Hemachandran Kannan i Raul Villamarin Rodriguez z Woxsen University w Indiach zebrali w komentarzu dane o kondycji recenzji naukowej; to ich opinia i przegląd cudzych analiz, a nie nowe badanie. Przywołują analizę 75 800 raportów recenzenckich z ICLR 2026, jednej z głównych konferencji o AI. W całości wygenerowano 21 proc. z nich, a ponad połowa nosiła ślady udziału AI. Takie recenzje są według autorów mniej treściwe i dają wyższe oceny: średnio 4,43 wobec 4,13 u ludzi.
Równocześnie maleje gotowość do recenzowania. W udokumentowanych przypadkach odsetek przyjętych zaproszeń spadł z około 56 proc. w 2020 r. do około 36–39 proc. w latach 2024–25. Redakcje potrzebują średnio czterech–pięciu zaproszeń, by znaleźć jednego recenzenta. Na platformie ScholarOne czasopisma dostały w pierwszym kwartale 2026 r. o 33 proc. więcej prac niż rok wcześniej.
Autorzy widzą skutki w jakości publikacji. Według przywołanej przez nich analizy średnia liczba obiektywnych błędów w pracy wzrosła z 3,8 na NeurIPS 2021 do 5,9 na NeurIPS 2025. Inne badania, dotyczące czasopism z zarządzania i AI, łączą wsparcie modeli językowych ze wzrostem liczby zgłoszeń o 42 proc., a prace z dużym udziałem AI są odrzucane na wstępie mniej więcej dwa razy częściej.
Jako wyjście autorzy opisują losowe audyty: część przyjętych prac trafiałaby do niezależnych zespołów, które powtórzą analizy na surowych danych i sprawdzą dowody. Wymieniają też NISO Trust Markers, zatwierdzone w maju 2026 r., oraz narzędzia do kontroli bibliografii, które w testach wykrywały około 93 proc. problematycznych cytowań. Zastrzegają, że żadne z tych rozwiązań nie załatwi sprawy samo.
Źródła
- University World News — „Welcome to peer review: AI writes, AI judges, humans applaud” (30.10.2026)universityworldnews.com
Tekst przygotowany z pomocą AI na podstawie podanych źródeł i sprawdzony przez redakcję.
