Platforma za razmjenu poruka Telegram postala je jedno od glavnih mjesta za dijeljenje članaka, knjiga i naučnih vijesti, ali i prostor u kojem se [neodređeni problemi] množe. lažno predstavljanje vrhunskih akademskih izdavačaStudija sprovedena u Španiji dala je vrlo jasne brojke problemu na koji su mnogi sumnjali, ali koji jedva da je bio rigorozno kvantifikovan.
Prema ovom istraživanju, vođeno Univerzitet u Granadi (UGR)Gotovo osam od deset Telegram kanala koji posluju pod imenima velikih međunarodnih naučnih izdavača nisu službeni. Konkretno, otkriveno je da oko 78% kanala koji se pripisuju ovim izdavačima su lažni, postotak koji je posebno zabrinjavajući u evropskom kontekstu obilježenom borbom protiv naučnih dezinformacija.
Širenje prevara i sumnjivog sadržaja prikrivenog kao akademski sadržaj nastavlja rasti, a ovaj rad nudi moguće objašnjenje: Telegram hostira Široka i organizirana mreža kanala koji se predstavljaju kao naučni izdavači distribuirati neovlašteni materijal, nuditi navodne izdavačke usluge i iskorištavati ugled prestižnih institucija. Španija, kao dio evropskog naučnog ekosistema, nije imuna na posljedice ovog fenomena.
Autori studije tvrde da ovakvo okruženje na Telegramu nije izolovan slučaj, već simptom nedostatak službenog i provjerenog prisustva samih izdavačaOvaj jaz omogućava zlonamjernim akterima da se pozicioniraju u prvi plan naučne komunikacije na platformi, utičući na to koliko korisnika pristupa knjigama i člancima.
Mapa prevara u kanalima naučnih izdavača
Rad je obavljen od strane Jedinica za računarske humanističke i društvene nauke (U-CHASS) sa Univerziteta u Granadi. Istraživači Victor Herrero Solana i Carlos Castro Castro Krenuli su u analizu ekosistema Telegram kanala koji se predstavljaju kao povezani s velikim akademskim izdavačima i u procjeni u kojoj mjeri je ta veza stvarna.
Da bi to uradili, odabrali su 13 vodećih međunarodnih naučnih izdavačaMeđu njima su poznati izdavači kao što su Elsevier, Springer, Wiley-Blackwell, Nature i Cambridge University Press. Izbor je napravljen uzimajući u obzir njihove težina na SCImago portalu, jedan od najčešće korištenih indeksa za procjenu globalnog naučnog rada.
Nakon što je utvrđena lista izdavača, istraživači su ih locirali na Telegramu. 37 kanala koji bi mogli biti povezani s ovim brendovimabilo putem korištenja imena, logotipa ili direktnih referenci na njihove kolekcije i publikacije. Cilj je bio dvostruk: s jedne strane, provjeriti da li ovi kanali imaju službeni odnos s izdavačima; s druge strane, identificirati obrasce ponašanja među onima koji su se pokazali lažnima.
Rezultati su bili jasni. Od 37 analiziranih kanala, samo Osam je moglo biti potvrđeno kao autentično i direktno povezano s izdavačkim kućamaTo jest, samo 21,62% kanala se ispostavilo legitimnim, u poređenju sa 78,38% lažnih kanala koristilo je identitet ovih institucija bez odobrenja.U praksi, korisnik koji traži "zvanični" Telegram kanal ima mnogo veće šanse da završi u lažnom prostoru nego u pravom.
Studija je objavljena u akademskom časopisu "IDB: Univerzitetski tekstovi o bibliotekarstvu i informacionim naukama"U svom izdanju iz decembra 2025. godine, pod naslovom "Glavni naučni urednici u Telegram kanalima: pristup otkrivanju lažnih kanala pomoću ChatGPT-a i DeepSeeka", istraživanje pored brojki opisuje i... duboko iskrivljen ekosistem što predstavlja rizik i za naučnu zajednicu i za čitaoce i studente.
Pionirska studija korištenjem ChatGPT-a i DeepSeek-a
Jedan od najinovativnijih aspekata rada je metodologija zasnovana na vještačkoj inteligencijiIstraživači sa Univerziteta u Granadi su pioniri u korištenju Jezički modeli (LLM) kao što su ChatGPT i DeepSeek kako bi se utvrdilo da li su analizirani kanali službeni ili ne, kombinujući njihove analitičke mogućnosti s naknadnom ljudskom provjerom.
Dizajn istraživanja je strukturiran kao višestruka studija slučajaZa svaki od 37 identifikovanih kanala, a standardizirani prompt koji je poslan i ChatGPT-u i DeepSeeku, aktivirajući funkcija web pretraživanja ovih modela. Ideja je bila da vještačka inteligencija može u realnom vremenu provjeriti postojanje linkova ka korporativnim stranicama, verifikovanim računima i drugim znakovima autentičnosti.
Misija modela je bila da procijeniti vjerovatnoću da je svaki kanal bio službeni, na osnovu pokazatelja kao što su konzistentnost između sadržaja i uredničke linije brenda, prisustvo pouzdanih linkova ka institucionalnim web stranicama, postojanje ispravnih logotipa i naziva ili referenca na prepoznatljive uredničke politike.
Nakon što su dobijeni rangovi ChatGPT-a i DeepSeek-a, UGR tim je izvršio nezavisna ručna verifikacijašto je poslužilo kao osnovna istina. Drugim riječima, vještačka inteligencija nije imala posljednju riječ: istraživači su uporedili vlastite pretrage i provjere s odgovorima modela kako bi utvrdili da li je svaki kanal autentičan ili lažan.
Ovaj pristup je omogućio da se pokaže da LLM može korisni alati za početni skrining velikih razmjera, kao što je također dokazano od strane Zatvaranje kanala zbog lažnih AI trejleraposebno na platformama sa hiljadama kanala i količinom informacija koje je teško upravljati isključivo ručno. Međutim, on je također jasno stavio do znanja da, od danas, Ne mogu u potpunosti zamijeniti stručnu procjenu kada je u pitanju validacija osjetljivih računa poput onih naučnih izdavača.
Kako lažni kanali funkcionišu na Telegramu
Detaljna analiza 37 kanala omogućila je rekonstrukciju prilično homogenog uzorka na Kako oni koji se lažno predstavljaju kao izdavači naučnih radova funkcionišu na Telegramu?Najčešća praksa je masovna distribucija knjige, priručnici i članci u digitalnom formatu bez autorizacije, uz obećanje besplatnog pristupa ili direktnog preuzimanja naslova koji su zapravo zaštićeni autorskim pravima.
Uz ovo neovlašteno širenje sadržaja, mnogi lažni kanali nude uredničke usluge koje su teško vjerodostojnekao što je objavljivanje radova u časopisima s visokim utjecajem u vrlo kratkim vremenskim okvirima ili garantiranje prihvatanja članaka bez standardnog procesa recenziranja. Ova vrsta tvrdnje je posebno opasna za istraživači početnici, doktoranti i profesionalci s malo iskustva u krugu akademskog izdavaštva.
Istraživači su također otkrili ponavljajuću upotrebu izuzetno promotivni jezikPoruke više podsjećaju na agresivne marketinške kampanje nego na trezvenu komunikaciju tipičnu za naučne izdavače. Obećanja o popustima, "posebnim ponudama" i nerealnim prednostima su u izobilju, što je uznemirujuće u poređenju s načinom na koji akademski sektor obično komunicira.
U nekim slučajevima, lažni kanali koriste logotipi izdavača, nazivi kolekcija ili skraćeni linkovi što daje privid legitimnosti. Na prvi pogled, za korisnika koji nije upoznat s unutrašnjim funkcioniranjem ovih institucija, prezentacija može izgledati uvjerljivo, posebno ako kanal prikuplja vijesti, najave i dokumente koji miješaju stvarni materijal sa sadržajem sumnjivog porijekla.
Sav ovaj okvir generira ono što studija opisuje kao iskrivljeni ekosistem unutar Telegramagdje prisustvo neslužbenih kanala daleko premašuje prisustvo računa koji su zaista povezani s izdavačima. U praksi se to prevodi u ozbiljni rizici za akademski integritet i intelektualno vlasništvoOvo je problem i u Španiji i širom Evrope, jer olakšava cirkulaciju piratskih djela i obmanjujućih ponuda koje utiču na autore, institucije i čitaoce.
U čemu vještačka inteligencija griješi, a u čemu ne?
Što se tiče performansi modela, studija pokazuje da oba ChatGPT i DeepSeek pokazuju visoku efikasnost u otkrivanju očigledno lažnih kanala.Kada je lažno predstavljanje očigledno - potpuno odsustvo zvaničnih linkova, nevjerovatna obećanja, otvoreno piratski sadržaj - oba sistema se obično slažu u svojoj dijagnozi i klasifikuju kanale kao nelegitimne.
Međutim, istraživanje također otkriva strukturna ograničenja ovih modela u potvrđivanju autentičnosti stvarnih kanalaSlučajevi koji su generirali najviše poteškoća bili su oni u kojima se činilo da je kanal povezan s izdavačem, ali mu nije bilo jaki signali verifikacije, kao što su plava kvačica na Telegramu ili jasni linkovi ka lako provjerljivim institucionalnim stranicama.
Modeli se nisu ponašali identično. Prema studiji, DeepSeek je obično davao veći značaj kontekstualnoj koherentnosti sadržajaDrugim riječima, da li su vrsta publikacija, ton poruka i struktura kanala bili u skladu s onim što bi se očekivalo od etabliranog naučnog izdavača. Ovaj pristup se fokusirao na to kako je kanal komunicirao na dnevnoj bazi.
Sa druge strane, ChatGPT je dao prioritet formalnoj verifikaciji institucionalnih pripadnostiU praksi, ovo je značilo stavljanje većeg naglaska na prisustvo kanala na korporativnim web stranicama, postojanje provjerenih spominjanja ili njegovu povezanost s drugim prepoznatim računima. Kada ovi elementi nisu bili jasni, model je pokazivao veći oprez ili sumnju u autentičnost.
Studija zaključuje da su ovi komplementarni pristupi vrijedni za izvršiti početno filtriranje u okruženjima zasićenim informacijamaali naglašava da Pouzdanost umjetne inteligencije kao autonomnog detektora za korisnike bez posebne obuke je još uvijek ograničena.Autori preporučuju korištenje ovih modela kao dijela hibridnih sistema u kojima automatska analiza pruža podršku, ali konačnu potvrdu daju profesionalci s iskustvom u naučnoj dokumentaciji i uređivanju.
Pristrasnosti u izvorima i hegemonija engleskog sadržaja
Pored mjerenja prevare, istraga se fokusirala na ispitivanje Koje izvore ChatGPT i DeepSeek konsultuju prilikom potkrepljivanja svojih odgovora?Jedan od najupečatljivijih nalaza bila je dominantna prisutnost Zapadne reference u odnosu na druga geografska područjačak i u slučaju DeepSeeka, za koji se može pretpostaviti da je bliži azijskim izvorima.
Ova neravnoteža odražava hegemonija engleskog sadržaja na webuposebno kada su u pitanju naučne i akademske informacije. Budući da su prvenstveno obučeni na podacima uglavnom na tom jeziku, modeli imaju tendenciju da reproduciraju tu distribuciju u svojim pretragama i argumentima, što generira strukturna pristranost kada trebaju procijeniti izvore iz drugih jezičkih konteksta.
U praksi, ova pristranost može zakomplicirati evaluacija kanala povezanih s izdavačima koji nisu sa Zapadačije web stranice, sistemi verifikacije ili stilovi komunikacije možda nisu u skladu s prevladavajućim obrascima u anglosaksonskom svijetu. Kao rezultat toga, neki legitimni kanali mogu biti obavijeni većom neizvjesnošću ili sumnjom od svojih zapadnih pandana.
Autori rada tvrde da ovaj aspekt treba uzeti u obzir prilikom dizajnirajte alate za globalno praćenje zasnovane na umjetnoj inteligencijiOvo posebno važi za Evropu, gdje koegzistiraju naučne institucije iz vrlo različitih sredina. Ako se ove pristranosti ne isprave, postoji rizik od pojačavanja nejednakosti u vidljivosti i prepoznatljivosti među izdavačima na osnovu njihove zemlje ili jezika porijekla.
Kao budući smjer, studija predlaže modele obuke s uravnoteženijim i raznolikijim korpusimakao i prilagođavanje kriterija evaluacije kako bi bolje odražavali raznolikost međunarodnog akademskog sistema. U suprotnom, sama tehnologija dizajnirana za borbu protiv dezinformacija mogla bi na kraju reproducirati nenamjerne obrasce isključivanja.
Visokorizično okruženje za akademski integritet
Sa svim ovim elementima, istraživači opisuju univerzum Telegram kanala povezanih sa naučnim izdavačima kao visokorizično okruženje za akademski integritet i intelektualno vlasništvoVelika većina lažnih kanala, u poređenju s malim brojem originalnih računa, otežava prosječnom korisniku da na prvi pogled razlikuje koji su izvori pouzdani.
Među identifikovanim rizicima, ističu se sljedeći: nekontrolisano širenje naučnog materijalaOvo ne samo da krši autorska prava, već može i olakšati cirkulaciju starijih, nepotpunih ili izmijenjenih verzija članaka i knjiga. Ovakva vrsta neregulisane cirkulacije može uticati na način na koji studenti, nastavnici i istraživači u Evropi konsultuju i citiraju naučnu literaturu.
Još jedna relevantna opasnost je ona od lažne izdavačke uslugeOve prakse narušavaju povjerenje u akademski izdavački sistem. Oni koji postanu žrtve ovih kanala mogu plaćati za nepostojeće procese, smatrati svoj rad povezanim s neetičkim praksama ili ugroziti svoju profesionalnu reputaciju - nešto posebno osjetljivo na početku istraživačke karijere.
Studija govori o istinskom institucionalni paradoksIako Telegram predstavlja alat s velikim potencijalom za rigoroznu naučnu diseminaciju, ograničeno direktno učešće mnogih izdavača na platformi Ovo ostavlja prazninu koju imitatori iskorištavaju uz malo otpora. U nedostatku jasno prepoznatljivih službenih kanala, korisnici na kraju pribjegavaju alternativama koje, u mnogim slučajevima, nisu onakve kakve se čine.
U evropskom kontekstu, gdje se borba protiv dezinformacije i naučne prevare Iako je ovo postao politički i regulatorni prioritet, situacija opisana na Telegramu predstavlja dodatni izazov. Lakoća kojom se kanali mogu kreirati i umnožavati znači da se problem može brzo širiti, prisiljavajući institucije, biblioteke i regulatorna tijela da razviju nove strategije praćenja i odgovora.
Prema hibridnim sistemima nadzora i novim pravcima istraživanja
S obzirom na ovaj scenario, istraživači sa Univerziteta u Granadi zalažu se za razvoj hibridni sistemi za detekciju i praćenje koji kombiniraju mogućnosti umjetne inteligencije sa stručnim ljudskim pregledom. Ideja je iskoristiti skala analize jezičkih modela pratiti velike količine kanala i poruka, ali prepuštajući konačnu odluku stručnim timovima.
U ovoj shemi, umjetna inteligencija bi djelovala kao početni alat za mapiranjeTo uključuje identifikaciju novih sumnjivih kanala, ponavljajućih obrazaca prevare ili mreža računa koji ponovo koriste imena i logotipe renomiranih izdavača. Odatle, dokumentaristi, bibliotekari i osoblje izdavača mogli bi pregledati identificirane slučajeve i poduzeti mjere, bilo prijavljivanjem platformi, upozoravanjem korisnika ili jačanjem vlastitog službenog prisustva.
Studija također ukazuje na mogućnost proširiti ovu metodologiju na druga područja dezinformacija Ovi problemi su rasprostranjeni na Telegramu, kao što su širenje lažnih naučnih vijesti, teorije zavjere o zdravlju i manipulisani politički sadržaj. Ovaj pristup je u skladu s prioritetima mnogih evropskih institucija koje su zainteresirane za proaktivne alate za otkrivanje i zaustavljanje dezinformacijskih kampanja prije nego što postanu viralne.
Progresivna integracija naprednih funkcija tekstualne i kontekstualne analize u jezičke modele otvara vrata ka proaktivni sistemi za praćenje sposobni izdavati rana upozorenja o pojavi novih mreža lažnih kanala. Ova upozorenja mogla bi biti korisna za izdavače, univerzitete i javna tijela koja žele zaštititi naučnu komunikaciju i održati standarde kvalitete informacija koje dopiru do javnosti.
Istovremeno, autori naglašavaju potrebu za Sami naučni izdavači trebali bi ojačati svoje verifikovano prisustvo na Telegramu i na drugim sličnim platformama. Jasno identifikovani službeni kanali, transparentne komunikacijske politike i dosljedne poruke pomogli bi korisnicima da lakše razlikuju legitimne izvore i smanje mogućnost za lažne identitete.
Rad proveden na Univerzitetu u Granadi jasno pokazuje činjenicu da Preko 78% kanala naučnih izdavača na Telegramu su lažni. Ovo nije marginalni problem, već strukturni fenomen koji utiče na način na koji akademske informacije cirkulišu online. Njegovo rješavanje zahtijeva kombinovanje tehnologije, stručne procjene i većeg institucionalnog angažmana kako bi se povratio položaj u komunikacijskom kanalu gdje, za sada, prevaranti djeluju s previše lakoće.
