Pół miliona artykułów naukowych, 21,6 miliona sprawdzonych pozycji bibliograficznych i ponad tysiąc odwołań do badań, które po prostu nie istnieją. Zespół z Columbia University właśnie udokumentował zjawisko, które podkopuje fundamenty zaufania do nauki – a jego skala rośnie trzykrotnie szybciej niż trzy lata temu. Dla nas, jako serwisu obserwującego postęp technologiczny, to sygnał alarmowy: fikcyjne źródła w pracach naukowych to nie błąd, lecz narastający strukturalny problem.
Co odkryli naukowcy z Columbia University?
Międzynarodowy zespół kierowany przez Maxima Topaza z Columbia University School of Nursing w Nowym Jorku przeanalizował 500 tysięcy artykułów naukowych opublikowanych między styczniem 2023 r. a marcem 2026 r. Materiały pochodziły z otwartej bazy OpenAlex i obejmowały fizykę, chemię, materiałoznawstwo, inżynierię oraz informatykę.
Badacze zastosowali automatyczne narzędzie weryfikujące 21,6 miliona pozycji bibliograficznych zawierających cyfrowe identyfikatory DOI (ang. Digital Object Identifier). System porównywał tytuły cytowanych prac z informacjami dostępnymi w bazach publikacji naukowych, wyłapując niezgodności sugerujące fikcję.
W ten sposób wytypowano 1135 podejrzanych cytowań rozsianych w 619 artykułach. Wyniki opublikowano w Proceedings of the National Academy of Sciences. Weryfikacja nie zatrzymała się jednak na algorytmie – dwóch niezależnych ekspertów ręcznie sprawdziło losową próbę 400 zakwestionowanych odniesień i potwierdziło, że w 85,8 proc. przypadków odwołania były fikcyjne.
Jak szybko rośnie skala zjawiska?
Dynamika przyrostu jest niepokojąca. W 2023 r. podejrzane cytowania znajdowano w 6,3 na 10 tysięcy publikacji. W 2025 r. wskaźnik wyniósł już 15,4, a w pierwszym kwartale 2026 r. osiągnął 23 na 10 tysięcy artykułów.
Przełożone na prostszy język: w 2023 r. problem dotyczył mniej więcej jednej na 1600 prac, a na początku 2026 r. – już jednej na 435. Trzyletni wzrost przekroczył trzykrotność wyjściowej wartości.
- 2023 r. – 6,3 na 10 tys. publikacji z podejrzanymi cytowaniami
- 2025 r. – 15,4 na 10 tys. publikacji
- I kwartał 2026 r. – 23 na 10 tys. publikacji
Rozkład między dziedzinami nie jest równomierny. Najgorzej wypada fizyka – 25,6 na 10 tys. artykułów. Za nią plasuje się materiałoznawstwo z wynikiem 18,4, następnie informatyka i badania nad AI (11,1), inżynieria (10,3) oraz chemia (4,3).
Redakcja IWD Partner: Fikcyjne cytowania w literaturze naukowej przypominają fałszywe referencje w CV – problem może wydawać się incydentalny, dopóki nie zweryfikujesz każdego kandydata z rzędu. Trzykrotny wzrost w trzy lata to tempo, które każe pytać, czy mamy do czynienia ze świadomą manipulacją, presją publikacyjną czy skutkiem ubocznym narzędzi generatywnej AI masowo używanych do pisania artykułów. Żadna z tych odpowiedzi nie jest uspokajająca.
Czy kilka złych artykułów odpowiada za większość problemu?
Rozkład fikcyjnych cytowań jest silnie nierównomierny – i to właśnie ten fakt uderza najbardziej. Większość zakwestionowanych publikacji zawierała jedno lub dwa fałszywe odniesienia, co mogłoby sugerować przypadkowe błędy lub błędy narzędzi pomocniczych.
Znaleziono jednak 27 artykułów, w których liczba fikcyjnych cytowań wynosiła co najmniej pięć. Ta niewielka grupa odpowiadała za ponad jedną trzecią wszystkich podejrzanych odniesień wykrytych podczas całego audytu. Tak skośny rozkład wskazuje, że część autorów lub narzędzi generuje fikcyjne bibliografie seryjnie, nie incydentalnie.
Co dalej z wiarygodnością literatury naukowej?
Autorzy badania zaproponowali wdrożenie automatycznych kontroli bibliografii na etapie recenzji i publikacji. Narzędzie, które sami zastosowali, jest w stanie przeskanować miliony pozycji DOI w czasie znacznie krótszym niż tradycyjna recenzja ekspercka.
Fikcyjne cytowania to nie tylko kwestia akademickiej rzetelności. Jeśli kolejni badacze budują swoje hipotezy na pracach odsyłających do nieistniejących źródeł, błędy propagują się przez całe gałęzie wiedzy. W dziedzinach takich jak materiałoznawstwo czy badania nad AI – czyli tam, gdzie wyniki naukowe przekładają się na decyzje inżynierskie i polityczne – konsekwencje mogą być realne i mierzalne.
Pytanie, które pozostaje otwarte, dotyczy przyczyn. Autorzy badania nie wskazali jednoznacznie, czy fałszywe cytowania są efektem celowego działania, błędów dużych modeli językowych używanych do wspomagania pisania, czy presji publikacyjnej wymuszającej szybkie składanie bibliografii. Bez odpowiedzi na to pytanie trudno zaprojektować skuteczną profilaktykę.
Powiązane pojęcia technologiczne
- DOI (Digital Object Identifier) – unikalny, trwały identyfikator cyfrowy przypisywany publikacjom naukowym, umożliwiający ich jednoznaczne odnalezienie w sieci.
- OpenAlex – otwarta baza danych zawierająca informacje o publikacjach naukowych, autorach i instytucjach, udostępniana bezpłatnie do celów badawczych.
- Recenzja ekspercka (peer review) – proces weryfikacji artykułu naukowego przez niezależnych specjalistów przed jego publikacją w czasopiśmie.
- Halucynacje modeli językowych – tendencja dużych modeli językowych (LLM) do generowania pozornie wiarygodnych, lecz nieprawdziwych informacji, w tym fikcyjnych tytułów publikacji i danych bibliograficznych.
- Proceedings of the National Academy of Sciences (PNAS) – jedno z najważniejszych multidyscyplinarnych czasopism naukowych na świecie, wydawane przez Narodową Akademię Nauk Stanów Zjednoczonych.
Opracowanie redakcji IWD Partner z wykorzystaniem narzędzi AI na podstawie materiału: Spider's Web (1.11.2026).
Zdjęcie: CHUTTERSNAP / Unsplash
