En janvier 2024, l'American Association for the Advancement of Science a déclaré que la famille des revues Science allait commencer à utiliser Proofig, un outil de forensics d'image automatisé, sur les manuscrits acceptés.
Pour les auteurs, cela change une séquence familière. L'acceptation conditionnelle n'a jamais été une garantie, mais les semaines entre l'acceptation et la publication comprennent désormais des logiciels qui peuvent marquer une bande de blottes occidentales dupliquées, un panneau de fluorescence rotatif ou un champ de microscopie recyclé appartenant à une autre figure.
Pourquoi les journaux déplacent les vérifications d'image avant la publication
Le cas du dépistage précoce est simple.Une correction post-publication consomme du temps de l'éditeur, invite la couverture des nouvelles et suit les auteurs pendant des années.Une requête de pré-publication est moins coûteuse et plus silencieuse, et elle protège le dossier scientifique sans nécessiter de retrait.
Un article apparaît, un lecteur publie sur PubPeer, un expert indépendant comme Elisabeth Bik note des bandes dupliquées et une enquête institutionnelle commence.Mettre l'inspection avant la publication ne supprime pas ce processus, mais il intercepte une part significative des cas où le problème est accidentel ou facilement expliqué.
Le premier mouvement du grand journal
Les éditeurs reçoivent un rapport de similitude de Proofig lorsque le logiciel détecte des régions dupliquées, tournées, scalées ou pliées. L'outil ne décide pas du résultat. Un éditeur de journal examine le rapport, le compare avec les données brutes des auteurs si nécessaire et émet une requête.
D'autres éditeurs ont construit des systèmes parallèles. EMBO Press paie les spécialistes de l'image humaine avec des contrôles logiciels, et le Journal of Cell Biology a maintenu le dépistage de l'intégrité de la figure dans le cadre de son processus de production depuis des années.
Des outils qui lisent des pixels plutôt que de la prose
La preuvetravaille principalement au sein d'un seul manuscrit, à la recherche de régions qui se répètent après la rotation, le redimensionnement, l'effacement partiel ou le plier.Imaginaireajoute une comparaison avec la littérature publiée et une base de données d'images précédemment marquées. Aucun produit ne prouve de mauvaise conduite. Les deux produisent une shortlist pour un éditeur humain, car la distinction entre une erreur de composition honnête et une manipulation dépend du contexte que le logiciel ne peut pas lire.
Le logiciel examine les chiffres de manière à ce qu'un réviseur par pairs ne puisse pas reproduire facilement. Il vérifie si deux bandes dans des blocs séparés sont identiques pixel-for-pixel. Il identifie un cluster de cellules qui apparaît dans un autre panneau après un tournant de 180 degrés. Il remarque les patchs de fond clonés qui seraient invisibles à la résolution d'impression. Ce qui importe parce que les réviseurs lisent les légendes de figure et évaluent le design expérimental; ils n'alignent généralement pas les pixels entre les panneaux.
Ce que le dépistage automatique prend en pratique
à2016 Étude mBiodirigés par Elisabeth Bik, Arturo Casadevall et Ferric Fang ont examiné 20 621 articles biomédicaux et ont trouvé des duplications d'images inappropriées dans 3,8% d'entre eux. Les auteurs ont décrit ce chiffre comme un point de départ conservateur, car leur méthode ne pouvait détecter que certains modèles. Dans une littérature qui ajoute des centaines de milliers de documents chaque année, même un faible taux à un seul chiffre se traduit par une grande charge de travail éditoriale.
Dans le travail éditorial quotidien, les drapeaux se résolvent souvent comme des panneaux mal étiquetés, un contrôle de chargement accidentellement réutilisé, ou une figure assemblée à partir du mauvais lot de fichiers haute résolution. Les éditeurs qui traitent ces requêtes disent que de nombreux cas finissent par une correction avant publication plutôt qu'une découverte de mauvaise conduite.
Les faux positifs et les limites de détection
Le dépistage automatisé n'est pas une machine de vérité. la compression JPEG, la réutilisation légitime d'un contrôle de chargement qu'un auteur oublie de déclarer, et de longues expositions peuvent tous déclencher un rapport de similitude.
Les images générées par l'IA et le moulin à papier créent un problème plus difficile. Une image fabriquée peut être produite sans dupliquer une région existante, ce qui signifie que la correspondance à l'intérieur du papier peut le manquer complètement.C'est pourquoi les éditeurs associent les contrôles d'image aux règles de partage de données, aux questions de provenance et aux systèmes de registre.rapports antérieurs sur les outils d'IA qui signent les données doctoréesLa détection est une couche parmi plusieurs.
Ce que les auteurs doivent faire avant de soumettre
La réponse pratique est simple. Si un journal scanne vos chiffres, scanne-les d'abord. Des outils de préfecture gratuits et payants existent, mais le produit importe moins que l'archive derrière lui. Gardez des blocs non traités, des micrographes et des images de gel dans des dossiers étiquetés qui peuvent survivre à un mouvement de laboratoire. Décrivez les ajustements de contraste ou de luminosité dans les méthodes et appliquez-les à l'image entière. Parlez clairement dans la légende de la figure lorsqu'un contrôle de chargement est réutilisé.
- Exécutez le logiciel de prélèvement sur les chiffres assemblés avant de soumettre.
- Stockez des images brutes et non modifiées avec des métadonnées et un nom de fichier qui cartographient chaque figure.
- Déclarer tout contraste, luminosité ou ajustement de cropping dans les méthodes.
- Décrivez les contrôles de chargement réutilisés et répliquez explicitement les gels dans la légende de la figure.
- Lorsqu’un éditeur demande des données source, envoyez le fichier brut au lieu d’une copie polie.
Pour les membres du corps professoral, la question est moins de savoir si une image survivrait à un contrôle.Il s'agit de savoir si un postdoc pourrait trouver le fichier original en une après-midi si une requête atterrit pendant une semaine de vacances.
Corrections, retraits et moulins à papier
La connexion entre le dépistage d'images et les corrections est réelle mais inégale.Certains documents marqués reçoivent un erratum formel; d'autres sont retirés lorsque les données brutes ne peuvent pas être produites et les éditeurs ne peuvent pas vérifier le chiffre.Les fichiers manquants ne sont pas une preuve de fraude, mais ils laissent un comité avec peu de place pour agir.Guide de détection du moulin de papieretLes ressources d'éthique de publication plus larges de COPEAider les éditeurs à séparer les erreurs honnêtes de la mauvaise conduite organisée.
Les moulins de papier ont augmenté les paris.Retrait de masse de Wiley et HindawiLes vérifications d’images automatisées ne sont pas une solution à cette crise, mais elles sont un filtre précoce peu coûteux qui réduit l’afflux.
Pour les équipes de journaux, le flux de travail crée une nouvelle compétence éditoriale. Quelqu'un doit lire un rapport de similitude, écrire une requête d'auteur équitable et distinguer une réutilisation déclarée d'une non déclarée. Ce ensemble de compétences s'appuie sur l'éthique de la publication, la gestion des données et la communication attentive qui ne présume pas la culpabilité.
Si vous soumettez ce mois-ci, prenez une petite étape avant de télécharger. Exécutez vos chiffres assemblés à travers une vérification préalable et enregistrez chaque image brute dans un dossier nommé par figure et panneau. La préimpression est la vôtre; la version publiée appartient à l'enregistrement. Entre se trouve un ensemble de pixels qui raconte désormais plus de l'histoire qu'il ne l'avait auparavant.
Photo by Markus Winkler on Unsplash