Le nouveau logiciel PySciDetect est une version développée de SciDetect. Parmi les changements, deux améliorations sont à noter.
Premièrement, le logiciel s’appuie sur l’intelligence artificielle pour identifier les données et résultats de recherche frauduleux dès leur soumission. Les travaux de recherche soumis sont comparés à une base de données comprenant de faux articles scientifiques. PySciDetect est capable de détecter de courtes parties de texte falsifié au sein d'un article. Il établit ensuite une analyse sur l'article en soulignant tout contenu suspect détecté et en indiquant les parties du document qui sont authentiques ou non.
Deuxièmement, PySciDetect est rédigé en langage de programmation Python et offre une meilleure compatibilité avec les infrastructures informatiques modernes. Destiné initialement aux éditeurs et aux membres de la communauté académique et scientifique, le téléchargement et l’intégration est par conséquent facilité.
Partenaire actif d’une communauté
Depuis 2015, l’ancienne version SciDetect a permis d’analyser plus de 3,8 millions d’articles et de revues et plus de 2,5 millions de chapitres de livres. Avec PySciDetect, Springer Nature souhaite renforcer son engagement envers la communauté scientifique en protégeant l’intégrité de son contenu.
“Les éditeurs jouent un rôle important dans la protection de l'intégrité scientifique. Dans la continuité de cet engagement pour des pratiques de recherche fiables et robustes, Springer Nature investit sans relâche dans les outils de détection comme PySciDetect afin d’éviter les erreurs et de prévenir la fraude scientifique”, déclare Volker Boeing, vice-président process and content management chez Springer Nature.
