一、研究背景
近期在Open Café学术论坛中，关于“零费用开放获取出版的真实覆盖率”的讨论引用了Walt Crawford的研究数据，但存在统计口径局限问题。Crawford基于DOAJ（开放获取期刊目录）的研究仅涵盖完全开放获取期刊（“金色OA”），而忽略了混合期刊（需支付文章处理费APC）的开放论文产出。正如论坛创始人Rick Anderson指出，这种统计方法严重低估了APC资助的开放论文数量。
二、依托于Delta think的数据分析
数据来源：出版商网站、OpenAlex、DOAJ、Delta Think分析。© 2025 Delta Think Inc. 保留所有权利。
基于Delta Think的全维度数据分析平台，得出以下关键发现：
? 整体开放获取市场中，13%的论文来自免APC期刊（左图）；
? 物理学领域表现突出，免APC论文占比达47%（右图）；
? 2018-2022年数据稳定性显著，年度波动率低于2%；
? 支持200+学科细分分析及学会期刊对比研究。
与Open Café引用的33%免APC数据相比，Delta Think的13%估值更精准反映了混合期刊的实质贡献。
三、AI模型验证实验
在DeepSeek引发行业震荡的背景下，Delta Think设计对照实验评估生成式AI的科研辅助能力。
? 查询语句：“开放获取中有多少是钻石开放获取？列出过去5年每年的文章数量和比例”
? 测试对象：ChatGPT 4o/4-turbo与DeepSeek
·实验结果：
1.版本迭代差异：ChatGPT不同版本（4o/4-turbo）输出结果存在显著差异。
2.输出稳定性分析： DeepSeek两次查询结果差异显著（见“尝试次数”指标），ChatGPT输出稳定性优于DeepSeek。
3.功能特性：ChatGPT 4-turbo特有推理功能，启用后可以展示推导过程与方法论、输出详细年度数据（2018-2022），关闭时数据趋近ChatGPT 4o。
4.数据准确性：
·OA占比：DeepSeek(12-15%)最接近真实值(13%)，ChatGPT高估达2.5倍。
·数值矛盾：DeepSeek第二次尝试与ChatGPT 4-turbo数值相近，但占比计算存在2.5倍偏差。
·时间覆盖局限：所有模型数据截止2022年，缺失最新年度（2023年）数据。
5.学术沟通能力评估：
本研究采用单次提示（one-shot prompt）测试机制，系统评估生成式模型的学术沟通能力。
·回复的字数各不相同：Chat GPT-4o具有单段落、单数字的简洁性。其他模型混合使用了项目符号、散文和表格。
·只有一个模型添加了来源超链接，具体如下：ChatGPT-4o引用了encyclo.ouvrirlascience.fr。它是唯一包含链接的模型。
·ChatGPT 4-turbo主动提供了描述定义的章节，包含来自某些来源的标题数字，制作了年度评估表格，比较不同来源结果的讨论，数据限制的警告以及总结。它引用维基百科作为来源，指出其5年测算基于2017-2019年数据，但不清楚是自行计算还是引用其发现的某些表述。
·DeepSeek主动提供了关于定义、趋势、年度测算和关键来源的简要讨论。这些来源似乎是进一步阅读的指引，包括cOAlition S和OPERAS的《OA钻石期刊研究》（2021）（它认为该研究提供了最全面的视角），DOAJ，以及Web of Science/Scopus（指出它们低估了钻石OA期刊，因为许多期刊规模较小或具有区域聚焦）。
·冗长的模型为数据添加了警示，但没有一个能捕捉定义“钻石”的微妙之处。如果某期刊仅有一年免APC，例如，作为推广期优惠，那么它应该算作真正的钻石期刊还是赞助期刊?
四、结论
当前GenAI 发展阶段更接近“科研实习生”角色，与资深研究者存在显著能力差距，需要提示工程（Prompt Engineering）迭代优化，多轮结果精炼机制，人工校验介入流程来提升其效果。
DeepSeek的结果出人意料地优秀。其估值比我们的估计低几个百分点。ChatGPT则显著高估。模型选择的补充材料有效解释了数据背后的概念与驱动因素。
Delta Think样本与模型引用样本之间的差异解释了部分数据波动。但这无法解释某些重大差异——例如文章数量相同但占比不同（或反之），存在2.5倍差异。
或许当前形态的生成式AI模型并不完全适合这类数值导向的研究。但它们似乎正朝着正确方向演进。（注：Delta Think未在OpenAI和Google Gemini目前提供的深度研究模型上尝试此查询）
