli dati bibliometrici si rivelano molto efficaci: riviste con molte autocitazioni, poche citazioni esterne e autori con basso impatto scientifico hanno maggiori probabilità di essere discutibili.
Validazione Umana
Tre esperti hanno testato il sistema su 360 riviste, confermando una buona concordanza tra le valutazioni dell’IA e il giudizio umano, specialmente per criteri oggettivi come politiche sul copyright e informazioni editoriali.
Impatto Globale
L’analisi rivela che le riviste identificate pubblicano centinaia di migliaia di articoli che ricevono milioni di citazioni e riconoscono finanziamenti da importanti agenzie di ricerca. La distribuzione geografica mostra una maggiore concentrazione nei paesi in via di sviluppo, ma il problema tocca ricercatori di tutto il mondo.
Limiti e Precauzioni
Il sistema produce circa il 24% di falsi positivi, quindi ogni rivista segnalata deve essere verificata manualmente da esperti prima di essere etichettata come discutibile. I ricercatori sottolineano che l’IA deve supportare, non sostituire, il giudizio umano specializzato.
Le cause principali dei falsi positivi:
•⁠ ⁠testate chiuse o siti irraggiungibili,
•⁠ ⁠collane/atti di convegno scambiati per riviste,
•⁠ ⁠piccole riviste associative con presenza web povera.
Rimedi: pulizia dati (ISSN/ISBN), filtri su serie/attiproceedings, pesi minori ai soli segnali di design, più enfasi su pattern citazionali.

Prospettive Future
Questo strumento potrebbe aiutare istituzioni, finanziatori e ricercatori a prendere decisioni più informate nella scelta delle riviste. Tuttavia, serve cautela: le riviste discutibili si adattano rapidamente, modificando strategie per eludere la rilevazione automatica.
L’intelligenza artificiale rappresenta quindi una promessa significativa per mantenere l’integrità della comunicazione scientifica, ma deve essere implementata con trasparenza e supervisione esperta per evitare decisioni errate che potrebbero danneggiare riviste legittime.

L’IA è uno strumento di triage, non un giudice finale:
L’IA può scalare i controlli d’integrità e scovare >1000 riviste sospette non ancora mappate, ma non sostituisce il giudizio umano. La combinazione di algoritmi trasparenti e revisione esperta è oggi la via più solida per proteggere la qualità della comunicazione scientifica.

L’articolo originale è rintracciabile su: https://www.science.org/doi/10.1126/sciadv.adt2792?adobe_mc=MCMID%3D81305581959879559584326555693102949871%7CMCORGID%3D242B6472541199F70A4C98A6%2540AdobeOrg%7CTS%3D1756704923