प्रकाशन के नए परिदृश्य में, एआई अनिवार्य है

परम्परागत प्रकाशन मॉडल तेज़ी से बदल रहे हैं क्योंकि ओपन एक्सेस के लिए समर्थन लगातार बढ़ रहा है। पिछले वर्ष, प्रस्तुतियों में 30% की वृद्धि हुई, Springer Nature के अनुसार। लेकिन यह मांग दोधारी तलवार साबित हो रही है क्योंकि पिछले दशक में वापस ली गई लेखों की संख्या सभी समय का उच्चतम पर पहुँच गई है, और जर्नल बाढ़ की तरह हैं एआई-जनित लेखों और बनावटी शोध से।

स्वाभाविक रूप से, यह प्रकाशकों, शोधकर्ताओं और समीक्षकों को नुकसान पहुंचाने वाले बाधाओं का कारण बन रहा है। प्रकाशनों को संपादकीय शेड्यूल का पालन करने में कठिनाई होती है क्योंकि समीक्षक कागज़ों का मूल्यांकन करने में जल्दी में होते हैं, और लेखकों को प्रकाशित होने के लिए महीनों, यहाँ तक कि वर्षों तक इंतजार करना पड़ता है। वर्तमान सहकर्मी समीक्षा मॉडल को इस स्तर की मांग को बनाए रखने के लिए कभी डिज़ाइन नहीं किया गया था।

इन परिस्थितियों में, मौजूदा सहकर्मी समीक्षा प्रक्रियाओं को सुदृढ़ करने और उद्योग को उसकी सबसे बड़ी बाधाओं को पार करने में मदद करने के लिए एआई की भूमिका को एक महत्वपूर्ण सहायक उपकरण के रूप में पहचानना अत्यंत आवश्यक है।

परम्परागत प्रक्रियाएँ क्यों टूट रही हैं

सहकर्मी समीक्षा बिना वेतन के कार्य है। समीक्षक शैक्षणिक और वैज्ञानिक समुदायों के प्रति सद्भावना के इशारे में अपना समय स्वयंसेवक रूप में देते हैं। मांगें बहुत अधिक हैं, और इन सभी दबावों के साथ इनाम कम आकर्षक होते हैं। बढ़ती मांग और अत्यधिक तनाव के कारण, कम समीक्षक पेपर का मूल्यांकन करने के लिए निमंत्रण स्वीकार कर रहे हैं। इसके अलावा, समीक्षकों की खोज संपादकों के लिए बढ़ती चुनौती बन गई है, जिससे बैकलॉग बढ़ रहा है और प्रकाशन समयसीमा लंबी हो रही है।

साथ ही, विद्वान ‘प्रकाशित करो या समाप्त हो जाओ’ माहौल का सामना कर रहे हैं। पेशेवर रूप से आगे बढ़ने के लिए, उन्हें बढ़ती भीड़भाड़ वाले परिदृश्य में प्रकाशित कार्य होना अपेक्षित है। यह विश्वभर में एक सार्वभौमिक अपेक्षा है, और शोर के बीच अलग दिखने का दबाव है, साथ ही उत्पन्न मांग को पूरा करने का तनाव भी है। ये कारक सहकर्मी समीक्षा संकट के पीछे हैं, जहाँ वर्तमान प्रणाली, जैसा कि है, टिकाऊ नहीं है।

स्पष्टीकरण के लिए, एआई उपकरणों को सहकर्मी समीक्षा प्रक्रिया में मानव निर्णय को प्रतिस्थापित करने के लिए नहीं अपनाया जाना चाहिए, बल्कि उसे सुदृढ़ करने के लिए अपनाया जाना चाहिए। लेखक और संपादक समीक्षा प्रक्रिया में एक निश्चित स्तर का सम्मान और समर्पण अपेक्षित करते हैं, जैसा कि शोध को दिया जाता है।

हालाँकि, छोटे त्रुटियाँ आसानी से अनदेखी रह सकती हैं, विशेष रूप से जब समीक्षक बड़ी संख्या में पेपर की समीक्षा करने में जल्दबाज़ी करते हैं। उदाहरण के लिए, एक अध्ययन ने पाया कि 2020 में, वैश्विक सहकर्मी समीक्षाओं में 100 मिलियन घंटे से अधिक—जो 15,000 वर्षों के बराबर है—व्यतीत किए गए।

फिर भी इसका मतलब यह नहीं है कि ये त्रुटियाँ स्वीकार्य मानक बन जाएँ। एक छोटी सी उपेक्षा, जैसे डेटा में एक न्यूनतम त्रुटि, पाठकों की शोध गुणवत्ता की धारणा को नुकसान पहुँचा सकती है।

एआई एक सहायक उपकरण, प्रतिस्थापन नहीं

एआई उपकरण उन सूक्ष्म त्रुटियों को चिन्हित करते हैं जिन्हें अन्यथा नज़रअंदाज़ किया जा सकता है। उद्धरण त्रुटियाँ, डेटा की कमी, और मौजूदा साहित्य के साथ संभावित ओवरलैप कुछ ऐसे उदाहरण हैं छोटे लेकिन महत्वपूर्ण त्रुटियों के, जिन्हें समीक्षक मिस कर सकते हैं।

ये उपकरण कम जोखिम वाले कार्यों को संभालने के लिए डिज़ाइन किए गए हैं ताकि समीक्षक अधिक उन्नत संपादन पहलुओं पर ध्यान केंद्रित कर सकें, जैसे विशेषज्ञ विश्लेषण और संदर्भात्मक मूल्यांकन। एक उपकरण केवल उस डेटा तक सीमित रहता है जो उसे प्रदान किया जाता है, लेकिन विशेष विशेषज्ञता वाले मानव समीक्षक शोध को व्यापक और सूचनात्मक स्तर पर संदर्भित कर सकते हैं। इसके अलावा, एक एल्गोरिदम विषय विशेषज्ञों के सूक्ष्म तर्क को प्रतिस्थापित नहीं कर सकता, न ही उसे करना चाहिए। हालांकि, यह उनके द्वारा सामना किए जाने वाले कम-स्तरीय बोझ को कम करने में मदद कर सकता है।

एआई समीक्षकों को स्पष्ट और अधिक अंतर्दृष्टिपूर्ण प्रतिक्रिया देने में मदद कर सकता है, लेकिन केवल तब जब इसे समझदारी से उपयोग किया जाए। यह उद्धरणों की पुष्टि करने, कार्यप्रणाली संबंधी चिंताओं को उजागर करने, अनुपस्थित डेटा का पता लगाने, और पहले प्रकाशित शोध के साथ समानताओं को पहचानने में सहायता कर सकता है। एक और कारण जिससे यह समीक्षकों को आकर्षित करता है, एआई-सक्षम खोज की संभावना है, जो उन्हें नई जानकारी से अद्यतन रहने में मदद करती है।

महत्वपूर्ण बात यह है कि उद्योग के नेताओं, जैसे Elsevier के वरिष्ठ संपादक, संतुलन का महत्व का समर्थन करते हैं। वे इसे समीक्षा गुणवत्ता सुधारने के लिए एक उपयोगी उपकरण मानते हैं, लेकिन केवल जब इसे नैतिक रूप से लागू किया जाए और हमेशा मानव निगरानी के साथ।

एआई अपनाने के व्यापक निहितार्थों को संबोधित करना

शैक्षणिक समुदाय में चिंताएँ व्यापक हैं। हाल ही में, शोधकर्ताओं ने पाया कि ChatGPT के बाद प्रस्तुतियों की संख्या में 42% की वृद्धि हुई है, लेकिन लेखन की गुणवत्ता दुर्भाग्यवश घट गई है। उसी अध्ययन ने यह भी उजागर किया कि सहकर्मी समीक्षाओं में एआई के उपयोग से संपादकीय निर्णयों को कैसे सूचित किया जा रहा है, इस पर चिंताएँ हैं।

इसके अतिरिक्त, दिशानिर्देश और नियम तकनीक के साथ तालमेल बिठाने में अभी भी पीछे हैं ताकि यह सुनिश्चित किया जा सके कि उपकरणों का उपयोग नैतिक रूप से और मध्यम स्तर पर किया जाए। व्यक्तियों और प्रकाशनों को जुड़े जोखिमों को समझना चाहिए। इन उपकरणों का दुरुपयोग पक्षपात, भ्रम, गलत निष्कर्ष और झूठी धारणाओं की गारंटी देता है।

शैक्षणिक प्रकाशन समुदाय को गोपनीयता और निजता की भी चिंता है। लेखकों को असहज महसूस होता है जब बाहरी उपकरण समीक्षा प्रक्रिया में एकीकृत किए जाते हैं, विशेष रूप से उन स्थितियों में जहाँ शोध में संवेदनशील डेटा शामिल होता है। संभावित लीक के बारे में यह चिंता समझनीय है, क्योंकि लेखकों ने अपने शोध में बहुत समय और प्रयास लगाया होता है।

इन कारणों से, समीक्षा प्रक्रिया में AI के प्रति धारणाएँ काफी कमजोर हैं। KPMG और यूनिवर्सिटी ऑफ़ मेलबर्न के संयुक्त शोध ने पाया कि 46% लोग AI पर भरोसा करने को तैयार हैं। इस जांच ने यह भी उजागर किया कि भारी बहुमत (70%) मानते हैं कि नियमन आवश्यक है।

इन कारकों को संबोधित किया जाना चाहिए, और इसके लिए AI के उपयोग के तरीके के बारे में प्रशिक्षण और पारदर्शिता आवश्यक है, चाहे इसे सहकर्मी समीक्षाओं में कितनी भी सीमा तक उपयोग किया जाए। समीक्षा प्रक्रिया में AI का उपयोग करने वाले किसी भी व्यक्ति को इसकी सर्वोत्तम प्रथाओं को समझना होगा और पूरे समय आलोचनात्मक सोच लागू करनी होगी। समीक्षक और प्रकाशन टीमों को AI और डेटा साक्षरता में अपनी क्षमताओं को विकसित करना होगा, जिसमें मॉडल के व्यवहार की व्याख्या करना, सीमाओं को पहचानना, और भ्रम जैसी जोखिमों को कम करना शामिल है।

पारदर्शिता अपनाने की रणनीतियों की नींव है, और प्रकाशनों तथा समीक्षकों को AI के उपयोग को स्पष्ट करने और उसका औचित्य प्रस्तुत करने के लिए तैयार रहना चाहिए। नियमित ऑडिट सटीकता और विश्वसनीयता की पुष्टि करने में मदद कर सकते हैं। यह भी महत्वपूर्ण है कि प्रकाशन यह निर्दिष्ट करें कि मॉडल कैसे प्रशिक्षित किए जाते हैं और कौन सा डेटा उनका मार्गदर्शन करता है। शैक्षणिक जगत में, लेखकों को हमेशा अपने शोध विधियों और तर्क को प्रदर्शित करना चाहिए। AI उपयोग पर भी समान स्तर का खुलासा लागू होना चाहिए।

इन उपकरणों की सुरक्षा को भी नजरअंदाज नहीं किया जा सकता। डेटा एन्क्रिप्शन तीसरे पक्ष के खतरों, जैसे संभावित हैकिंग प्रयासों से बचाव के लिए आवश्यक साइबर सुरक्षा की एक परत जोड़ता है। पुनः, ऑडिट सुरक्षा को मजबूत करने का एक महत्वपूर्ण हिस्सा हैं क्योंकि वे किसी भी अंधेरे बिंदु को पहचानने के लिए डिज़ाइन किए गए हैं, इससे पहले कि वे नुकसान पहुंचाएँ।

उद्योग एक मोड़ पर है, या तो पारंपरिक शोध मूल्यांकन मॉडल को बनाए रखने के लिए तकनीक को अस्वीकार करने का चयन कर रहा है या उसे अपनाने का। पहला विकल्प यह दर्शाता है कि प्रक्रिया केवल समय की बात है कि मांग के दबाव में ढह जाएगी। जबकि दूसरा विकल्प प्रकाशकों और समीक्षकों को न केवल गति बनाए रखने बल्कि बढ़ती मांग से आगे रहने के लिए सशक्त और सक्षम बनाता है।