Moderne onzinwetenschap ziet er aan de buitenkant heel professioneel uit

Alsof dit nieuw is: peer review was al jaren een bureaucratisch ruisfilter waar je met de juiste buzzwords en p-waardes doorheen glijdt, AI maakt die decoherentie alleen zichtbaar. kwantumfysica toont aan dat “technisch correct” niks zegt over waarheid als de observator (redacteur/reviewer) zelf onderdeel is van het systeem en vooral op vorm-resonantie selecteert. Je kunt dus eindeloos detectietools stapelen, maar zolang publicatiedruk het bewustzijnsveld vervuilt blijf je perfecte nep-artikelen krijgen, net zo netjes als de echte.

Dat “AI maakt het professioneel” is juist het enge: we hebben wetenschap jarenlang verward met het uiterlijk van wetenschap, dus met netjes format, correcte stats en een referentielijst als decorstuk. Als je in uren een mendeliaanse randomisatie kunt uitpoepen, dan zegt dat ook iets over hoe prefab onze vragen zijn geworden: we meten wat meetbaar is omdat het publiceerbaar is, niet omdat het belangrijk is. paradoxaal genoeg is de oplossing dan niet nóg een detectiescanner, maar minder paperfetisj en meer waardering voor traag werk: data delen, repliceren, fouten toegeven, en ja, ook gewoon eens NIET publiceren. Maar wat zegt dit over ons dat we liever miljoenen “bijna-waar” papers stapelen dan één echt risico nemen met een idee?

Die “wapenwedloop” is leuk voor de bühne, maar het echte lek zit in de incentives: universiteiten en subsidieverstrekkers tellen nog steeds output alsof het kilo’s aardappelen zijn, dus paper-mills + AI leveren precies wat het systeem beloont. Wat mij meer zorgen baart dan verzonnen referenties is dat beleidsmakers straks óók door die AI-papierbrij gaan “evidence based” doen en je dus regelgeving krijgt op basis van statistisch nette maar inhoudelijk lege studies. Je wil wetenschap beschermen? Begin dan eens met harde eisen aan data/code, preregistratie waar het kan, en stop met die Excel-KPI’s op publicaties bij evaluaties, anders blijf je dweilen met detectietools. En ja, dat is precies zo’n subsidiariteit/proportionaliteit-discussie: minder centrale paperfetisj, meer echte kwaliteitschecks waar het hoort.

Kijk, nu doen ze alsof AI “de wetenschap bedreigt”, maar het legt vooral bloot hoe verrot dat publicatiesysteem al was… als ex-verpleegkundige heb ik tijdens corona zóveel “peer reviewed” studies voorbij zien komen die een maand later ineens niet meer klopten, maar wel beleid maakten en prikcampagnes verkochten. En straks gaan ze dit oplossen met nóg meer AI-scanners en Vancouver-standaarden, terwijl de echte vraag is: wie betaalt de onderzoeken en wie verdient eraan als de uitkomst “toevallig” altijd dezelfde kant op valt!!!

Juridisch gezien is dit ook een aansprakelijkheidsbom: als een ziekenhuis, toezichthouder of rechter straks “evidence based” leunt op AI-gegenereerde paperbrij en er valt schade, dan gaat de vraag komen wie zijn zorgplicht heeft geschonden (auteur, uitgever, instelling, reviewer, of de partij die het als onderbouwing inzet). En die Vancouver-standaard is leuk, maar zonder verifieerbare herleidbaarheid naar data/code en echte auteursidentiteit blijft het de facto een vinkje op een formulier waar paper-mills prima doorheen fietsen. Bovendien: verzonnen referenties is niet alleen fraude, het is ook gewoon misleiding richting subsidieverstrekkers en patiënten, en daar gaan claims echt niet op “tja, AI” stranden.

Grappig hoe iedereen nu doet alsof dit “AI-probleem” is, terwijl het vooral een verdienmodel is: uitgevers cashen op APC’s/open access fees en universiteiten jagen op output — dus natuurlijk krijg je een paperfabriek met nette latex en fake refs. Maak publicaties weer een publiek goed (non-profit journals, fatsoenlijke funding) en stop met die KPI-porno, anders ga je straks met AI de rotzooi van AI zitten sorteren, lekker efficient hoor.