\"Tortured Phrases\": Why Bad Paraphrasers Get Papers Retracted

V roce 2021 výzkumný tým zabývající se integritou z Toulouse zveřejnil seznam frází, které se objevovaly v informatických dokumentech a nedávaly tak docela smysl. "Padělané vědomí." "Představování oparu." "Hluboké učení." "Nepravidelná úcta." "Nebezpečí pro prsa." Každý z nich byl verzí skutečného technického termínu nahrazenou tezaurem – umělá inteligence, cloud computing, hluboké učení, náhodná hodnota, rakovina prsu. Papíry, které je používaly, prošly kontrolami plagiátorství, ale žádnému lidskému čtenáři nevěnovaly pozornost.

Tým vymyslel pro tyto střídání název: mučené fráze. Původní papír je vystopoval k parafrázujícím nástrojům – jak ručním používaným papírnami, které se vyhýbaly detekci plagiátů, tak automatickým, které někteří výzkumníci používali při své vlastní práci. Objev spustil vlnu stahování, která pokračuje do roku 2026. Podle posledního sčítání bylo staženo nebo označeno za kontaminaci mučenou frází více než 1400 publikovaných prací, přičemž většina se soustředila na inženýrství, informatiku a biomedicínu.

Tato příručka vysvětluje, co jsou to mučené fráze, jak se vyrábějí, proč ukončují kariéru a odvolávají dokumenty, nástroje, které nyní časopisy používají k jejich odhalování, a jak zajistit, aby je vaše vlastní parafrázující pracovní tok nevytvářelo.

What tortured phrases are

Mučená fráze je uznávaný technický termín, který byl nahrazen ekvivalentem nahrazeným synonymem – obvykle takovým, který je gramaticky neporušený, ale sémanticky nesmyslný pro kohokoli v oboru. Transformace se obvykle děje slovo po slovu, bez ohledu na to, zda výsledná fráze je něco, co by někdy řekl doménový expert.

Klasický příklad z původní studie z roku 2021: v článku o „irregular timberland“ (náhodný les) autoři diskutovali o „vysoké přesnosti“ modelu, ale nevšimli si, že psali také o „hraničních stromech“ (rozhodovacích stromech) a „řízeném sběru“ (učení pod dohledem). Technický obsah článku byl v jistém smyslu skutečným výzkumem – ale próza byla zpracována nástrojem, který neznal, co kterýkoli z těchto termínů znamená.

A typology of how they appear:

Jednočlenné substituce. Běžné technické výrazy nahrazeny jejich synonymy. „Umělá inteligence“ se stává „padělaným vědomím“ nebo „falešným mozkem“. "Cloud computing" se stává "hale figuring" nebo "vapor processing". „Velká data“ se stávají „obrovskými informacemi“ nebo „obrovskými daty“.

Idiomatické substituce frází. Nahrané fráze v poli. „Současný stav“ se stává „stavem zpracování“. „Nejlepší ve třídě“ se stává „ideálním ve třídě“. „V reálném čase“ se změní na „probíhající“ nebo „konstantní čas“.

Nesprávné zacházení se zkratkami. Zkratky se nahrazují, jako by to byla slova. „MRI“ se stává „atraktivním rezonančním zobrazováním“. "RNA" se stává "ribonukleovou korozivní". „JavaScript“ se roztříští na „obsah Java“.

Substituce specifické pro doménu. Termíny specifické pro pole jsou nahrazeny synonymy z jiné domény. „Rakovina prsu“ se stává „nebezpečím prsou“. „Solární článek“ se změní na „článek založený na slunci“. „Srdeční záchvat“ se stává „koronárním selháním“ (což je ve skutečnosti správné, ale v kontextu, kde je „infarkt“ standardním termínem).

Gramatická stavba věty většinou přežije. Sémantický obsah je zničen. Recenzent, který je přelétne, by je mohl minout; recenzent s doménovými znalostmi okamžitě upozorní.

How they happen

Mučené fráze pocházejí z několika různých zdrojů.

Papírny používají nástroje pro náhradu synonym. Toto je původní obava, která podnítila výzkum v roce 2021. Papírny vyrábějí podvodné papíry ve velkém měřítku, často parafrází existujících skutečných papírů a prodejem výsledných „nových“ papírů výzkumníkům, kteří si kupují autorství. Aby se vyhnuli odhalení plagiátorství, provedou zdroj agresivní substitucí synonym. Výstup projde kontrolou plagiátorství (žádné přesné řetězce se neshodují) a neprojde skenováním odborníka na domény (technické výrazy jsou špatné).

Výzkumníci používající bezplatné online parafráze bez kontroly. Toto je běžnější moderní zdroj. Nerodilý mluvčí angličtiny, student pod tlakem na termíny nebo kdokoli, kdo se snaží snížit počet slov, projde svůj text pomocí bezplatného nástroje pro parafrázování. Nástroj nahradí synonyma v celém dokumentu. Autor nečte pozorně, protože próza se stále čte gramaticky — a předkládá článek s oborově specifickou terminologií, která je nyní v celém textu chybná.

LLM v neobvyklých rychlých konfiguracích. Moderní jazykové modely jako ChatGPT a Claude obecně nevytvářejí mučené fráze, když jsou požádány o parafrázi, protože rozumí kontextu. Ale určité vzory nabádání mohou stále vyvolat substituční chování na úrovni slov. Požádat model, aby to "přepsal s větší rozmanitostí" nebo "používal synonyma v celém textu", někdy produkuje výstup mučených frází, zejména u technického obsahu, který model zná méně dobře.

Překladové kanály přes přechodné jazyky. Překlad článku z angličtiny do ruštiny do čínštiny zpět do angličtiny (nebo jakéhokoli podobného řetězce) může vytvářet vzory mučených frází, protože každý krok překladu nahrazuje ekvivalenty na úrovni slov, které nelze překomponovat do původní technické terminologie.

Podle našich zkušeností pomáháme výzkumníkům, druhý zdroj – nevinní výzkumníci používající špatné parafráze – je nejčastější příčinou mučených frází v nepodvodných novinách. Autor se nesnaží podvádět; snaží se zlepšit svou angličtinu nebo zkrátit úsek. Nástroj ničí jejich terminologii, aniž by jim to řekl.

Why they get papers retracted

Mučené fráze jsou nyní považovány za důkaz buď zapojení papírenského závodu, nebo nezveřejněného použití umělé inteligence, což ve většině časopisů spouští procesy stažení.

Úvaha se za poslední dva roky přitvrdila. Před pěti nebo šesti lety mohl být článek s podivným formulováním opraven – editor požádal autora, aby opravil terminologii a znovu publikoval. Dnes se se stejným frázováním zachází jako s hlídkou systematických problémů. I když je základní výzkum správný, přítomnost mučených frází naznačuje, že autor buď koupil noviny, použil agresivní parafráze, aby se vyhnul odhalení plagiátorství, nebo neprovedl korekturu své vlastní práce na publikovatelnou úroveň. Žádné z těchto vysvětlení není dobré.

Konkrétní časopisy učinily politiku explicitní. IEEE, ACM, Elsevier a Springer mají všechny aktualizované redakční pokyny v letech 2024–2025, aby nakládaly s mučenými frázemi jako s důvodem pro stažení, aniž by bylo vyžadováno prokázání úmyslu. Aktualizace redakční politiky Wiley z roku 2026 dodala, že „mučené fráze objevené po zveřejnění budou mít za následek stažení, pokud autor nemůže prokázat, že náhrady jsou výsledkem dokumentovaného překladu nebo procesu editace, a nikoli zapojením papírny.“

Odvolání také poškozuje autorovu pověst takovým způsobem. Stažené příspěvky zůstávají v autorově záznamu. Finanční agentury kontrolují. Kontrolují pátrací komise. Spoluautoři, kteří nebyli odpovědní za formulaci, budou označeni ve stažení. Mučené fráze jsou jedním z mála redakčních problémů, které mohou funkčně ukončit akademickou kariéru, zejména pro výzkumníky na počátku kariéry.

How journals are catching them now

The detection ecosystem has matured.

The Problematic Paper Screener. Screener vyvinutý stejným týmem, který tento termín vytvořil, je bezplatný online nástroj, který prohledává PubMed a další databáze a hledá známé mučené fráze. Používají ho redaktoři, recenzenti a týmy pro integritu v časopisech ke skenování příspěvků a publikovaných článků. Nástroj udržuje pravidelně aktualizovaný seznam frází – v současné době více než 5 000 – a označí každý papír, který je obsahuje.

Skenování redakcí před vzájemným hodnocením. Několik velkých vydavatelů (IEEE, Elsevier, Springer) začlenilo skenování mučených frází do svého kanálu pro podávání žádostí. Příspěvky jsou skenovány při příjmu. Papíry s hity jsou obvykle vráceny autorovi s žádostí o vysvětlení před zahájením vzájemného hodnocení.

Sledování po zveřejnění. Nástroje jako Problematic Paper Screener také skenují již publikované články. Požadavky spouštějí šetření týmem pro výzkum integrity vydavatele. Vyšetřování může vést k vyjádření znepokojení, nápravě nebo stažení v závislosti na tom, co bylo nalezeno.

Povědomí recenzentů. Vzájemní recenzenti jsou stále více trénováni, aby si všimli mučených frází ve svém oboru. Pokyny pro recenzenty z velkých časopisů nyní výslovně zahrnují „vyhledávání neobvyklé technické terminologie, která může naznačovat poškození nástroje pro parafrázování“.

Pokud bude váš článek stažen kvůli mučeným frázím, obvykle to zjistíte do 6–18 měsíců od zveřejnění – často poté, co byl článek citován ostatními, což ještě zvyšuje škody, když je třeba tyto citace sledovat a informovat.

How to avoid producing them yourself

Několik zvyků zabraňuje mučeným frázím ve vaší práci.

Nevkládejte celé své metody nebo část výsledků do obecného bezplatného parafráze. Toto je akce s nejvyšším rizikem. Volné parafráze optimalizované pro „jedinečnost“ (tj. vyhýbající se detekci plagiátorství) obvykle používají agresivní substituci synonym. Nemají žádnou představu o tom, které technické termíny jsou standardní a které jsou zaměnitelné. Výstup bude mít v technickém obsahu mučené fráze.

Pokud musíte parafrázovat technický text, použijte akademický parafrázer s citací. Nástroje jako náš nástroj pro parafrázování jsou trénovány tak, aby zachovaly terminologii specifickou pro obor a formátování citací. Při přepisování jsou zachovány standardní termíny – „hluboké učení“, „náhodný les“, „rakovina prsu“, „modelování strukturních rovnic“. Mění se jen okolní próza.

Před odesláním si přečtěte každou parafrázovanou sekci. Konkrétně vyhledejte technický výraz, který vám není známý nebo který jste nenapsali. Pokud vidíte „padělané vědomí“ tam, kde byste normálně napsali „umělá inteligence“, je to mučená fráze, kterou nástroj představil. Obnovit původní termín. Spárování přečtení s průchodem sledovanými změnami korektor AI usnadňuje nalezení náhrad, protože každá úprava se zobrazí jako samostatná změna, kterou můžete odmítnout.

Porovnejte přeložený text se zdrojem. Pokud jste přeložili článek prostřednictvím jakéhokoli kanálu AI, naskenujte anglickou verzi, zda neobsahuje technický výraz, který neodpovídá tomu, co byste napsali ve své rodné angličtině vhodné pro daný obor. Překladové kanály jsou častým zdrojem mučených frází, zejména u řetězců z angličtiny do ruštiny do angličtiny používaných k vyhýbání se plagiátorství.

Před odesláním použijte Problematic Paper Screener. Je to zdarma. Trvá to asi 30 sekund. Označuje všechny známé mučené fráze ve vašem rukopisu. Pokud jste vůbec použili parafráze, tato kontrola se vyplatí provést jako poslední krok před odesláním.

Nedůvěřujte „skóre jedinečnosti“ jako zástupci kvality. Nástroje, které slibují vysoké skóre „originality“ nebo „jedinečnosti“, obvykle dosahují těchto skóre pomocí substituce synonym, která produkuje mučené fráze. Odhalování plagiátů a dobré psaní není totéž. Dobře citovaný přehled literatury s oborovou standardní terminologií může mít mírné skóre podobnosti, protože oborové standardní termíny jsou sdíleny napříč články – a to je v pořádku.

Semantic paraphrasing vs synonym substitution

Rozdíl, který chrání vaši práci, je rozdíl mezi dvěma zásadně odlišnými přístupy k parafrázování.

Náhrada synonym je to, co většina bezplatných nástrojů pro parafrázování dělá. Nástroj vezme větu, vyhledá slova po slovech synonyma a nahradí je. "Nervová síť dosáhla vysoké přesnosti" by se mohla stát "Nervová struktura dosáhla vysoké přesnosti." Někdy je výstup přijatelný; často produkuje mučené fráze. Nástroj nerozumí tomu, co dělá frázi ve vašem oboru technicky správnou.

Sémantické parafrázování je to, co dělají dobří akademičtí parafráze. Nástroj rozumí významu věty a přepisuje ji, přičemž zachovává odborné termíny, které jsou v oboru standardní. „Neuronová síť dosáhla vysoké přesnosti“ by se mohla stát „Naše neuronová síť dosáhla vysoké přesnosti v benchmarku.“ Terminologie je zachována, protože nástroj rozpoznává „neuronovou síť“ jako standardní termín v oboru, nikoli frázi, která má být synonymizována.

Rozdíl je strukturální, ne kosmetický. Nástroj postavený na sémantické parafrázi zachová „rakovinu prsu“, protože rozpozná kontext lékařské domény. Nástroj pro substituci synonym jej nahradí výrazem „nebezpečí prsou“, protože na úrovni slova jsou „prsa“ a „nebezpečí“ slovníková synonyma slov „prsa“ a „rakovina“.

Obvykle poznáte, jaký přístup používá nástroj pro parafrázování, otestováním na odstavci plném odborné terminologie. Vložte sekci metod do nástroje. Přečtěte si výstup. Pokud technické termíny přežily (hluboké učení, náhodný les, modelování strukturálních rovnic, rakovina prsu), nástroj používá sémantické parafrázování. Pokud vidíte nové fráze (hluboké učení, nepravidelné timberland, primární kondice demonstrující, nebezpečí prsou), nástroj používá náhradu synonym a neměl by být používán v akademickém obsahu. Další informace o tom, co hledat v parafráze akademické třídy, naleznete v našem srovnání [parafrázovacích nástrojů, které zachovávají citace] (/blog/ai-paraphrasing-preserving-citations).

See the Full Paraphrasing Tool

Citation-aware academic paraphrasing that preserves technical terminology. Free tier includes every feature.

Frequently asked questions

Otázka: Jak zjistím, zda můj článek před odesláním obsahuje mučené fráze?

Spusťte jej přes Problematic Paper Screener (zdarma na stránkách projektu Cabanac et al.). Nástroj porovná váš rukopis se seznamem více než 5 000 známých mučených frází. Požadavky na server jsou označeny opraveným výrazem. Ve svém příspěvku můžete také ručně vyhledat jakýkoli odborný výraz, který neodpovídá vaší běžné slovní zásobě v oboru. Pokud jste na rukopis použili bezplatný nástroj pro parafrázování, nejrizikovější části jsou obvykle metody a výsledky, kde je odborná terminologie nejhustší.

Otázka: Co mám dělat, když zjistím, že můj příspěvek obsahuje mučené fráze?

Kontaktujte redaktora ihned, ještě než skončí recenzní řízení. Popište, co se stalo (použil/a jste nástroj pro parafrázování, který zavedl substituce). Předložte opravený rukopis. Redakce obecně posuzují proaktivní zveřejnění velmi odlišně od toho, když se problém zjistí až později. Ve většině případů přijmou opravené opětovné zaslání, pokud budete jednat ještě předtím, než je záležitost nezávisle odhalena. Pokud už byl článek publikován, kontaktujte výzkumnou integritu daného časopisu a požádejte o opravu. Čím dříve zasáhnete, tím nižší je pravděpodobnost formálního stažení.

Otázka: Jsou LLM jako ChatGPT a Claude bezpečné pro parafrázování?

Moderní LLM jsou obecně mnohem lepší než vyhrazené bezplatné parafráze při zachování technické terminologie, protože rozumí kontextu. Nejsou však imunní vůči mučeným frázím. Specifické vzorce výzvy („použijte synonyma“, „přepište pro rozmanitost“, „udělejte to jedinečnější“) mohou spustit substituční chování na úrovni slov. Pokud k parafrázování používáte LLM, požádejte jej, aby výslovně „zachoval veškerou technickou terminologii a formátování citací“ a vždy ověřte výstup podle svého zdroje. Pro parafrázování na publikovatelném rukopisu s vysokými sázkami je akademická parafráze se znalostí citací bezpečnější než generická výzva LLM.

Otázka: Jak je program Problematic Paper Screener aktuální?

Tým za tím (vedený Guillaume Cabanacem na univerzitě v Toulouse) udržuje otevřený seznam frází získaných z forenzní analýzy stažených a označených dokumentů. Komunita přispívá novými poznatky. Jak papírny vyvíjejí své substituční vzory, přidávají se nové fráze. Seznam v současné době přesahuje 5 000 záznamů a měsíčně roste. Pokud ve svém vlastním oboru objevíte mučenou frázi, která není na seznamu, můžete k ní přispět – screener se stává užitečnějším, protože komunita přidává oborově specifickou terminologii.