Reformasi Penerbitan Ilmiah di Era Media Sosial

Beberapa studi menunjukkan bahwa artikel ilmiah yang bermasalah sering mendapat perhatian besar di media sosial sebelum secara resmi ditarik oleh penerbit. Para peneliti ingin mengetahui apakah komentar kritis di platform seperti X bisa memperingatkan adanya masalah sebelum keputusan penarikan dibuat. Penelitian oleh Er-Te Zheng dan timnya menemukan bahwa sekitar 8,3% dari 604 artikel yang akhirnya ditarik memiliki setidaknya satu postingan kritis di X sebelum penarikan. Sedangkan hanya 1,5% komentar kritis ditemukan pada artikel yang tidak ditarik. Studi lain oleh Hajar Sotudeh menemukan bahwa tweet dengan sentimen negatif dan kata-kata khusus seperti 'fraud' dan 'retract' terkait dengan artikel yang cenderung ditarik lebih cepat. Tweet yang lebih panjang juga berhubungan dengan proses penarikan yang lebih cepat. Meskipun demikian, hingga kini belum ada bukti bahwa kritik di media sosial menjadi penyebab langsung penarikan artikel. Para ahli menyebutkan bahwa media sosial adalah ruang penting untuk kritik pasca-publikasi, tapi perlu adanya sistem penyaringan agar klaim yang belum terverifikasi tidak memengaruhi keputusan penerbit secara negatif. Para peneliti dan penerbit kini semakin memperhatikan komentar di media sosial sebagai bagian dari evaluasi ilmiah, namun mereka juga mengingatkan perlunya panduan khusus agar kritik tersebut bisa digunakan secara efektif dan adil.

ArXiv, platform pra-cetak ilmiah yang sangat populer, mengumumkan perubahan kebijakan penting mulai tanggal 11 Februari. Setiap manuskrip yang dikirim ke arXiv harus menggunakan bahasa Inggris secara penuh atau menyertakan terjemahan lengkap dalam bahasa Inggris. Sebelumnya, hanya abstrak saja yang wajib dalam bahasa Inggris. Kebijakan baru ini bertujuan untuk mempermudah para moderator dalam menilai karya yang masuk serta untuk mempertahankan jangkauan pembaca internasional yang luas. Moderator arXiv bertugas memeriksa kelayakan dan topik manuskrip, walaupun situs ini tidak melakukan peer review formal. Meskipun hanya sekitar 1% kontribusi non-Inggris di arXiv, perubahan ini menimbulkan kekhawatiran di kalangan beberapa penulis, terutama matematikawan dan akademisi yang khawatir beban terjemahan dapat mengurangi keinginan mereka dalam menyebarkan karya yang belum atau tidak diterbitkan secara formal, seperti tesis atau bab buku. Sebagai solusi, arXiv mengizinkan penggunaan terjemahan otomatis berbasis AI, seperti yang dibuat oleh chatbot dan model bahasa besar (LLM), dengan catatan terjemahan tersebut harus diperiksa ulang agar hasilnya tetap akurat dan sesuai dengan makna aslinya. Pengalaman saat ini menunjukkan bahwa meskipun terjemahan AI bagus, tetapi belum cukup sempurna untuk penggunaan akademik tanpa pengecekan. Peneliti dari Stanford, James Zou dan Hannah Kleidermacher, menguji kemampuan GPT-4o dalam menerjemahkan dokumen ilmiah dan mengevaluasi hasilnya melalui kuis otomatis. Hasilnya menunjukkan potensi besar penggunaan AI ini dalam terjemahan teks ilmiah, yang dapat membantu memenuhi kebijakan baru arXiv di masa depan.

Penelitian terbaru menunjukkan bahwa komentar di media sosial seperti X yang kritis terhadap sebuah artikel ilmiah bisa menjadi sinyal awal adanya masalah dalam penelitian tersebut. Studi ini menemukan bahwa sejumlah artikel yang akhirnya ditarik publikasinya sudah mendapatkan perhatian kritis di platform tersebut jauh sebelum penarikan resmi dilakukan. Er-Te Zheng dan timnya mengamati ribuan tweet yang membahas artikel yang kemudian diretrak dan tidak diretrak. Mereka mendapati bahwa sekitar 8,3% artikel yang diretrak sudah mendapat kritik langsung di X, jauh lebih tinggi dibandingkan hanya 1,5% pada artikel yang tetap bertahan. Selain itu, analisis lain oleh Hajar Sotudeh mengungkapkan bahwa penggunaan kata-kata seperti fraud, retract, hoax, dan flawed dalam tweet ternyata membuat proses penarikan artikel lebih cepat. Tweet yang panjang juga berpengaruh mempercepat retraction, terutama bila mengandung kata-kata peringatan tersebut. Para ahli menekankan bahwa komentar di media sosial bisa membantu mengidentifikasi kesalahan yang tidak terdeteksi oleh peer review tradisional. Namun, belum ada pedoman resmi bagi penerbit bagaimana cara menggunakan kritik tersebut untuk keputusan editorial yang adil dan terpercaya. Kedepannya, diperlukan sistem yang mampu menyaring, memverifikasi, dan mengkontekstualisasikan komentar di media sosial agar penerbit dapat memberikan respon yang tepat terhadap kritik yang ada, tanpa dipengaruhi oleh bias pribadi atau opini yang tidak berdasar.