Im Januar 2024 sagte die American Association for the Advancement of Science, dass die Science-Familie von Zeitschriften Proofig, ein automatisiertes Bildforensik-Tool, auf akzeptierten Manuskripten verwenden würde.
Bedingte Akzeptanz war nie eine Garantie, aber die Wochen zwischen Akzeptanz und Veröffentlichung beinhalten jetzt Software, die eine doppelte westliche Blotband, ein rotierendes Fluoreszenzpanel oder ein recyceltes Mikroskopiefeld, das zu einer anderen Figur gehört, flaggen kann.
Warum Zeitschriften Bildprüfungen vor der Veröffentlichung verschieben
Eine Korrektur nach der Veröffentlichung verbraucht Redaktionszeit, lädt zur Berichterstattung ein und verfolgt die Autoren jahrelang.Eine Abfrage vor der Veröffentlichung ist billiger und leiser und schützt die wissenschaftliche Aufzeichnung ohne Rückzug.
Ein Papier erscheint, ein Leser postet auf PubPeer, ein unabhängiger Experte wie Elisabeth Bik bemerkt duplizierte Bands, und eine institutionelle Untersuchung beginnt.
Die erste große Zeitungsbewegung
Die Entscheidung der Science-Familie war schwer, weil sie mehrere Titel unter einer Richtlinie abdeckte. Redakteure erhalten einen Ähnlichkeitsbericht von Proofig, wenn die Software doppelte, rotierte, skalierte oder zusammengefasste Regionen erkennt. Das Tool entscheidet nicht über das Ergebnis. Ein Journal-Editor überprüft den Bericht, vergleicht ihn bei Bedarf mit den Rohdaten der Autoren und stellt eine Abfrage aus.
Andere Verleger haben parallele Systeme gebaut. EMBO Press verbindet menschliche Bildspezialisten mit Software-Checks, und das Journal of Cell Biology hat seit Jahren das Screening der Figurintegrität als Teil seines Produktionsprozesses aufrechterhalten.Die Ansätze unterscheiden sich im Workflow, aber sie teilen ein Prinzip: Die Pixel-Level-Check gehört vor der Endversion, nicht nach der Pressemitteilung.
Tools, die Pixel anstelle von Prosa lesen
Beweisarbeitet hauptsächlich innerhalb eines einzelnen Manuskripts und sucht nach Regionen, die sich nach Rotation, Änderung, teilweise Löschung oder Splicing wiederholen.Bildschirmfügt einen Vergleich gegen veröffentlichte Literatur und eine Datenbank von zuvor gekennzeichneten Bildern hinzu. Kein Produkt beweist Fehlverhalten. Beide produzieren eine Shortlist für einen menschlichen Editor, da der Unterschied zwischen einem ehrlichen Kompositionsfehler und einer Manipulation vom Kontext abhängt, den die Software nicht lesen kann.
Die Software untersucht die Zahlen in einer Weise, die ein Peer-Reviewer nicht leicht replizieren kann. Es prüft, ob zwei Bänder in getrennten Blöcken Pixel-für-Pixel identisch sind. Es identifiziert einen Zellcluster, der in einem anderen Panel nach einer 180-Grad-Wende erscheint. Es erkennt klonierte Hintergrund-Patches, die bei der Druck-Auflösung unsichtbar wären. Das ist wichtig, weil Reviewer Figur-Legenden lesen und experimentelles Design bewerten; sie stellen normalerweise keine Pixel über Panels aus.
Was automatisierte Screening in der Praxis fängt
A ist2016 mBio StudieUnter der Leitung von Elisabeth Bik, Arturo Casadevall und Ferric Fang untersuchten sie 20.621 biomedizinische Papiere und fanden in 3,8% von ihnen unangemessene Bildduplikationen. Die Autoren beschrieben diese Zahl als einen konservativen Ausgangspunkt, da ihre Methode nur bestimmte Muster erkennen konnte.
In der täglichen redaktionellen Arbeit lösen sich Flaggen oft als falsch markierte Panels, eine versehentlich wiederverwendete Loading-Steuerung oder eine Figur aus der falschen Batch von hochauflösenden Dateien. Redakteure, die mit diesen Abfragen umgehen, sagen, dass viele Fälle mit einer Korrektur vor der Veröffentlichung enden und nicht mit einem Fehlverhalten.
Falsche Positive und die Grenzen der Detektion
Automatisiertes Screening ist keine Wahrheitsmaschine. JPEG-Komprimierung, die legitime Wiederverwendung einer Ladekontrolle, die ein Autor vergessen zu erklären, und lange Expositionen können alle einen Ähnlichkeitsbericht auslösen. Autoren können Tage damit verbringen, alte Dateien abzurufen, und die Belastung fällt ungleichmäßig auf Forscher, die Labore verschoben haben, Institutionen geändert haben oder nie ein zuverlässiges Rohdatenarchiv aufgebaut haben.
AI-generierte und Papiermühle erzeugen ein schwierigeres Problem. Ein gefertigtes Bild kann produziert werden, ohne eine bestehende Region zu duplizieren, was bedeutet, dass Inner-Papier-Matching es komplett verpassen kann.frühere Berichterstattung über KI-Tools, die Doktortaten flaggenDie Erkennung ist eine Schicht unter mehreren.
Was Autoren vor der Einreichung tun sollten
Die praktische Antwort ist einfach. Wenn ein Tagebuch Ihre Zahlen abschirmt, überprüfen Sie sie zuerst. Es gibt kostenlose und bezahlte Vorschau-Tools, aber das Produkt ist weniger wichtig als das Archiv dahinter. Bewahren Sie unverarbeitete Blöcke, Mikrografen und Gel-Bilder in markierten Ordnern auf, die eine Laborbewegung überleben können. Beschreiben Sie jegliche Kontrast- oder Helligkeitsanpassungen in den Methoden und wenden Sie sie auf das gesamte Bild an. Sprechen Sie klar in der Figur-Legende, wenn eine Ladekontrolle wiederverwendet wird.
- Führen Sie Preflight-Software auf zusammengestellten Zahlen aus, bevor Sie einreichen.
- Speichern Sie rohe, unbearbeitete Bilder mit Metadaten und einem Dateinamen, der zu jeder Figur mappt.
- Erklären Sie jeglichen Kontrast, Helligkeit oder Krümmung Anpassungen in den Methoden.
- Beschreiben Sie wiederverwendete Ladekontrollen und replizieren Sie Gele explizit in der Figur-Legende.
- Wenn ein Editor die Quelldaten anfordert, senden Sie die Rohdatei anstelle einer polierten Kopie.
Frühkarriereforscher, die Projekte erben, sollten Rohdaten-Handoff als Teil der Übertragung der Urheberrechte behandeln. Für Fakultätsmitglieder ist die Frage weniger darüber, ob ein Bild einen Scheck überleben würde.
Korrekturen, Retractions und Papiermühlen
Die Verbindung zwischen Bildscreening und Korrekturen ist real, aber ungleichmäßig.Einige markierte Papiere erhalten ein formales Erratum; andere werden zurückgezogen, wenn die Rohdaten nicht produziert werden können und die Redakteure die Zahl nicht überprüfen können.Fehlende Dateien sind kein Beweis für Betrug, aber sie lassen einen Ausschuss mit wenig Raum zu handeln.COPE Papiermühle DetektionsanleitungundCOPE breitere Veröffentlichungsethik RessourcenHilf den Redakteuren, ehrliche Fehler von organisiertem Fehlverhalten zu trennen.
Papiermühle haben die Wetten angehoben.DieWiley und Hindawi massenhaft zurückziehenDie automatisierte Bildprüfung ist keine Lösung für diese Krise, aber sie ist ein preiswerter früherer Filter, der den Zustrom reduziert.
Für Zeitschriftteams erzeugt der Workflow eine neue redaktionelle Fähigkeit.Jemand muss einen Ähnlichkeitsbericht lesen, eine ehrliche Autorenabfrage schreiben und eine angekündigte Wiederverwendung von einer nicht angekündigten unterscheiden.Dieser Fähigkeitssatz stützt sich auf Veröffentlichungsethik, Datenmanagement und sorgfältige Kommunikation, die keine Schuldvermutung voraussetzt.
Wenn Sie diesen Monat einreichen, machen Sie einen kleinen Schritt, bevor Sie hochladen. Führen Sie Ihre zusammengestellten Zahlen durch einen Preflight-Check aus und speichern Sie jedes rohe Bild in einem Ordner, der nach Figur und Panel benannt ist. Der Preprint ist Ihr; die veröffentlichte Version gehört zur Aufzeichnung. Zwischen sitzt eine Reihe von Pixeln, die nun mehr von der Geschichte erzählt als früher.
Photo by Markus Winkler on Unsplash