There is nothing to comment on the Wittau paper except that AI & paper mills are the second largest thread to science already.
Honesty of publications is fundamental in science. Unfortunately, science has an increasing fake paper problem with multiple cases having surfaced in recent years, even in renowned journals. …
We investigated 2056 withdrawn or rejected submissions to Naunyn–Schmiedeberg’s Archives of Pharmacology (NSAP), 952 of which were subsequently published in other journals. In six cases, the stated authors of the final publications differed by more than two thirds from those named in the submission to NSAP. In four cases, they differed completely. Our results reveal that paper mills take advantage of the fact that journals are unaware of submissions to other journals.
Die Gedanken sind frei,
wer kann sie erraten?
Sie ziehen vorbei, wie nächtliche Schatten.
Kein Mensch kann sie wissen,
kein Jäger erschießen mit Pulver und Blei.
Die Gedanken sind frei.
Was sich so schön lyrisch bei Hoffmann von Fallersleben anhört, ist eben nur Lyrik des 19. Jahrhunderts. Gedankenlesen fasziniert die Menschen seit König Davids Zeiten, aber ist erst seit kurzem in Ansätzen möglich (MPI)
Das Ergebnis erstaunte Libet, ebenso wie viele Forscher bis heute: Im Hirn der Probanden baute sich das Bereitschaftspotential bereits auf, bevor sie selbst den Willen zur Bewegung verspürten. Selbst wenn man eine gewisse Verzögerung beim Lesen der Stoppuhr annahm, blieb es dabei – der bewusste Willensakt ereignete sich im Durchschnitt erst drei Zehntelsekunden, nachdem die Handlungsvorbereitungen im Hirn angelaufen waren. Für viele Hirnforscher ließ das nur einen Schluss zu: Die grauen Zellen entschieden offenbar an uns vorbei.
Die technische Auflösung geht immer weiter, von der Antizipation einfacher Bewegungsmuster nun hin zur kompletten Bilderkennung im Gehirn “Mental image reconstruction from human brain activity” hier in der geringfügig korrigierten DeepL Übersetzung
Die von Menschen wahrgenommenen Bilder können aus ihrer Gehirnaktivität rekonstruiert werden. Allerdings ist die Visualisierung (Externalisierung) von mentalen Bildern eine Herausforderung. Nur wenige Studien haben über eine erfolgreiche Visualisierung von mentaler Bilder berichtet, und ihre visualisierbaren Bilder waren auf bestimmte Bereiche wie menschliche Gesichter oder Buchstaben des Alphabets beschränkt. Daher stellt die Visualisierung mentaler Bilder für beliebige natürliche Bilder einen bedeutenden Meilenstein dar. In dieser Studie haben wir dies durch die Verbesserung einer früheren Methode erreicht. Konkret haben wir gezeigt, dass die in der bahnbrechenden Studie von Shen et al. (2019) vorgeschlagene Methode zur visuellen Bildrekonstruktion stark auf visuelle Informationen, die vom Gehirn dekodiert werden, angewiesen ist und die semantischen Informationen, die während des mentalen Prozesses benutzt werden, nicht sehr effizient genutzt hat. Um diese Einschränkung zu beheben, haben wir die bisherige Methode auf einen Bayes’sche Schätzer erweitert und die Unterstützung semantischer Informationen in die Methode mit aufgenommen. Unser vorgeschlagener Rahmen rekonstruierte erfolgreich sowohl gesehene Bilder (d.h. solche, die vom menschlichen Auge beobachtet wurden) als auch vorgestellte Bilder aus der Gehirnaktivität. Die quantitative Auswertung zeigte, dass unser System gesehene und imaginierte Bilder im Vergleich zur Zufallsgenauigkeit sehr genau identifizieren konnte (gesehen: 90,7%, Vorstellung: 75,6%, Zufallsgenauigkeit: 50.0%). Im Gegensatz dazu konnte die frühere Methode nur gesehene Bilder identifizieren (gesehen: 64,3%, imaginär: 50,4%). Diese
Ergebnisse deuten darauf hin, dass unser System ein einzigartiges Instrument zur direkten Untersuchung der subjektiven Inhalte des Gehirns wie Illusionen, Halluzinationen und Träume ist.
Popular narratives suggest that scientific censorship is driven by authoritarian officials with dark motives, such as dogmatism and intolerance. Our analysis suggests that scientific censorship is often driven by scientists, who are primarily motivated by self-protection, benevolence toward peer scholars, and prosocial concerns for the well-being of human social groups.
Having experienced also censorship with a scientific hypothesis I would rate the arguments just by gut feeling like so
In dem Artikel erregte ein Zitat der Chief-Editorin von Nature, Magdalena Skipper, besondere Aufmerksamkeit. Hinsichtlich des Aufdeckens gezielter Fälschungen in Forschungsartikeln hält sie fest, dass dies keineswegs Job der Reviewer ist – und fügt hinzu: Ich möchte meine Peer-Reviewer eigentlich nicht als eine Art Polizeikommando ansehen, das solches Fehlverhalten aufspürt. Schon im Artikel werden Editoren-Kollegen mit anderer Meinung zitiert. Für noch mehr Diskussionen sorgte Skippers Aussage indes in den Sozialen Medien. So wunderte sich etwa die australische Psychologie-Professorin Simine Vazire auf X (ehemals Twitter): Die Zitate der Nature-Chief-Editorin Magdalena Skipper zur Frage, ob Zeitschriften im Rahmen des Peer-Review auch auf Fehler und Datenqualität prüfen sollten, überraschen mich doch sehr. Und mit dieser Überraschung war sie bei weitem nicht allein.
Es gibt aber auch andere Stimmen. So entgegnete etwa der kanadische Biologe Zen Faulkes in einer Antwort: Die Editorin hat recht. Das sollte nicht die Aufgabe der Peer-Reviewer sein. Es sollte die Aufgabe der Mitarbeiter des Journals sein.
Ich finde nicht, daß sie recht hat. Fehler und Datenqualität zu erkennen sollten durchaus Aufgabe der Peer Reviewer ist. Sie haben am meisten Ahnung, sie kennen sich mit den Methoden am besten aus und sie sollten sich auch mit Betrug am besten auskennen.
There are numerous tips on the internet, I have been even teaching “paper writing” for a while, but here are the ultimate recommendations
I’ve handled the review of > 1000 papers at @nature. Over time, you notice aspects of presentation on which reviewers tend to comment. In the interests of minimizing hassles during review, I offer the following suggestions (a bit targeted to climate papers).
According to a Chinese blogger, three publishers (not journals!) are now being blacklisted
On January 3rd, Zhejiang Gonggong University, a public university in Hangzhou, announced that all the journals of the three largest Open Access (OA) publishing houses were blacklisted, including Hindawi (acquired by Wiley in early 2021), MDPI founded by a Chinese businessman Lin Shukun, and Frontiers, which has become very popular in recent years. The university issued a notice stating that articles published by Hindawi, MDPI and Frontiers will not be included in research performance statistics.
Their aim is to use a historical account of the debate over the validity of Boyle’s air pump experiments, and by extension his experimental method, to discover the origins of the credibility that we give experimentally produced facts today. The authors wish to avoid ‘The self-evident’ method, which (they explain) is when historians project the values of their current culture onto the time period that they are studying (in this case valuing the benefits of empiricism). They wish to take a “stranger’s” viewpoint when examining the debate between Hobbes and Boyle because, in the 1660s, both methods of knowledge production were well respected in the academic community.
What initiated my change of mind was playing around with some AI tools. After trying out chatGPT and Google’s AI tool, I’ve now come to the conclusion that these things are dangerous. We are living in a time when we’re bombarded with an abundance of misinformation and disinformation, and it looks like AI is about to make the problem exponentially worse by polluting our information environment with garbage. It will become increasingly difficult to determine what is true.
“Godfather of AI” Geoff Hinton, in recent public talks, explains that one of the greatest risks is not that chatbots will become super-intelligent, but that they will generate text that is super-persuasive without being intelligent, in the manner of Donald Trump or Boris Johnson. In a world where evidence and logic are not respected in public debate, Hinton imagines that systems operating without evidence or logic could become our overlords by becoming superhumanly persuasive, imitating and supplanting the worst kinds of political leader.
At least in medicine there is an initiative underway where the lead author can be contacted at the address below.
In my field, the first AI consultation results look more than dangerous with one harmful response out of 20 questions.
A total of 20 questions covering various aspects of allergic rhinitis were asked. Among the answers, eight received a score of 5 (no inaccuracies), five received a score of 4 (minor non-harmful inaccuracies), six received a score of 3 (potentially misinterpretable inaccuracies) and one answer had a score of 2 (minor potentially harmful inaccuracies).
Within a few years, AI-generated content will be the microplastic of our online ecosystem (@mutinyc)
TheFrancesca Gino case is now well known [1, 2]. But this is something never seen before , a mass self-auditing effort to prove the honesty of the co-authors
More than 140 collaborators of Francesca Gino, the Harvard Business School professor who has been accused of data fabrication, have been scrambling to verify the research that they’ve published with her. On Monday, they started making their findings public.
The mass self-auditing effort, called the Many Co-Authors Project, has already initiated the retraction of at least one paper that Gino collected data for, according to one of her collaborators.
Just in the last few months, we put out 37 from Proceedings of the Institution of Mechanical Engineers and 21 from Concurrent Engineering. And there are more to come. While we don’t celebrate this type of action, the news is not all bad. The high numbers of retractions at times reflect a problem of industrialized cheating, but also, as in our case, a belief that rigorous scholarship – robustly reviewed by researchers who are experts in their fields – can and should improve the world.
It’s worth noting that misinformation — by any definition — has been around for a long time. Ever since the first humans developed language, we’ve been navigating an information landscape pitted with lies, tall tales, myths, pseudoscience, half-truths, and plain old inaccuracies. Medieval European bestiaries, for instance, described creatures like bears and weasels alongside unicorns and manticores. Anti-vaccine groups have been around for over 200 years, well before the internet. And in the age of yellow journalism around the turn of the 20th century, many reporters made up stories out of whole cloth.
“I don’t like this whole talk of ‘we’re living in a post-truth world,’ as if we ever lived in a truth world,” said Catarina Dutilh Novaes
Die Wirtschaftswissenschaften beschreiben den Grenznutzen wo der Zuwachs nur noch durch den Einsatz enorm hohe Aufwands erzielt werden kann – wenn trotz des hohen ökonomischen Aufwandes der Nutzenzuwachs gering ist oder sogar gegen Null geht.
Der Grenznutzen liesse sich im Prinzip auch von der DFG bestimmen, von Universitäten und Forschungsorganisationen wenn sie nur Interesse daran hätten.
