Коли відкриту науку починають використовувати проти науки

Нещодавно вийшов перший Forensic Scientometrics (FoSci) Report 2026 – звіт про те, як за допомогою даних можна виявляти та досліджувати маніпуляції у сучасній науковій системі. Автори пропонують розглядати forensic scientometrics як окремий напрям, що займається виявленням і документуванням маніпуляцій у дослідницькій екосистемі. При цьому вони дивляться на проблему одразу на трьох рівнях: від окремої підозрілої публікації (micro), через мережі паперових фабрик, картелів цитувань та викрадених журналів (meso), до системних стимулів на кшталт університетських рейтингів, політик відкритої науки чи зовнішнього втручання у науку (macro). 

Найкраще ми вже навчилися знаходити проблеми на рівні окремих публікацій – маніпуляції із зображеннями, даними, текстами чи авторством. Значно гірше розуміємо складні мережі, а найменш розвиненим залишається аналіз системних причин і стимулів, які роблять такі маніпуляції можливими. 

Більшість описаних у звіті проблем навряд чи здивує українського читача. Паперові фабрики, фіктивне рецензування, продаж авторства, маніпуляції з цитуваннями, рейтингові перегони чи сумнівні афіліації – усе це вже більш-менш знайомі сюжети. А от розділ про експлуатацію Open Science мене справді зацікавив. 

Ми звикли говорити про відкриті дані майже виключно як про благо. Вони мають сприяти прозорості, відтворюваності результатів та рівному доступу до науки. Проте автори FoSci Report звертають увагу на неприємний побічний ефект – великий відкритий набір даних можна використовувати не лише для хорошої науки, а і як сировину для масового виробництва кепських публікацій. 

Схема проста: беремо великий відкритий датасет із десятками чи сотнями змінних, перебираємо комбінації між факторами, змінюємо вікову групу, підвибірку тощо – і приймайте наступну статтю. У результаті ми отримаємо десятки майже однакових аналізів з цілком коректними методами та даними, але без нового знання. 

У FoSci Report для цього використовують спеціальний термін fast churn science – масове виробництво шаблонних або малокорисних статей із відкритих даних за допомогою автоматизованих інструментів. 

Звісно винні не відкриті дані. Просто відкритість сама по собі не гарантує якісної науки. Тому серед можливих рішень автори пропонують не закривати дані, а додавати до датасетів так звані “м'які обмеження” – наприклад, обов'язкову попередню реєстрацію гіпотез. 

Наукометрія традиційно допомагає нам бачити, як працює наука. Forensic scientometrics пропонує дивитися ще й на те, як цією системою навчилися користуватися для виробництва формально правильної, але не обов’язково корисної науки. 

Мабуть, з віком мене дедалі менше цікавить, хто саме порушив правила. Значно цікавіше, хто і що створює такий науковий клімат, у якому порушувати стає вигідно.