A tudomány egyik legfontosabb minőségellenőrzése most egyre látványosabban fárad. Ha a szakmai lektorálás nem bírja a tempót, annak nemcsak a kutatók, hanem végső soron te is érzed a hatását: lassabban jutnak át a jó eredmények, és könnyebben csúsznak be félreértések.

Mi történt

Jason Semprini egészségügyi közgazdász egy olyan kutatást adott be publikálásra, amely azt vizsgálta, mennyire hatékonyak azok a szabályok, amelyek kötelezővé teszik az iskolás gyerekek HPV elleni oltását. A humán papillomavírus a méhnyakrákos esetek többségéért felelős, a tanulmány pedig nem az oltás biológiai hatását kérdőjelezte meg, hanem azt nézte, hogy egy kötelező szabályozás mennyire növeli valójában a lakossági védettséget és ezen keresztül mennyire csökkenti az összes megbetegedést.

A gond ott kezdődött, hogy a kéziratot egyetlen bíráló kapta meg, aki félreértette a kutatás alapállítását: úgy olvasta, mintha a szerző azt vitatná, hogy maga a HPV-vakcina megelőzi-e a méhnyakrákot. Ez lényegi tévedés, mert teljesen más kérdés egy oltás orvosi hatásossága és egy közpolitikai eszköz gyakorlati eredményessége. Mivel nem volt második vagy harmadik bíráló, aki korrigálhatta volna ezt a félreolvasást, a tanulmányt elutasították.

Ez az eset nem elszigetelt bosszúságként került elő, hanem egy nagyobb probléma tüneteként. A tudományos cikkek száma évek óta meredeken nő: a Scopus és a Web of Science adatbázisokban indexelt publikációk mennyisége évi 5,6 százalékos ütemben emelkedik, ami gyakorlatban exponenciális növekedést jelent. Gondolj rá úgy, mint egy postafiókra, ahová minden évben nemcsak több levél érkezik, hanem a növekedés üteme is tartósan magas marad. Közben a bírálatot többnyire névtelenül, önkéntes munkában végző kutatók ideje nem nő ugyanilyen tempóban. Egy becslés szerint világszerte évente összesen 15 ezer munkaév megy el szakmai lektorálásra.

Miért fontos

A szakmai lektorálás nem tökéletes, de még mindig ez az egyik legfontosabb szűrő a tudományban: elvben kiszúrja a módszertani hibákat, a túlzó állításokat és a gyenge következtetéseket. Ha viszont túlterheltté válik, akkor nemcsak több rossz munka csúszhat át, hanem jó kutatások is elakadhatnak pusztán azért, mert valaki felületesen olvasta őket. Az Ars Technica is arra futtatja ki a kérdést, hogy az AI-korszakban ez a nyomás még erősebb lehet: ha mesterséges intelligenciával könnyebb több kéziratot előállítani, a bírálati oldal terhelése tovább nőhet. A hétköznapi olvasónak ez azért fontos, mert az egészségügyi, oktatási vagy technológiai hírek mögött álló kutatások megbízhatósága részben ezen a rendszeren múlik.

Mire figyelj

  1. Érdemes követni, hogy a folyóiratok visszatérnek-e a több bírálós modellhez, mert egyetlen reviewer véleménye túl könnyen dönthet félreértés alapján.
  1. Fontos kérdés lesz, hogy a lektorálás önkéntes modellje fenntartható-e. Ha a rendszer évi hatalmas mennyiségű, jórészt fizetetlen szakmunkára épül, előbb-utóbb minőségi kompromisszumok jelennek meg.
  1. Az is kulcstéma, hogy az AI-t végül mire használják: kéziratok tömeges előállítására, vagy épp a bírálók támogatására. Az egyik irány tovább terheli a rendszert, a másik segíthetne abban, hogy a kutatók a lényegi kérdésekre koncentráljanak.
  1. A legfontosabb jel mégis az lesz, hogy a publikálási folyamat gyorsabb és pontosabb lesz-e egyszerre. Ha csak gyorsul, de nem javul az értő olvasás, a probléma valójában nem oldódik meg.