在2023年同行评审周，GigaByte期刊宣布与eLife合作，推出一种新颖的“发布、评审、策划”(PRC)同行评审模式。通过eLife的Sciety平台，GigaByte现在可为每份经过审查的预印本提供一份重要的编辑评估报告，以帮助读者更好地了解预印本的吸引力和重要性，同时也为研究的审查和评估提供线索。   GigaByte的主要目标是使出版速度与研究速度相匹配。2020年9月该期刊推出时，其严格的开放科学政策便使其成为首批强制使用预印本的期刊之一，大大提高了透明度并加快了研究传播。由于GigaByte还强制要求开放同行评审，因此能够通过文章上的交叉链接和突出显示链接，将文章与之前发布的预印本连接起来。随着预印本同行评审和评估政策的兴起，未来将利用bioRxiv和Sciety集成，从而能够在任何相关预印本上共享这些开放的同行评审。GigaByte还在Sciety的“评审小组”中分享这些预印本同行评审，以便为读者提供进一步的发现和见解。下一步，GigaByte将建立“发布后审查”的科学传播模式，添加认可步骤，并将其与eLife的新“发布、审查、策划”模式保持一致。   2023年1月，eLife成为第一个采用新科学出版模式的期刊，eLife发布的供同行评审的每一份预印本都作为“已评审预印本”在网站上发布，并附上评估、公众评论和来自各方的回应。GigaByte正在朝着这种“发布、评论、策划”(PRC)同行评审模式迈出重要一步，成为继eLife之后第二家在Sciety“策划小组”以及其他评估社区（如Biophysicals Colab）中发布编辑评审结果的期刊。   正如开放科学所倡导的那样，这只是该期刊的一个渐进举措，但他们预计未来将采取措施以支持基于预印本的出版系统。由于2023年同行评审周的主题是“同行评审和出版业的未来”，因此该期刊的经验将是对未来出版行业的一个非常及时和实用的展示。到目前为止，这种集成模式仅适用于bioRxiv和medRxiv平台上预印本的2/3左右，然而GigaByte希望这种新模式能够扩展到所有预印本平台，特别是作者一直在使用的特定区域和语言的预印本平台，如SciELO预印本、AfricaArxiv和ChinaXiv。从2021年同行评审周开始，他们就沿着这条路线开始行动，并宣布将公开同行评审与bioRxiv整合，以及不断提供该出版模式的最新进展情况。

  《美国医学会眼科学杂志》（JAMA Ophthalmology）于2023年11月9日发表一篇论文，作者使用GPT-4和Python语言模型ADA（Advanced Data Analysis）执行统计分析并实现数据可视化。人工智能生成的数据比较了两种外科手术的结果，并错误地指出一种治疗方法优于另一种。   研究报告的合作者、意大利卡利亚里大学眼科外科医生Giuseppe Giannaccare说：“我们的目的是要强调，在几分钟内，你就可以创建一个没有真实原始数据支持的数据集，而且与现有的证据相比，它站在对立面上。”   人工智能编造令人信服的数据的能力增加了研究人员和期刊编辑对研究完整性的担忧。   加利福尼亚州旧金山的微生物学家兼独立研究诚信顾问Elisabeth Bik说：“生成式人工智能可以生成使用剽窃软件无法检测到的文本，并且它能够创建虚假但逼真的数据集，这就更令人担忧了。这将使任何研究人员或研究小组都能非常容易地对不存在的病人进行虚假检测，对问卷进行虚假回答，或在动物实验中生成大量的数据集”。   作者将这些结果描述为一个“看似真实的数据库”。但经专家检查后发现，这些数据未能通过真实性检查，并含有明显捏造迹象。   手术对比   作者要求 GPT-4和ADA创建一个有关角膜炎患者的数据集，角膜炎会导致角膜变薄，从而影响聚焦和视力。对于15-20%的角膜炎患者来说，治疗方法包括角膜移植手术和穿透性角膜移植手术。第一种方法是穿透性角膜移植术（Penetrating Keratoplasty, PK），通过手术切除所有受损的角膜层，并用捐献者的健康组织替换。第二种方法是深前板层角膜移植术（Deep Anterior Lamellar Keratoplasty, DALK），只替换角膜的前层，保留最内层。   作者指示大型语言模型编造数据，以支持DALK比PK效果更好的结论。为此，他们要求该模型在一项评估角膜形状和检测不规则角膜的成像测试中显示出统计学差异，并显示出试验参与者在手术前后视力的差异。   人工智能生成的数据包括160名男性和140名女性。结果显示，接受DALK手术的人在视力和成像测试中的得分都比接受PK手术的人高，这一结果与真正的临床试验显示的结果不符。   “创建至少表面上可信的数据集似乎很容易。”——英国曼彻斯特大学的生物统计学家Jack Wilkinson说。Wilkinson对检测不真实数据的方法很感兴趣，他检查了几个由大型语言模型早期版本生成的数据集，他说这些数据集在仔细检查时缺乏令人信服的元素，因为它们难以捕捉变量之间的真实关系。   更严密的审查   应Nature新闻团队的要求，Wilkinson和他的同事Zewen Lu使用一种旨在检查真实性的筛选方案对假数据集进行评估。结果显示，术前和术后的视力测量结果与眼成像测试结果之间没有相关性。他们还检查了数据集中的数据分布情况，以检查是否存在非随机模式。眼成像值通过了这一检验，但一些参与者的年龄值以一种在真实数据集中极为罕见的方式聚集在一起（年龄值以7或8结尾的参与者人数过多）。   研究报告的作者承认，只要仔细观察就能发现他们的数据集存在缺陷。但尽管如此，Giannaccare说，“如果你快速查看数据集，就很难识别出数据源的非人类来源。”   EMBO Reports杂志主编Bernd Pulverer也认为这是一个值得关注的问题，“现实中的同行评审通常不会对数据进行全面的重新分析，也不太可能发现人工智能精心设计的完整性漏洞。期刊需要更新质量检查，以识别人工智能生成的合成数据。”   Wilkinson正在开展一个合作项目，设计统计和非统计工具来评估可能存在问题的研究。“人工智能可能是问题的一部分，同样，也可能有基于人工智能的解决方案。我们也许可以自动进行一些检查。人工智能生成技术的进步可能很快就会提供规避这些协议的方法。”Pulverer对此表示同意：“只要知道筛查的目的，人工智能就可以很容易地将这些东西作为武器。”

  EBSCO 信息服务公司(EBSCO)宣布推出 EBSCOlearning?，这是一个旨在提高企业、组织和各年龄段学习者的技能和生产力的新部门。此举将 EBSCO 值得信赖的技能开发内容和强大的学习解决方案整合到一个组织中，以帮助满足专业人士和工人以及中学、贸易学校、学院、大学、研究生院和公共图书馆的学习者的需求。   EBSCO 高级副总裁兼 EBSCO learning总经理 Mike Laddin 表示，此举使 EBSCO 能够更加专注于为学生和劳动力开发学习产品。"利用 EBSCO 以证据为基础的技能开发方法，并与各领域领先的主题专家合作，我们的重点是增强未来能力和确保成功。这使我们能够为企业、组织和个人提供更好的成果。通过 EBSCO learning 的产品和服务，我们希望帮助员工和组织提高生产力、效率，降低员工流失率，提高员工满意度，促进职业和生活发展。我们注重'实时学习'，以一点一滴的方式满足当今人们学习和工作的需求。   EBSCO 以其面向学术、学校和公共图书馆、医疗保健机构和政府机构的全球研究和图书馆解决方案而闻名，同时还为企业、教育机构和劳动力发展组织提供广受赞誉的企业学习和职业发展产品与服务组合。这些产品和服务包括 EBSCO LearningExpress®, Accel5®, Job and Career Accelerator, Personal Success Skills, FinancialFit 和GradPrep.这些产品提供了领导力和管理技能发展、创业培训、职业发展资源、普通教育证书同等学历、大学和研究生院考试准备、职业考试准备、教养机构学习资源、技术课程（如 AWS 培训）等服务。

  报告摘要： (1)虽然一半（49%）的教师对人工智能的影响没有做好准备，政府应支持学校利用人工智能的潜力来改革教育； (2)牛津大学出版社的一份新报告称，如果没有足够的支持，学生和教师的实验质量标准可能会受到影响； (3)随着暴露于错误信息和加剧数字鸿沟的风险，牛津大学出版社呼吁在未来围绕人工智能的使用进行讨论时，将人工智能对教育的影响作为重点。   牛津大学出版社（OUP）已向政府、学校领导和教育商业领袖提出建议，支持在学校使用人工智能，并优先考虑教育中的优质资源。   该出版社的一份新报告承认，人工智能在改变教育方面有巨大潜力，但强调教育应该推动技术，而不是相反。报告显示，一半（49%）的教师对其影响感到没有准备，并表示应当做更多的工作来增强教师的能力并帮助他们为学生迎接人工智能的未来做好准备。   OUP在报告中警告说，如果当前的教育系统不适应人工智能的时代，学生可能会在人工智能的普及过程中遭遇不平等的状况，并在为未来发展更广泛的认知技能时受阻，从而严重影响学习结果。报告还警告说，如果没有适当考虑人工智能的风险和影响，也没有关于如何使用人工智能的明确指导，教学标准可能会在不可避免的、必要的实验期内受到影响。   该报告包括了关于该主题的现有研究，并补充了OUP在英国、中国香港、日本、意大利、澳大利亚、阿联酋和其他国家或地区的全球教师网络调查数据。主要发现包括： （1）88%的教师将受益于在一个地方收集的有关人工智能的相关见解和研究，这表明当前有关该主题的信息过载对时间匮乏的教师来说可能是压倒性的，并揭示了人工智能已经在多大程度上成为全世界教育系统的一部分； （2）一半（47%）的英国教师认为他们的学生已经在作业中使用了人工智能。这一比例上升到全球教师的54%； （3）相比之下，只有三分之一（35%）的英国教师和38%的全球教师在使用机器学习驱动的工具。   根据这项研究，OUP向学校领导、教育商业领袖和政策制定者提出了如何制定在教学中使用人工智能的原则和法规的建议，包括： （1）继续优先考虑教师作为指导、顾问和支持者的角色，承认人工智能技术在学校的理想用途是支持教师，而不是取代他们； （2）为教师提供如何安全、合乎道德地使用人工智能技术的全面支持和指导。这可能包括在学校内引入专门的人工智能教育领导以及培训资源； （3）优先考虑优质教育资源，而不是可能降低教育质量的免费资源； （4）在整个课程中嵌入“独特的人类”技能，包括批判性思维、创造性问题解决和数字素养，以确保学生准备好应对人工智能世界的挑战，例如更多地接触错误信息。   该报告还考察了世界各地对人工智能在教育系统中的使用的不同反应。一些国家，如意大利，去年暂时禁止了ChatGPT，而另一些国家正在接受这项技术，西班牙是第一个成立人工智能政策特别工作组的国家，中国正在制定详细的法规。   由于当地文化、政策和社会需求，这种差异可能会持续下去，OUP警告说，这可能会加剧国家之间和国家内部现有的差异。   下个月，英国将在布莱切利公园举办全球人工智能安全峰会。OUP呼吁世界各国政府在未来围绕人工智能的讨论中考虑教育问题，并采取行动确保教师和学生能够安全使用人工智能，从而对教学产生积极影响。   OUP首席执行官奈杰尔·波特伍德表示：“我们的研究表明，教师和学生对人工智能在教育中的作用持乐观态度，并认识到它如何有潜力对学习产生积极影响。然而，与这项先进技术相关的还有许多未回答的问题和潜在风险。随着越来越多的人开始采用、接受和试验人工智能，政府和教育领导人需要迅速采取行动，为学生和教师提供必要的技能，使他们能够在人工智能的未来茁壮成长。凭借我们对教育学的深入了解和对教师和学生不断变化的需求的理解，OUP致力于与教师和学生一起找到在这一过程中前进的最佳方式。”

监测分析国内外科技期刊出版的发展态势，准确研判世界一流科技期刊的前沿动向、有效服务于我院的科技期刊战略团队、科技期刊管理部门、以及我院的科技期刊团队。