Η γωνία του Anderson
Η επιστημονική πρόοδος με τη βοήθεια της ΤΝ απειλείται από μια παράξενη εμμονή

Βασικά σημείαΟι νεότεροι κριτικοί τεχνητής νοημοσύνης εμμένουν στα παραρτήματα, ενώ οι ανθρώπινοι…
Δείτε περισσότερα
- Οι νεότεροι κριτικοί τεχνητής νοημοσύνης εμμένουν στα παραρτήματα, ενώ οι ανθρώπινοι κριτικοί εστιάζουν στα κύρια ευρήματα ενός άρθρου.
- Τα γλωσσικά μοντέλα αντιμετωπίζουν κάθε απόσπασμα ως εξίσου σημαντικό, οπότε χάνουν ποιες ενότητες έχουν στην πραγματικότητα σημασία.
- Η προκατάληψη υπέρ των παραρτημάτων παραμένει σε όλες τις μεθόδους πρόσβασης και παράγει επιφανειακή ανατροφοδότηση που ελάχιστα βοηθά τους συγγραφείς να βελτιωθούν.
Μια νέα αμερικανική μελέτη υποδεικνύει ότι τα μοντέλα ΤΝ που αξιολογούν επιστημονικές εργασίες αναπτύσσουν μια παράξενη εμμονή με τα παραρτήματα των εργασιών, αντί με το κύριο κείμενό τους, και συχνά δίνουν μεγαλύτερη προσοχή σε δευτερεύουσες υποστηρικτικές λεπτομέρειες παρά στα βασικά ευρήματα. Καθώς τα γλωσσικά μοντέλα χρησιμοποιούνται ολοένα και περισσότερο για να επικουρούν ή ακόμη και να αντικαθιστούν τους ανθρώπινους αξιολογητές, η τάση αυτή, που εντοπίστηκε πρόσφατα, φαίνεται να επεκτείνεται και στην ανθρώπινη αξιολόγηση από ομοτίμους, ενδεχομένως παρεμποδίζοντας την πρόοδο στην έρευνα για την ΤΝ:

Από τη νέα μελέτη: η αύξηση των επικρίσεων σχετικά με τα παραρτήματα στις ανθρώπινες αξιολογήσεις επιστημονικών εργασιών από ομοτίμους. Αφού παρέμεινε κάτω από το 11% επί χρόνια, το ποσοστό έφτασε το 27,6% στις πιο πρόσφατες αξιολογήσεις, μετά την κυκλοφορία μοντέλων ΤΝ τα οποία, όπως διαπιστώθηκε, αντλούν περισσότερες από τις μισές επικρίσεις τους από τα παραρτήματα. Οι διακεκομμένες γραμμές υποδεικνύουν την κυκλοφορία σημαντικών μοντέλων. Πηγή
Σε μια δοκιμή με 2.000 επιστημονικές εργασίες από τέσσερα δημοφιλή συνέδρια, οι ερευνητές της νέας μελέτης διαπίστωσαν ότι τα νεότερα μοντέλα αντλούν περίπου το 50–70% των επικρίσεών τους από τα παραρτήματα, έναντι λιγότερο από 30% για το παλαιότερο GPT-5.
Δύο από τα σημαντικότερα νεότερα μοντέλα ΤΝ, τα οποία φαίνεται να ωθούν ακόμη και τους ανθρώπινους αξιολογητές προς τα παραρτήματα και μακριά από τα σημαντικότερα βασικά αποτελέσματα, είναι τα GPT-6.1-Sol και GPT-6-Astra της OpenAI, που κυκλοφόρησαν και τα δύο το 2026.
Η μελέτη αναφέρει*:
«Η διαφορά ανάμεσα στις γενιές μοντέλων είναι μεγάλη. Για το GPT-5, μόνο ένα μικρό ποσοστό των αδυναμιών σχετίζεται με το παράρτημα. Και τα δύο νεότερα μοντέλα, το GPT-6.1-Sol και το GPT-6-Astra, βασίζονται πολύ περισσότερο σε αυτό, και το ίδιο ισχύει σε κάθε συνέδριο.
«Αυτό υποδηλώνει ότι η μεροληψία υπέρ του παραρτήματος αποτελεί κυρίως χαρακτηριστικό των νεότερων μοντέλων. Παρότι τα νέα μοντέλα αποτελούν βελτίωση, η μεροληψία τους υπέρ του παραρτήματος έχει ενισχυθεί. Η ικανότητα να διαβάζουν μια εργασία λεπτομερώς δεν τους έχει διδάξει ποια μέρη έχουν τη μεγαλύτερη σημασία.»
Η μελέτη διαπίστωσε επίσης ότι αυτή η προσήλωση στα παραρτήματα διαφέρει ανάλογα με τις μεθόδους μέσω των οποίων η ΤΝ λαμβάνει την εργασία, καθώς οι διεπαφές API, Codex και ιστού δεν εξετάζουν τα PDF με τον ίδιο τρόπο — και το Codex δεν διαβάζει καθόλου το μεσαίο μέρος ενός PDF μέσου μήκους, παρά μόνο το δειγματοληπτεί αργότερα σε μικρά «κομμάτια», αν χρειαστεί. Ωστόσο, διαπιστώθηκε ότι όλες οι μέθοδοι προτιμούσαν το υλικό των παραρτημάτων.
Μέχρι πρόσφατα, οι ανθρώπινες αξιολογήσεις και οι αξιολογήσεις από ΤΝ δεν μοιράζονταν αυτή την εμμονή:
«Οι [Human] αξιολογητές αντιμετωπίζουν το κύριο κείμενο και το συμπληρωματικό υλικό πολύ διαφορετικά από ό,τι τα LLM. Τα LLM αποδίδουν πάνω από το 50% των αδυναμιών τους σε υλικό που αφορά τα παραρτήματα, ενώ οι άνθρωποι αποδίδουν σε αυτό λιγότερο από το 10%.
«Η διαφορά είναι εμφανής και σε επίπεδο μεμονωμένων αξιολογήσεων. Από τις 200 εργασίες που επιλέχθηκαν ως δείγμα κάθε χρόνο από το 2021 έως το 2024, μόλις 159 συνολικά έλαβαν ανθρώπινη αξιολόγηση που εντόπιζε έστω μία αδυναμία σχετική με τα παραρτήματα. Αντίθετα, και οι 200 αξιολογήσεις που δημιουργήθηκαν από LLM για το ICLR 2027 περιλάμβαναν τουλάχιστον μία επίκριση σχετικά με τα παραρτήματα.»

Σύγκριση των επικρίσεων σχετικά με τα παραρτήματα σε αξιολογήσεις από ομοτίμους που συντάχθηκαν από ανθρώπους και από ΤΝ. Οι ανθρώπινοι αξιολογητές απέδωσαν μόλις το 8,4% των αδυναμιών που εντοπίστηκαν στο υλικό των παραρτημάτων, έναντι 62% για τα μοντέλα ΤΝ. Η δεύτερη στήλη παρουσιάζει επικρίσεις που αφορούν αποκλειστικά το παράρτημα, χωρίς να υπάρχει αντίστοιχο ζήτημα στο κύριο κείμενο της εργασίας.
Όπως φαίνεται στον παραπάνω πίνακα της δοκιμής, οι αξιολογητές ΤΝ είχαν περισσότερες από επτά φορές μεγαλύτερη πιθανότητα από τους ανθρώπους να εντοπίσουν αδυναμίες στα παραρτήματα και περισσότερες από τρεις φορές μεγαλύτερη πιθανότητα να διατυπώσουν επικρίσεις που αφορούσαν μόνο το συμπληρωματικό υλικό — ένδειξη ότι ορισμένα από τα πιο πρόσφατα προηγμένα μοντέλα ΤΝ δίνουν πλέον προτεραιότητα σε λεπτομέρειες που οι ανθρώπινοι αξιολογητές παραδοσιακά θα θεωρούσαν δευτερεύουσες σε σχέση με την κύρια επιστημονική συνεισφορά μιας εργασίας.
Γιατί;
Από όσο μπορεί να διαπιστωθεί (πρόκειται για την πρώτη μελέτη που εντόπισε αυτό το σύνδρομο), ένα μέρος του προβλήματος είναι ότι τα συστήματα ΤΝ δεν αναγνωρίζουν —ή δεν έχουν συμπεράνει από το άφθονο υλικό εκπαίδευσής τους— ότι το παράρτημα μιας εργασίας δεν είναι συνήθως το σημείο όπου τοποθετείται το ουσιώδες περιεχόμενό της. Η γενικότερη τάση τους να αντιμετωπίζουν όλο το κείμενο ως εξίσου σημαντικό τα εμποδίζει να αντιληφθούν το πλαίσιο του υλικού των παραρτημάτων, το οποίο συχνά δεν έχει επιμεληθεί και παρουσιάζεται πολύ πιο πρόχειρα από το κύριο κείμενο:
«Τα LLM σχεδόν ποτέ δεν επικρίνουν τις πρώτες σελίδες, όπου η εργασία θέτει το πρόβλημά της και εξηγεί γιατί έχει σημασία. Οι άνθρωποι συχνά αμφισβητούν ακριβώς αυτή την πλαισίωση, ενώ τα LLM φαίνεται να την αποδέχονται και να περνούν στους αριθμούς.
«[Humans and LLMs] διαβάζουν το παράρτημα με πολύ διαφορετικό τρόπο. Οι επικρίσεις των ανθρώπων μειώνονται γρήγορα όσο προχωρά το παράρτημα και σχεδόν εξαφανίζονται στις τελευταίες σελίδες του. Οι αδυναμίες των LLM δεν υποχωρούν καθόλου. Στην πραγματικότητα, κορυφώνονται αρκετά βαθιά μέσα στο παράρτημα, αντί στην αρχή του, και εξακολουθούν να εμφανίζονται ακόμη και μετά τη σελίδα 30, όπου οι ανθρώπινοι κριτές διατυπώνουν σχεδόν μηδενικές επιφυλάξεις.
«Για ένα LLM, μια λεπτομέρεια στη σελίδα 25 είναι εξίσου θεμιτός στόχος κριτικής με τον κύριο πίνακα αποτελεσμάτων.»
Οι συγγραφείς σημειώνουν ότι η ισότιμη αντιμετώπιση του κειμένου από τα LLM μπορεί φυσιολογικά να τα οδήγησε να επικεντρωθούν περισσότερο στο υλικό των παραρτημάτων, επειδή, όπως αναφέρθηκε παραπάνω, εκεί εντοπίζονται συνήθως περισσότερα λάθη.
Επομένως, το γενικό συμπέρασμα που αντλώ από αυτή τη νέα μελέτη είναι ότι τα LLM έχουν εστιάσει με την πάροδο του χρόνου σε ένα τμήμα των νέων επιστημονικών εργασιών όπου τείνουν να εμφανίζονται πολλά λάθη ή συγχύσεις, απλώς και μόνο επειδή οι ανθρώπινοι συγγραφείς αντιμετωπίζουν τόσο συχνά αυτή την ενότητα ως έναν ακατάστατο χώρο απόθεσης δευτερευουσών αποδείξεων και τεκμηρίων.
Γι’ αυτό, η ΤΝ βρίσκει όλο και πιο ενδιαφέροντα τα παραρτήματα σε σύγκριση με το προσεκτικά επιμελημένο κύριο μέρος, επειδή εκεί έχει περισσότερα πράγματα να αναλύσει και να διορθώσει· κατά συνέπεια, όπως επισημαίνει η μελέτη, τα LLM τείνουν να αντιμετωπίζουν την αρχική ενότητα της εργασίας ως πραγματολογική αναφορά και να την αποδέχονται ως έχει:
«Οι άνθρωποι αναμένουν ότι το κύριο μέρος θα στέκεται από μόνο του, γι’ αυτό αντιδρούν όταν βασικές ενότητες μεταφέρονται στο παράρτημα. Τα LLM σχεδόν ποτέ δεν διατυπώνουν αυτή την ένσταση.»
«Αυτό αναδεικνύει μια βασική διαφορά: οι άνθρωποι αναγνωρίζουν ότι το κύριο μέρος έχει μεγαλύτερη βαρύτητα από το παράρτημα, ενώ τα LLM όχι.»
Συνέπειες και λύσεις
Αυτή η απροσδόκητη εστίαση σε ασήμαντες λεπτομέρειες θα μπορούσε να έχει σοβαρές επιπτώσεις στην επιστημονική έρευνα με τη βοήθεια της ΤΝ, ιδίως αν παραβλεφθεί η σημασία των κύριων ευρημάτων μιας εργασίας. Καθώς η τάση αυτή φαίνεται να εμφανίστηκε μόνο στα πιο πρόσφατα μοντέλα, οι μακροπρόθεσμες επιπτώσεις της δεν είναι ακόμη γνωστές.
Η μελέτη αναγνωρίζει ότι οι αξιολογητές ΤΝ μπορούν να εντοπίσουν σημαντικά λάθη, ακόμη κι όταν αυτά είναι θαμμένα βαθιά σε ένα παράρτημα. Ωστόσο, προειδοποιεί ότι μπορεί να δοθεί υπερβολική προσοχή σε ασήμαντες λεπτομέρειες εις βάρος των κύριων ευρημάτων μιας εργασίας, με αποτέλεσμα εκτενείς αξιολογήσεις μικρής πρακτικής αξίας:
«Οι αξιολογητές LLM ανεβάζουν τον πήχη, καθώς δεν αφήνουν κανένα μέρος της εργασίας ανεξέταστο. Ωστόσο, η αποτελεσματική αξιολόγηση απαιτεί επίσης κρίση σχετικά με το τι έχει τη μεγαλύτερη σημασία. Όταν οι περισσότερες αδυναμίες μιας αξιολόγησης προέρχονται από περιεχόμενο του παραρτήματος που δεν σχετίζεται με την κύρια συμβολή, η ανατροφοδότηση παραμένει επιφανειακή. Δεν εξετάζει την ουσία της εργασίας και βοηθά ελάχιστα τους συγγραφείς να τη βελτιώσουν.»
Οι συγγραφείς της νέας μελέτης, με τίτλο Οι αξιολογήσεις από ΤΝ μεροληπτούν υπέρ του παραρτήματος, εμπνεύστηκαν να διερευνήσουν περαιτέρω το ζήτημα όταν παρατήρησαν ορισμένα παράξενα μοτίβα στον τρόπο με τον οποίο οι αξιολογήσεις με τη βοήθεια ή την παραγωγή LLM αξιολογούσαν τις δικές τους υποβολές. Ο κώδικας της μελέτης είναι διαθέσιμος στο GitHub.
Μεθοδολογία και δοκιμές
Για τις δοκιμές επιλέχθηκαν τέσσερα κορυφαία μοντέλα ΤΝ από τις OpenAI και Anthropic: GPT-6-Astra, GPT-6.1-Sol, Claude-Opus-5.5 και Claude-Sonnet-5.5. Τα μοντέλα χρησιμοποιήθηκαν μέσω των Codex και Claude Code, ενώ η συμπεριφορά τους κατά την αξιολόγηση συγκρίθηκε με εκείνη κατά την πρόσβαση μέσω API και διεπαφής ιστού.
Επιστημονικές εργασίες συγκεντρώθηκαν από τέσσερα μεγάλα συνέδρια ΤΝ και επεξεργασίας φυσικής γλώσσας: ACL 2026, EMNLP 2026, COLM 2026 και ICLR 2027 — όλα επιλέχθηκαν επειδή έχουν παρόμοια μορφή υποβολής και αξιολόγησης, με αυστηρά όρια σελίδων για την κύρια εργασία, αλλά γενικά χωρίς περιορισμούς στα παραρτήματα που τοποθετούνται μετά τις βιβλιογραφικές αναφορές.
Εξετάστηκαν συνολικά 2.000 εργασίες: 1.200 από το ICLR 2021–2026 και 800 από τέσσερα πρόσφατα συνέδρια, με 200 εργασίες να επιλέγονται από το καθένα. Και οι 800 πρόσφατες εργασίες περιλάμβαναν παραρτήματα τουλάχιστον 15 σελίδων. Οι υποβολές στο ICLR 2027 ήταν ήδη ανώνυμες, ενώ από τις εργασίες των ACL, EMNLP και COLM αφαιρέθηκαν τα ονόματα, οι ιδιότητες, οι διευθύνσεις ηλεκτρονικού ταχυδρομείου και οι σύνδεσμοι που θα μπορούσαν να αποκαλύψουν την ταυτότητα των συγγραφέων, ώστε να μην αποκαλυφθεί στους αξιολογητές ΤΝ ποιοι τις είχαν γράψει.
Η πρόσβαση των μοντέλων στο διαδίκτυο απενεργοποιήθηκε, ώστε οι αξιολογήσεις να βασίζονται αποκλειστικά στα αρχεία PDF που τους δόθηκαν.
Αρχικά, ζητήθηκε από την ΤΝ να συντάξει μια αξιολόγηση σύμφωνα με το ύφος του αντίστοιχου συνεδρίου, καλύπτοντας τα δυνατά και τα αδύνατα σημεία της εργασίας και δίνοντας μια συνολική βαθμολογία. Οι οδηγίες διατηρήθηκαν σκόπιμα απλές, ώστε να αντικατοπτρίζουν τον τρόπο με τον οποίο θα μπορούσε να χρησιμοποιηθεί η ΤΝ από έναν πραγματικό αξιολογητή. Στη συνέχεια, η εργασία και η ολοκληρωμένη αξιολόγησή της δόθηκαν ξανά στο ίδιο μοντέλο ΤΝ, το οποίο κλήθηκε να εντοπίσει σε ποια ενότητα της εργασίας αναφερόταν κάθε κριτική. Αυτό προσδιορίστηκε εξετάζοντας την κριτική παράλληλα με την αρχική εργασία:

Η διαδικασία αξιολόγησης τριών σταδίων που χρησιμοποιήθηκε στη μελέτη. Επιλέχθηκαν εργασίες από τέσσερα συνέδρια, οι οποίες είχαν παραρτήματα τουλάχιστον 15 σελίδων, και ανωνυμοποιήθηκαν πριν αξιολογηθούν από μοντέλα ΤΝ. Στη συνέχεια, κάθε αξιολόγηση εξετάστηκε παράλληλα με την αρχική εργασία και κάθε επιμέρους κριτική αντιστοιχίστηκε στην ενότητα που αφορούσε.
Διαχωρίζοντας αυτές τις εργασίες, μπορούσαν να εξεταστούν τα μέρη των εργασιών που συγκέντρωναν κριτική, χωρίς οι αρχικές αξιολογήσεις να επηρεάζονται από πρόσθετες οδηγίες.
Μεταξύ των αποτελεσμάτων που δεν έχουμε συζητήσει μέχρι στιγμής είναι η δοκιμή των συγγραφέων σχετικά με το πού εντοπίζονται οι αδυναμίες στις αξιολογήσεις που παράγονται από LLM:

Σύγκριση των σημείων στα οποία οι αξιολογήσεις που παράγονται από ΤΝ εντόπισαν αδυναμίες σε τέσσερα συνέδρια. Το πράσινο αντιστοιχεί σε κριτικές για την κύρια εργασία, το κόκκινο σε κριτικές που αφορούν τα παραρτήματα, ενώ οι διαγραμμισμένες περιοχές υποδεικνύουν κριτικές που αφορούν αποκλειστικά το παράρτημα. Σχεδόν σε κάθε δοκιμή, πάνω από τις μισές κριτικές αποδόθηκαν σε υλικό των παραρτημάτων, με την ισχυρότερη μεροληψία να καταγράφεται στο GPT-6-Astra.
Όπως φαίνεται παραπάνω, περίπου οι μισές ή και περισσότερες από τις κριτικές και των τεσσάρων μοντέλων ΤΝ βασίζονταν σε υλικό των παραρτημάτων — ένα μοτίβο που παρατηρήθηκε και στα τέσσερα συνέδρια. Ορισμένες κριτικές αφορούσαν αποκλειστικά το παράρτημα, χωρίς να σχετίζονται με την κύρια εργασία, και αντιστοιχούσαν στο 17.33% των αδυναμιών που εντόπισαν τα μοντέλα GPT, έναντι 10.16% για το Claude.
Τα αποτελέσματα, σύμφωνα με την εργασία, δείχνουν ότι δόθηκε δυσανάλογη προσοχή στο υλικό των παραρτημάτων, μερικές φορές σε τέτοιο βαθμό ώστε σχετικά ασήμαντες λεπτομέρειες να θεωρούνται λόγοι για να ασκηθεί κριτική στην εργασία στο σύνολό της.
Πραγματοποιήθηκε σύγκριση μεταξύ διαφορετικών μεθόδων, προκειμένου να διαπιστωθεί αν η μεροληψία υπέρ των παραρτημάτων επηρεαζόταν από τον τρόπο με τον οποίο γινόταν η πρόσβαση στην ΤΝ. Χρησιμοποιώντας το GPT-6-Astra, αξιολογήθηκαν εκατό υποβολές στο ICLR 2027 μέσω του Codex, της διαδικτυακής διεπαφής του ChatGPT και ενός API στο οποίο δόθηκε είτε το αρχικό PDF είτε το κείμενο που είχε εξαχθεί από αυτό.
Με το Codex, το κείμενο εξαγόταν και εξεταζόταν μέσω εντολών· μέσω του API, παρέχονταν απευθείας είτε ολόκληρο το PDF είτε το κείμενο που είχε εξαχθεί από αυτό· ενώ τα έγγραφα που μεταφορτώνονταν υποβάλλονταν σε επεξεργασία μέσω του δικού της (αδιαφανούς) συστήματος από τη διαδικτυακή διεπαφή:

Σύγκριση των κριτικών που αφορούν τα παραρτήματα μεταξύ μοντέλων ΤΝ και μεθόδων πρόσβασης. Στα αριστερά, διαπιστώθηκε ότι το GPT-5 αναφερόταν σε υλικό των παραρτημάτων πολύ λιγότερο συχνά από τα νεότερα μοντέλα GPT σε τέσσερα συνέδρια. Στα δεξιά, διαπιστώθηκε ότι η μεροληψία παρέμενε και στους τέσσερις τρόπους πρόσβασης στο GPT-6-Astra, με τις κριτικές που αφορούσαν τα παραρτήματα να αντιστοιχούν στο 62.2% έως 73.7% του συνόλου. Οι διαγραμμισμένες περιοχές υποδεικνύουν κριτικές που αφορούν αποκλειστικά τα παραρτήματα.
Όπως φαίνεται παραπάνω, υλικό σχετικό με τα παραρτήματα αναφερόταν στο 62.2% έως 73.7% των κριτικών και στις τέσσερις μεθόδους, με το υψηλότερο ποσοστό να καταγράφεται όταν το κείμενο που είχε εξαχθεί παρέχονταν απευθείας μέσω του API. Συνεπώς, διαπιστώθηκε ότι η μεροληψία παρέμενε ανεξάρτητα από τον τρόπο πρόσβασης στο μοντέλο.
Τα περισσότερα από τα υπόλοιπα πειράματα είχαν ήδη παρουσιαστεί νωρίτερα στο άρθρο, και παραπέμπουμε τους αναγνώστες στο πρωτογενές υλικό για περισσότερες πληροφορίες.
Τεχνάσματα κατά την υποβολή
Όπως το θέμα αφορά προσωπικά τους συγγραφείς της νέας εργασίας, έτσι αφορά και εμένα, καθώς διαβάζω συχνά επιστημονικές εργασίες και έχω μάθει με τον δύσκολο τρόπο τους κρυφούς κανόνες, καθώς και την καταστρατήγησή τους, που καθορίζουν τον τρόπο σύνταξης και παρουσίασης των εργασιών.
Η ΤΝ δεν ευθύνεται γενικά επειδή δίνει προσοχή στα παραρτήματα, ακόμη κι αν το κάνει για λάθος λόγους, καθώς οι συγγραφείς συχνά κρύβουν εκεί τις «παγίδες» της εργασίας — παράγοντες ή αποτελέσματα που μπορεί σχεδόν να ακυρώνουν ή, διαφορετικά, να περιορίζουν σημαντικά τους ισχυρισμούς που διατυπώνονται στο κύριο μέρος της.
Ούτε ευθύνονται κατ’ ανάγκην οι συγγραφείς που μεταφέρουν σημαντικό υλικό στο παράρτημα, καθώς τα πρότυπα δημοφιλών εκδόσεων, όπως εκείνων που χρησιμοποιήθηκαν ως πηγές δεδομένων στη νέα μελέτη, θέτουν ανώτατα όρια στον αριθμό σελίδων ή λέξεων για το κύριο μέρος της εργασίας.
Όταν παρουσιάζουν σύνθετα αποτελέσματα μελετών, πολλοί συγγραφείς προφανώς θεωρούν ότι αυτός ο περιορισμός είναι αυστηρός· στις «χειρότερες περιπτώσεις», όπως θα τις χαρακτήριζα†, το κύριο μέρος της εργασίας καταλήγει απλώς να λειτουργεί ως ευρετήριο υλικού που έχει μεταφερθεί στο τέλος, ώστε να παρακαμφθούν οι κατευθυντήριες γραμμές (αν και οι κατευθυντήριες γραμμές προσαρμόζονται πλέον και απαγορεύουν αυτό το «τέχνασμα»).
Η αυξανόμενη ένταση σε αυτό το σενάριο αφορά τη σύγκρουση ανάμεσα στην ανάγκη των ιδρυμάτων να επιβάλλουν στους συγγραφείς να πειθαρχούν και να περιορίζουν τις παρουσιάσεις τους —κάτι που γίνεται όλο και πιο σημαντικό καθώς αυξάνεται ο όγκος των υποβαλλόμενων άρθρων— και στην έκδηλη απογοήτευση των ερευνητών, οι οποίοι θέλουν να παρουσιάσουν τους καρπούς της επίπονης δουλειάς τους μέσα σε ένα πλαίσιο τόσο πλήρες και ολοκληρωμένο όσο θεωρούν ότι αξίζει η προσπάθεια.
* Οι έμφασεις των συγγραφέων, όχι δικές μου.
† Επειδή, κατά τη διαλογή των άρθρων που θα καλυφθούν, αυτή η παραπομπή σε παραρτήματα μπορεί να είναι δύσκολο να εντοπιστεί ακόμη και από την ΤΝ· μπορεί όμως να δυσκολέψει σημαντικά τον αξιολογητή, αν είχε υπολογίσει χρόνο για την αξιολόγηση δέκα σελίδων και τώρα διαπιστώνει ότι πρέπει να εξετάσει 30 σελίδες υλικού μέσα στο ίδιο χρονικό περιθώριο.
Δημοσιεύτηκε για πρώτη φορά τη Δευτέρα, 16 Νοεμβρίου 2026












