PubShield：原稿の品質保証 を一元化するハブ
PubShieldは機関向けの投稿ハブです。原稿に対して高品質な信頼性チェックを実行し、その結果をひとつのダッシュボードに集約します。ログイン先の分散も、ワークフローの分断も、チェック漏れも、もうありません。
分断された信頼性チェックが生むもの
原稿の品質保証は、多くの場合、複数のステップと複数のツールにまたがるプロセスです。テキストの類似性・盗用リスク、AI生成テキスト、参考文献の信頼性、画像の信頼性など、チェックごとに別々のプラットフォームが必要になります。実際には、ほとんどの研究者には、複数のシステムですべてのチェックを実行する時間も、意識も、ワークフローもありません。そのため問題の発見が遅れ、査読の段階、採択後、さらには出版後になって見つかります。チェックが分断されていると、起こることは予測できます：
不採択と修正
防げる問題が、編集部による不採択や、修正の繰り返しにつながります。
訂正と撤回
見逃された信頼性の問題は、出版後の訂正や撤回のリスクを高めます。
評判の毀損
信頼性に関わる不備は、研究者の信用と機関の評判を損ないます。
機関の負担
調査や撤回は、機関に運営面・財務面で大きな負担を強います。
PubShieldに搭載された信頼性チェック
テキストの類似性と盗用リスク
原稿が投稿されると、そのテキストを幅広い学術コンテンツのデータベースと照合し、類似性と盗用の可能性をスクリーニングします。重複する箇所や一致したソースを早い段階で特定できるため、研究者と機関は、原稿が学術誌に届く前に疑わしい再利用を確認し、リスクに対処できます。
画像の信頼性
原稿内のすべての図を対象に、手作業では検出が難しい画像の信頼性の問題を自動でスクリーニングします。対象には、重複・再利用された領域、改変の兆候、既発表文献との照合による画像盗用、AI生成画像が含まれ、チームが投稿前や出版前にリスクの高い画像を特定するのに役立ちます。
参考文献の信頼性
原稿の参考文献を分析し、準備段階で見落とされがちな、信頼性や確実性に関わるリスクを提示します。RefGuardは、撤回論文へのリンクを含む問題のある引用の特定を支援するため、査読や編集部による精査の前に、参考文献に関する問題に対処できます。
AI生成テキストの検出
原稿のテキストを対象に、ChatGPT、Claude、Geminiなどのツールで作成されたコンテンツを含め、AIが生成した文章をスクリーニングします。AIを活用した執筆がますます一般的になる中、機関と研究者がオーサーシップの真正性を評価し、学術誌や機関のポリシーとの整合を確保するのに役立ちます。
データ報告とコンプライアンスの準備状況
原稿を対象に、データ報告の網羅性と、昨今のデータ共有やオープンサイエンスで求められる事項との整合性を評価します。DataSeerは、欠落している、不明確な、または不完全なデータ関連の要素を早期に特定するのに役立ちます。これにより研究者は、投稿前にコンプライアンスを高め、避けられる修正の繰り返しを減らせます。
機関がPubShieldを導入する理由
PubShieldは、分断された信頼性チェックを、機関としてのひとつのワークフローにまとめます。高品質なツールを連携させ、すべての出力をひとつのダッシュボードに集約します。これにより、包括的なスクリーニングを部門や研究室全体に拡大でき、複数のツールを手作業で調整する代わりに、一貫したレビュープロセスを一か所で実施できます。
機関全体への
展開
一貫したアクセスにより、部門や研究室を横断して利用が広がります。
高品質で幅広いチェック
テキスト、画像、参考文献、AI、データを対象とした統合チェックです。
一元化された
レビュー
ひとつのダッシュボードで、レビューを迅速にし、意思決定を容易にします。
包括的な品質保証を実行可能に
ひとつのワークフローが、複数のツールと手作業による調整に取って代わります。
よくある質問
研究者は複数のツールを個別に使う必要がありますか？
いいえ。PubShieldは、ワークフローとレビューを一か所に集約します。
レポートはひとつですか、それとも複数の出力ですか？
PubShieldは、すべてのチェックの出力をひとつのダッシュボードに集約し、そこでレビューできるようにします。
実行するチェックを機関で管理できますか？
はい。ワークフローで有効にするチェックは、各機関で設定できます。
PubShieldは誰に向けたものですか？
所属する研究者全体で、一貫した投稿前の品質保証を行いたい機関です。
今後、連携先は追加されますか？
はい。PubShieldは、原稿の包括的な品質保証に向けて拡張していく設計です。
PubShieldの実際の流れ
投稿は一度だけ PubShieldから原稿をアップロードします。
バックグラウンドでチェックを実行 PubShieldが、原稿に対して該当する信頼性チェックを自動で実行します。
結果はひとつのダッシュボードに 出力は一元化されたビューに集約されるため、レビュアーや研究者が複数のプラットフォームでレポートを探し回る必要はありません。
投稿前に問題を修正 研究者は、原稿が出版社に送られる前に、信頼性のリスクに早期に対処できます。
関連リソース
AI生成テキストの検出ツールとAI生成画像の検出ツールは、根本的に異なる問題を解決するものです。原稿がテキストベースのAIスクリーニングを通過しても、架空の図が含まれている可能性があります。言語パターンを解析するツールには、ピクセルレベルの…
投稿原稿における画像の信頼性の問題の大半は意図的なものではなく、図の作成時のミス、パネルのラベルの誤り、データの取り扱い中に共同研究者が持ち込んだミスから生じています。学術誌の編集者は、投稿の受付、デスクレビュー、採択前という3つの実践的な…
自動スクリーニングは、問題を指摘することにかけては非常に優れたものになりました。AI生成、改変、画像盗用、自己盗用の疑いや、その他のチェックで図に疑問が呈されれば、レビュアーはどこを確認すべきかがわかります。しかし、指摘は作業の始まりであっ…
出版社は、AIによる画像の信頼性チェックツールを、編集上の判断に代わるものとしてではなく、疑いのある問題を提示して人によるレビューにつなげるスクリーニングの層として使うことで、COPEに沿った形で編集ワークフローに組み込むことができます。鍵…
PubShieldは、Proofig AIとは別の製品で、複数の信頼性チェックを1つのワークフローにまとめる機関向けの原稿品質保証ハブです。Proofig AIの画像の信頼性スクリーニング、DataSeerのデータのコンプライアンスチェック…
AIは、科学研究における画像の信頼性に関わる問題の検出方法を大きく変えつつあります。自動化ツールは今や、手作業のレビューでは追いつけない規模と速さで、重複、改変、AI生成コンテンツ、盗用をスクリーニングしています。Proofig AIはまさ…
