بررسی‌کننده رایگان استناد AI استنادهای ساختگی را پیش از ارسال شناسایی کنید

استنادِ ساختگی ارجاعی به مقاله ای است که هرگز منتشر نشده است، توسط مدلی تولید می شود که متنی شبیه به استناد تولید می کند بدون اینکه چیزی را جستجو کند. تشخیص آن با خواندن دشوار است، زیرا هر بخش از آن درست به نظر می رسد. فهرستِ مراجع را جایگذاری کنید و هر مدخل در برابر Crossref, OpenAlex و Semantic Scholar حل و فصل می شود، پایگاه هایی که آنچه ناشران و نمایه سازها واقعاً ثبت کرده اند را نگه می دارند. هر مدخل یک حکمِ روشن دریافت می کند، رکورد واقعی در صورت وجود، و یک استنادِ اصلاح شده آماده برای کپی در هفت سبک.

مطابقت داده‌شده بالوگوی پایگاه داده فراداده علمی Crossrefلوگوی موتور جست‌وجوی علمی Semantic Scholarو سایر پایگاه‌های داده علمی بازِ مورد اعتماد
1. فهرست منابع خود را بچسبانید، هر مدخل در یک خط. 2. منابع را بررسی کنید. 3. هر حکم را مرور کنید و مدخل‌های اصلاح‌شده را کپی کنید. حداکثر 100 در هر اجرا.
بررسی‌شده با Crossref، OpenAlex و Semantic Scholarکتاب‌نامهٔ جای‌گذاری‌شده را به‌طور خودکار به مدخل‌های جداگانه تقسیم می‌کند
پژوهشگر دانشگاهی در حال استفاده از TextPulse.aiپژوهشگر دانشگاهی در حال استفاده از TextPulse.aiپژوهشگر دانشگاهی در حال استفاده از TextPulse.aiپژوهشگر دانشگاهی در حال استفاده از TextPulse.aiپژوهشگر دانشگاهی در حال استفاده از TextPulse.aiپژوهشگر دانشگاهی در حال استفاده از TextPulse.ai

84,000+

پژوهشگران بین‌المللی

4.9

میانگین امتیاز

مورد اعتماد پژوهشگرانی که در این مجلات منتشر می‌کنند

Elsevier logoSpringer Nature logoWiley logoIEEE logoTaylor & Francis logoSAGE Publishing logoCambridge University Press logoOxford University Press logoMDPI logo

چگونه فهرست منابع را برای استنادهای ساختگی بررسی کنیم

01

فهرست منابع خود را اضافه کنید

یک مدخل در هر خط، فهرست شماره‌دار یا یک کتاب‌نامهٔ کاملِ جای‌گذاری‌شده همگی به یک شیوه تحلیل می‌شوند؛ خطوط شکسته و تورفتگی‌های آویزان به‌طور خودکار مدیریت می‌شوند.

02

هر مدخل با ثبت‌ها تطبیق داده می‌شود

DOI، در صورت وجود، نخست تطبیق داده می‌شود. سایر موارد بر اساس عنوان، نویسنده و سال در Crossref، OpenAlex و Semantic Scholar تطبیق داده می‌شوند.

03

بخوانید هر رکورد واقعاً چه می‌گوید

هر مدخل با برچسب بازمی‌گردد، همراه با سابقهٔ واقعی در صورت وجود و یک استناد اصلاح‌شده آماده در سبک موردنیاز شما.

این بررسی‌کننده چگونه فهرست منابع را راستی‌آزمایی می‌کند

مبتنی بر رکوردهای ثبت

هر داوری به یک مدخل واقعی در Crossref، OpenAlex یا Semantic Scholar ارجاع می‌دهد، یعنی همان نمایه‌های جامعه‌محوری که جست‌وجوی علمی بر آن‌ها بنا شده است.

تنظیم‌شده برای شیوه‌های خطای ارجاعات AI

یک مرجع ساختگی معمولاً در یک شیوه مشخص شکست می‌خورد: قالب‌بندی بی‌نقصی که پیرامون داده‌هایی قرار گرفته که درست نیستند. این بررسی‌کننده برای شناسایی همین الگو ساخته شده است، به‌ویژه DOI واقعی که به مقالهٔ نادرست پیوند خورده باشد.

DOIها واقعاً تطبیق داده می‌شوند

هر DOI به رکوردی که به آن اشاره می‌کند دنبال می‌شود. وقتی آن رکورد مقاله‌ای متفاوت از آنچه مدخل ادعا می‌کند را توصیف کند، بررسی‌کننده دقیقاً نشان می‌دهد DOI واقعاً چه چیزی را شناسایی می‌کند.

یک استناد اصلاح‌شده در صورت درخواست

پس از تأیید رکورد، آن به یک مرجع تمیز در APA، MLA، Chicago، Harvard، IEEE یا Vancouver بازقالب‌بندی می‌شود، با ایتالیک‌هایی که هنگام چسباندن در Word یا Google Docs حفظ می‌شوند.

آنچه یک بررسی استناد ساختگی می‌تواند تأیید کند، و آنچه نمی‌تواند

یک استناد درباره دنیای بیرون ادعا می‌کند: اینکه یک شخص مشخص یک مقاله مشخص نوشته، که در یک جای مشخص منتشر شده، در یک سال مشخص. یک مدل زبانی که این استناد را تولید می‌کند هیچ‌کدام از آن را بررسی نکرده است. متنی تولید کرده که شبیه یک مرجع است، چون این همان چیزی است که مراجع در داده‌های آموزشی‌اش به نظر می‌رسند، و متن می‌تواند کاملاً دقیق درآید، کاملاً ساخته‌ شده باشد، یا ترکیبی از چند منبع واقعی باشد که در یک ورودی به هم دوخته شده و هیچ چیزِ منتشر نشده‌ای را توصیف نمی‌کند، اختراعی که ممیزی ما از استنادهای توهمیِ AI نشان داد تقریباً تقریباً تماماً در فهرست‌های استنادِ کامل متمرکز می‌شود، جایی که جزئیات کاملِ کتابشناختی لازم است.

حل و فصلِ ادعا یعنی رفتن به خودِ رکورد، به جای اینکه استناد را دقیق تر بخوانید. DOI یک نشانگر است که توسط Crossref نگهداری می شود، نهادی که ناشران هنگام ثبتِ مستقیمِ فراداده ها با آن کار می کنند، و دنبال کردن این نشانگر عنوان واقعی، فهرست نویسندگان و نشریه ای را که به آن متصل است برمی گرداند، هر چیزی که از آب دربیاید. Semantic Scholar و OpenAlex همین بررسی را برای مدخل هایی که اصلاً DOI ندارند نیز گسترش می دهند، با تطبیق عنوان، نویسنده و سال با رکوردهایی که از میلیون ها منبعِ ناشر و مخزن گردآوری شده اند.

یک مدخلِ تأیید شده در برابر رکوردِ ثبت شده توسط خودِ ناشر بررسی شده است، به همان اندازه که یک جستجوی خودکار می تواند تأییدکننده باشد. مدخلی که پایگاه ها نتوانند پیدا کنند به عنوان «یافت نشد» گزارش می شود و همانجا باقی می ماند، زیرا پوششِ کمِ پایگاه ها برای کتاب ها، پایان نامه ها، پیش چاپ ها و مجراهای غیرانگلیسی رایج است و به خودی خود درباره اصالت چیز زیادی نمی گوید. رکوردی که به طور فعال با مدخل در تضاد است، نشریه اشتباه، سال اشتباه، نویسنده اشتباه، شواهد قوی تری برای ساختگی بودن است، و بررسی کننده این دو پیامد را از هم جدا می کند، به جای اینکه آنها را با هم ادغام کند.

تأیید اینکه یک منبع وجود دارد، کاری محدودتر از تأیید این است که آنچه می گوید چیست، ممیزی ای که پیش از ارسال ارزش دارد انجام شود، و این بررسی کننده فقط اولی را انجام می دهد. قالب بندی یک رکورد تأیید شده به یک مرجعِ تمیز، همان موتورِ مولد استناد را به عاریت می گیرد، و استناد دادن به خودِ یک گفتگوی AI، که کاری جدا از بررسی یک منبع است، توسط مولد استناد AI انجام می شود. وقتی فهرستِ مراجع تثبیت شد، انسان ساز TextPulse متنِ پیرامون آن را بر عهده می گیرد.

یک ارجاع توهمی چقدر رایج است؟

به‌اندازه‌ای رایج که در مقیاس کل ادبیات علمی قابل اندازه‌گیری باشد، و رو به افزایش است. دو بررسی که در ماه مه 2026 با فاصله یک روز از هم منتشر شدند، برای نخستین بار برای آن عدد ارائه کردند، و هر دو همان جهت حرکت را نشان دادند.

مقالاتی که دست‌کم یک مرجع ساختگی دارند

به ازای هر 10,000 مقاله، PubMed Central Open Access، ژانویه 2023 تا فوریه 2026

نرخ مقالاتی که دست‌کم یک مرجع ساختگی دارند، بر حسب سال
دورهنرخبه ازای هر 10,000 مقاله
20231 در 2,8283.5
20251 در 45821.8
2026, هفت هفته نخست1 در 27736.1

این نمودار بر پایه یک بررسی منتشرشده در The Lancet ترسیم شده است، که مراجع را در حدود 2.5 میلیون مقاله زیست‌پزشکی در PubMed Central Open Access غربال کرد. از میان مراجعی که توانست ارزیابی کند، چند هزار مورد به آثاری اشاره داشتند که وجود ندارند، و این موارد در بیش از 2,800 مقاله منتشرشده پراکنده بودند. این نرخ میان 2023 و 2025 تقریباً سه برابر شد، سپس در هفته‌های آغازین 2026 دوباره افزایش یافت.

یک مطالعه همراه، Zhao and colleagues on non-existent citations، دامنه را به 111 میلیون مرجع در arXiv، bioRxiv، SSRN و PubMed Central گسترش داد، و برای سال 2025 به‌تنهایی حداقل محافظه‌کارانه 146,932 ارجاع توهمی برآورد کرد. یافته آن درباره این‌که چه کسانی تحت تأثیر قرار می‌گیرند، برای یک پژوهشگرِ فعال مفیدتر است: مراجع ساختگی در حوزه‌هایی با پذیرش سریع AI و در میان تیم‌های نویسنده کوچک یا در آغاز مسیر حرفه‌ای متمرکز می‌شوند، یعنی در میان افرادی که کمترین پشتیبانی نهادی را برای شناسایی آن‌ها دارند.

چرا تشخیص یک مرجع ساختگی با خواندن دشوار است

یک ارجاع توهمی، ارجاعی آشفته نیست. آن از همان فرایندی تولید می‌شود که نثر روان می‌نویسد، بنابراین با همه اجزای یک ارجاع واقعی می‌آید: نویسندگان محتمل که در همان حوزه منتشر می‌کنند، عنوانی که با استدلالی که به آن پیوند خورده سازگار است، یک مجله واقعی، یک جلد و بازه صفحات با شکل درست، و یک DOI در قالب معتبر. هیچ چیز در ظاهر آن روی صفحه غلط به نظر نمی‌رسد.

رایج ترین شکست، حتی ظریف تر است. به جای اینکه یک مقاله را آشکارا اختراع کند، مدل تکه هایی از چند مورد واقعی را با هم ترکیب می کند تا یک مدخل واحد بسازد که با هیچ یک از آنها متناظر نیست: این نویسنده، آن عنوان، DOI مقاله سوم. خواندن دقیق تر نمی تواند این را از یک مرجع واقعی جدا کند، چون هر جزءِ جداگانه واقعی است. فقط حل و فصل مدخل در برابر رکورد می تواند.

یک بررسی‌کننده استناد چه می‌تواند بکند و چه نمی‌تواند بکند

یک ارزیابی در 2026 از پنج آشکارساز استنادِ توهمی، Badalova and Mayr، نتیجه گرفت که چنین ابزارهایی هشدارهای اولیه مفیدی می‌دهند، اما همچنان محدودند، و چهار محدودیت را نام برد که بر هر بررسی‌کننده‌ای در این دسته، از جمله این یکی، صدق می‌کند.

  • استخراج ارجاع. استخراج تمیز مدخل ها از یک سند، خودش یک مسئله جداگانه است. این بررسی کننده یک فهرستِ جایگذاری شده را می گیرد و آن را بر اساس مرزهای مدخل تقسیم می کند و هیچ تجزیه PDF انجام نمی دهد، که این شکست را حذف می کند، به قیمت اینکه از شما بخواهد فهرست را جایگذاری کنید.
  • فراداده ناقص. یک مدخل که DOI ندارد، سال ندارد یا عنوان کوتاه شده است، پایگاه را با تطبیقِ کمی مواجه می کند، و یک تطبیقِ ضعیف به عنوان یک مورد گزارش می شود و هرگز به یک حکم ارتقا داده نمی شود.
  • پوشش پایگاه داده. کتاب‌ها، فصل‌ها، پایان‌نامه‌ها، مجموعه‌مقالات همایش، آثار بسیار جدید و مجاری غیرانگلیسی در همه‌جا به‌صورت کم‌عمق نمایه‌سازی شده‌اند. به همین دلیل است که یک مدخلِ پیدا‌نشده، به‌صورت پیدا‌نشده گزارش می‌شود و نه به‌عنوان ساختگی: این دو یافته متفاوت‌اند و فقط یکی از آن‌ها شواهد به‌شمار می‌آید.
  • نتایج ناسازگار. پایگاه ها با هم اختلاف دارند. بررسی در برابر Crossref, OpenAlex و Semantic Scholar به صورت همزمان، به جای بررسی در برابر هر کدام به تنهایی، همان چیزی است که آن را محدودتر می کند، و اختلاف به جای اینکه بی سر و صدا حل شود، آشکار می شود.

پیامد عملی ارزش دارد روشن گفته شود. یک بررسی کننده از این نوع در چیزی که بیشترین اهمیت را دارد قوی ترین است، یعنی گرفتن یک DOI که به مقاله ای متفاوت از آنچه مدخل ادعا می کند حل می شود، و در محتوایی که پایگاه های باز نگه نمی دارند ضعیف ترین است. این یک غربالگریِ نخست است که مدخل هایی را پیدا می کند که ارزش توجه شما را دارند، و گواهیِ بی نیاز از بررسی برای یک کتابشناسی نیست.

چه کسانی با این ابزار منابع را بررسی می‌کنند

نویسندگانی که از نگارشِ یاری‌گرفته از هوش مصنوعی استفاده می‌کنند

هر منبعی که یک چت‌بات ارائه کرده است، پیش از آن‌که یک ارزیاب یا داور همان بررسی را انجام دهد، با ثبت‌های واقعی تطبیق داده می‌شود.

دانشجویانی که با مهلتِ ارسال روبه‌رو هستند

یک بار مرورِ کتاب‌نامه پیش از مهلت، با اصلاح هر مدخلِ ناسازگار به یک استنادِ درست در سبکِ موردنیاز.

اعضای هیئت علمی و پژوهشگران تحصیلات تکمیلی

یکپارچگیِ منابع پیش از ارسال تأیید می‌شود، از جمله الگوی ناسازگاریِ DOI، پیش از آن‌که یک ویراستار یا داور نخست آن را بیابد.

ویراستاران و مدرسانی که ارسال‌ها را بررسی می‌کنند

فهرستِ مراجعِ ارسال شده که در چند دقیقه در برابر رکوردهای واقعی پایگاه ها بررسی می شود، با احکامی که برای اطلاع رسانی ساخته شده اند و هرگز برای متهم کردن.

پرسش‌های متداولِ بررسی‌کنندهٔ استنادِ هوش مصنوعی

سؤال بیشتری دارید؟ مرور کامل پرسش‌های متداول

منابع تأیید شدند.
جملات پیرامونشان هنوز نیاز به انسان‌سازی دارند.

TextPulse humanizer در ادامه دست‌نوشته، عبارت‌بندی و ریتم را بازنویسی می‌کند، در حالی که هر استناد تأییدشده بدون تغییر باقی می‌ماند، و هر تغییر به‌صورت ویرایش ردگیری‌شده‌ای نمایش داده می‌شود که شما خط‌به‌خط آن را تأیید می‌کنید.