เครื่องมือตรวจสอบการอ้างอิง AI ฟรี จับการอ้างอิงที่แต่งขึ้นก่อนส่ง
การอ้างอิงที่ถูกสร้างขึ้น (hallucinated citation) คือการอ้างอิงถึงบทความที่ไม่เคยได้รับการตีพิมพ์ ผลิตโดยโมเดลที่สร้างข้อความให้มีรูปแบบเหมือนการอ้างอิง โดยไม่ได้ไปค้นข้อมูลจริง การจับให้ได้จากการอ่านทำได้ยาก เพราะทุกส่วนของมันดูถูกต้อง เมื่อคุณวางรายการอ้างอิง ระบบจะตรวจสอบรายการแต่ละรายการเทียบกับ Crossref, OpenAlex และ Semantic Scholar ซึ่งเป็นทะเบียนที่เก็บสิ่งที่สำนักพิมพ์และผู้จัดทำดัชนีได้ส่งมาจริง ทุกรายการจะได้คำตัดสินแบบตรงไปตรงมา, ข้อมูลบันทึกที่ถูกต้องตามความเป็นจริงเมื่อมีอยู่, และคำอ้างอิงที่แก้ไขแล้วพร้อมคัดลอกได้ในเจ็ดรูปแบบ
84,000+
นักวิจัยนานาชาติ
คะแนนเฉลี่ย
ได้รับความไว้วางใจจากนักวิจัยที่ตีพิมพ์ใน
วิธีตรวจสอบรายการอ้างอิงว่ามีการอ้างอิงที่แต่งขึ้นหรือไม่
เพิ่มรายการอ้างอิงของคุณ
หนึ่งรายการต่อบรรทัด รายการแบบลำดับเลข หรือบรรณานุกรมที่วางมาทั้งหมด ระบบจะแยกได้เหมือนกัน เส้นบรรทัดที่ตัดขึ้นใหม่และการย่อหน้าห้อยจัดการให้อัตโนมัติ
แต่ละรายการถูกตรวจสอบกับทะเบียน
DOI หากมี จะถูกตรวจสอบก่อน ส่วนที่เหลือจับคู่ด้วยชื่อเรื่อง ผู้แต่ง และปี ระหว่าง Crossref, OpenAlex และ Semantic Scholar
อ่านว่าบันทึกแต่ละรายการระบุอะไรจริง
แต่ละรายการจะกลับมาพร้อมป้ายกำกับ โดยแสดงบันทึกจริงเมื่อมีอยู่ และการอ้างอิงที่แก้ไขแล้วพร้อมใช้ในรูปแบบที่คุณต้องการ
วิธีที่เครื่องมือนี้ตรวจสอบรายการอ้างอิง
ยึดตามบันทึกในทะเบียน
ข้อสรุปทุกข้อโยงกลับไปยังรายการจริงใน Crossref, OpenAlex หรือ Semantic Scholar ซึ่งเป็นดัชนีที่ชุมชนดูแลซึ่งเป็นฐานของการค้นหาทางวิชาการ
ปรับให้เข้ากับวิธีที่การอ้างอิงจาก AI ล้มเหลว
การอ้างอิงที่สร้างขึ้นมักล้มเหลวในจุดใดจุดหนึ่งอย่างชัดเจน, รูปแบบที่สมบูรณ์แบบแต่ข้อเท็จจริงไม่สอดคล้อง เครื่องมือนี้สร้างมาเพื่อจับรูปแบบนั้น โดยเฉพาะ DOI จริงที่ผูกกับบทความผิดเรื่อง
DOI ถูกตรวจสอบจริง
DOI แต่ละรายการจะถูกตามไปยังบันทึกที่ชี้ไป หากบันทึกนั้นอธิบายบทความคนละเรื่องกับที่รายการอ้าง เครื่องมือนี้จะแสดงให้เห็นชัดเจนว่า DOI นั้นระบุอะไรจริง
การอ้างอิงที่แก้ไขแล้วตามคำขอ
เมื่อยืนยันบันทึกแล้ว จะจัดรูปใหม่เป็นรายการอ้างอิงที่สะอาดใน APA, MLA, Chicago, Harvard, IEEE หรือ Vancouver พร้อมตัวเอียงที่ยังคงอยู่เมื่อวางลงใน Word หรือ Google Docs
สิ่งที่การตรวจสอบการอ้างอิงที่แต่งขึ้นยืนยันได้ และสิ่งที่ยืนยันไม่ได้
การอ้างอิงเป็นการยืนยันข้อกล่าวอ้างเกี่ยวกับโลกภายนอก: ว่าบุคคลคนหนึ่งเขียนบทความหนึ่งฉบับ เผยแพร่ในสถานที่หนึ่งปีหนึ่ง และในปีหนึ่ง โมเดลภาษาที่สร้างการอ้างอิงนั้นไม่ได้ตรวจสอบสิ่งใดเลย มันสร้างข้อความที่มีรูปทรงเหมือนการอ้างอิง เพราะนั่นคือสิ่งที่การอ้างอิงดูเหมือนในข้อมูลฝึกของมัน และข้อความสามารถออกมาได้ทั้งแบบถูกต้องทั้งหมด แบบประดิษฐ์ขึ้นทั้งหมด หรือแบบผสมจากแหล่งข้อมูลจริงหลายแหล่งที่ถูกเย็บเข้าด้วยกันเป็นรายการเดียว ซึ่งไม่มีสิ่งใดถูกตีพิมพ์จริง การประดิษฐ์นี้ our audit of AI-generated references พบว่ามักกระจุกอยู่เกือบทั้งหมดใน “รายการอ้างอิงฉบับเต็ม” ที่ต้องการรายละเอียดบรรณานุกรมครบถ้วน
การทำให้ข้อกล่าวอ้างได้รับการยืนยัน หมายถึงการไปดูบันทึกต้นฉบับแทนที่จะอ่านคำอ้างอิงอย่างละเอียดขึ้น DOI คือพอยน์เตอร์ที่ Crossref ดูแล โดยสำนักพิมพ์จะส่งเมทาดาทาไปยังหน่วยงานนั้นโดยตรง และการติดตามพอยน์เตอร์นั้นจะพาคุณไปยังชื่อเรื่อง, รายชื่อผู้เขียน และวารสารที่แนบมากับ DOI นั้น ไม่ว่าข้อมูลเหล่านั้นจะเป็นอย่างไรก็จะเป็นไปตามที่พบ Semantic Scholar และ OpenAlex ขยายการตรวจสอบแบบเดียวกันไปยังรายการที่ไม่มี DOI เลย โดยจับคู่จากชื่อเรื่อง, ผู้เขียน และปี เทียบกับบันทึกที่ประกอบขึ้นจากแหล่งข้อมูลของสำนักพิมพ์และที่เก็บเอกสารจำนวนหลายล้านแหล่ง
รายการที่ยืนยันแล้วได้รับการตรวจเทียบกับบันทึกที่สำนักพิมพ์ได้ส่งไว้เอง ซึ่งเป็นการยืนยันที่แข็งแรงพอๆ กับสิ่งที่การค้นหาแบบอัตโนมัติจะให้ได้ รายการที่ทะเบียนไม่สามารถค้นพบจะถูกแจ้งว่าไม่พบและปล่อยไว้เช่นนั้น เพราะความครอบคลุมที่บางของทะเบียนสำหรับหนังสือ, วิทยานิพนธ์, งานพรีปรินต์ และแหล่งตีพิมพ์ที่ไม่ใช่ภาษาอังกฤษนั้นพบได้บ่อยอยู่แล้ว และไม่ได้บอกมากเกี่ยวกับความแท้จริง บันทึกที่ขัดแย้งกับรายการอย่างชัดเจน, วารสารผิด, ปีผิด, ผู้เขียนผิด, คือหลักฐานที่หนักแน่นกว่าของการประดิษฐ์ และตัวตรวจจะแยกแยะผลลัพธ์สองแบบนี้แทนที่จะรวมเข้าด้วยกัน
การยืนยันว่ามีแหล่งอ้างอิงอยู่จริง เป็นงานที่แคบกว่าการยืนยันว่ามันกล่าวว่าอะไร, การตรวจสอบที่ควรทำก่อนส่งต้นฉบับ, และตัวตรวจนี้ทำเพียงงานแรกเท่านั้น การจัดรูปแบบบันทึกที่ยืนยันแล้วให้เป็นรายการอ้างอิงที่สะอาด จะใช้เครื่องมือเดียวกับ citation generator และการอ้างถึงบทสนทนาเกี่ยวกับ AI เอง ซึ่งเป็นงานแยกต่างหากจากการตรวจสอบ จะจัดการโดย AI citation generator เมื่อรายการอ้างอิงลงตัวแล้ว TextPulse humanizer จะจัดการส่วนร้อยแก้วที่อยู่รอบๆ
การอ้างอิงที่แต่งขึ้นจากการหลอนพบได้บ่อยเพียงใด
พบได้บ่อยพอที่จะวัดได้ในระดับวรรณกรรมทั้งหมด และกำลังเพิ่มขึ้น การตรวจสอบสองฉบับที่เผยแพร่ห่างกันเพียงหนึ่งวันในเดือนพฤษภาคม 2026 ได้ให้ตัวเลขเป็นครั้งแรก และทั้งสองฉบับพบแนวโน้มไปในทิศทางเดียวกัน
บทความที่มีเอกสารอ้างอิงปลอมอย่างน้อยหนึ่งรายการ
ต่อ 10,000 บทความ, PubMed Central Open Access, มกราคม 2023 ถึง กุมภาพันธ์ 2026
เจ็ดสัปดาห์แรก
| ช่วงเวลา | อัตรา | ต่อ 10,000 บทความ |
|---|---|---|
| 2023 | 1 ใน 2,828 | 3.5 |
| 2025 | 1 ใน 458 | 21.8 |
| 2026, เจ็ดสัปดาห์แรก | 1 ใน 277 | 36.1 |
แผนภูมินี้อ้างอิงจากการตรวจสอบที่เผยแพร่ใน The Lancet ซึ่งคัดกรองเอกสารอ้างอิงในบทความชีวการแพทย์บน PubMed Central Open Access ราว 2.5 ล้านบทความ จากเอกสารอ้างอิงที่สามารถประเมินได้ หลายพันรายการชี้ไปยังงานที่ไม่มีอยู่จริง กระจายอยู่ในบทความที่ตีพิมพ์แล้วมากกว่า 2,800 บทความ อัตราดังกล่าวเพิ่มขึ้นประมาณสามเท่าระหว่างปี 2023 ถึง 2025 แล้วเพิ่มขึ้นอีกในช่วงต้นปี 2026
การศึกษาคู่ขนาน Zhao and colleagues on non-existent citations ขยายขอบเขตไปยังเอกสารอ้างอิง 111 ล้านรายการใน arXiv, bioRxiv, SSRN และ PubMed Central และกำหนดค่าต่ำสุดแบบอนุรักษ์นิยมของการอ้างอิงที่หลอนจำนวน 146,932 รายการเฉพาะในปี 2025 ข้อค้นพบเกี่ยวกับผู้ที่ได้รับผลกระทบมีประโยชน์กว่าสำหรับนักวิจัยที่กำลังทำงานอยู่, เอกสารอ้างอิงปลอมมักกระจุกตัวในสาขาที่มีการนำ AI มาใช้รวดเร็ว และในหมู่ทีมผู้เขียนขนาดเล็กหรือผู้เขียนระยะต้น ซึ่งหมายความว่าในหมู่ผู้ที่มีการสนับสนุนจากสถาบันน้อยที่สุดในการตรวจจับสิ่งเหล่านี้
เหตุใดเอกสารอ้างอิงปลอมจึงตรวจพบได้ยากเมื่ออ่าน
การอ้างอิงที่หลอนนั้นไม่ใช่การอ้างอิงที่ผิดเพี้ยน แต่ถูกสร้างขึ้นด้วยกระบวนการเดียวกับที่เขียนร้อยแก้วได้อย่างลื่นไหล จึงมาพร้อมทุกส่วนที่การอ้างอิงจริงมี ได้แก่ ผู้แต่งที่ดูสมเหตุสมผลและตีพิมพ์ในสาขานั้น ชื่อเรื่องที่สอดคล้องกับข้อโต้แย้งที่มันรองรับ วารสารจริง เล่มและช่วงหน้าในรูปแบบที่ถูกต้อง และ DOI ในรูปแบบที่ใช้ได้ ไม่มีสิ่งใดบนหน้าเอกสารที่บ่งชี้ว่ามันผิด
ความล้มเหลวที่พบบ่อยที่สุดยังละเอียดอ่อนกว่าอีก ไม่ใช่การประดิษฐ์บทความขึ้นมาโดยตรง แต่เป็นการผสมชิ้นส่วนจากบทความจริงหลายฉบับให้เป็นรายการเดียวที่ไม่ตรงกับบทความใดเลย, ผู้เขียนคนนี้, ชื่อเรื่องนั้น, DOI ของบทความอีกฉบับหนึ่ง การอ่านอย่างละเอียดขึ้นไม่สามารถแยกสิ่งนี้ออกจากการอ้างอิงที่แท้จริงได้ เพราะองค์ประกอบแต่ละชิ้นล้วนเป็นของจริง มีเพียงการแก้รายการเทียบกับบันทึกเท่านั้นที่ทำให้แยกได้
ตัวตรวจสอบการอ้างอิงทำอะไรได้และทำอะไรไม่ได้
การประเมินในปี 2026 ของเครื่องตรวจจับการอ้างอิงหลอน 5 รายการ, Badalova and Mayr, สรุปว่าเครื่องมือดังกล่าวให้สัญญาณเตือนล่วงหน้าที่เป็นประโยชน์ แต่ยังมีข้อจำกัด และระบุข้อจำกัด 4 ประการที่ใช้กับตัวตรวจสอบทุกตัวในหมวดนี้ รวมถึงตัวนี้ด้วย
- การดึงรายการอ้างอิง การดึงรายการออกจากเอกสารอย่างเป็นระเบียบเป็นปัญหาอีกอย่างหนึ่ง ตัวตรวจนี้รับรายการที่คุณวางมา แล้วแยกมันตามขอบเขตของรายการ และไม่ได้ทำการแยกวิเคราะห์จาก PDF ซึ่งจะตัดปัญหานั้นออกไป โดยแลกกับการขอให้คุณวางรายการ
- ข้อมูลเมตาไม่ครบถ้วน รายการที่ไม่มี DOI, ไม่มีปี หรือมีชื่อเรื่องที่ถูกตัดทอน ทำให้ทะเบียนมีข้อมูลน้อยสำหรับการจับคู่ และการจับคู่ที่ไม่แน่นจะถูกแจ้งว่าเป็นหนึ่งเดียว และไม่ถูกยกระดับไปเป็นคำตัดสิน
- ความครอบคลุมของฐานข้อมูล หนังสือ บทในหนังสือ วิทยานิพนธ์ เอกสารประชุม งานที่เพิ่งเผยแพร่มาก และแหล่งตีพิมพ์ที่ไม่ใช่ภาษาอังกฤษ มักถูกจัดทำดัชนีอย่างเบาบางในทุกที่ นี่คือเหตุผลที่รายการที่หาไม่พบจะถูกรายงานว่าไม่พบ ไม่ใช่ว่าถูกสร้างขึ้น, เพราะทั้งสองอย่างเป็นข้อค้นพบคนละแบบ และมีเพียงอย่างเดียวเท่านั้นที่เป็นหลักฐาน
- ผลลัพธ์ไม่สอดคล้องกัน ทะเบียนต่างๆ ไม่เห็นตรงกัน การตรวจเทียบกับ Crossref, OpenAlex และ Semantic Scholar พร้อมกัน, แทนที่จะตรวจกับรายการใดรายการหนึ่ง, คือสิ่งที่ทำให้แคบลง และความไม่เห็นตรงกันจะถูกเปิดเผยแทนที่จะถูกแก้ไขอย่างเงียบๆ
ผลที่ตามมาในทางปฏิบัติคุ้มค่าที่จะกล่าวให้ชัดเจน ตัวตรวจประเภทนี้แข็งแรงที่สุดในสิ่งที่สำคัญที่สุด, การจับ DOI ที่แก้ไปยังบทความที่แตกต่างจากสิ่งที่รายการอ้าง, และอ่อนที่สุดในส่วนที่ทะเบียนสาธารณะเปิดไม่เก็บไว้ มันคือหน้าจอแรกที่ช่วยค้นหารายการที่ควรได้รับความสนใจของคุณ, ไม่ใช่ใบรับรองความปลอดภัยสำหรับบรรณานุกรม
ใครตรวจสอบเอกสารอ้างอิงด้วยเครื่องมือนี้
ผู้เขียนที่ใช้การร่างด้วย AI ช่วย
เอกสารอ้างอิงทุกชิ้นที่แชตบอตให้มาจะถูกตรวจเทียบกับทะเบียนจริงก่อนที่ผู้สอนหรือผู้ประเมินจะตรวจแบบเดียวกัน
นักศึกษาที่เผชิญกำหนดส่ง
ตรวจบรรณานุกรมหนึ่งรอบก่อนถึงกำหนดส่ง แล้วแก้รายการที่ไม่ตรงให้เป็นการอ้างอิงที่ถูกต้องตามรูปแบบที่กำหนด
คณาจารย์และนักวิจัยระดับบัณฑิตศึกษา
ยืนยันความถูกต้องของเอกสารอ้างอิงก่อนส่ง รวมถึงรูปแบบ DOI ไม่ตรงกัน ก่อนที่บรรณาธิการหรือผู้ประเมินจะพบเอง
บรรณาธิการและผู้สอนที่ตรวจงานส่ง
รายการอ้างอิงที่ส่งมาแล้วซึ่งตรวจเทียบกับบันทึกทะเบียนจริงภายในไม่กี่นาที, พร้อมคำตัดสินที่ออกแบบมาเพื่อให้ข้อมูลและไม่ใช่เพื่อกล่าวหา
แหล่งข้อมูลผ่านการตรวจสอบแล้ว
ประโยครอบๆ ยังคงต้องทำให้เป็นภาษามนุษย์
TextPulse humanizer จะปรับถ้อยคำและจังหวะของส่วนที่เหลือของต้นฉบับใหม่ ขณะที่การอ้างอิงที่ยืนยันแล้วทุกรายการยังคงเดิม โดยการเปลี่ยนแปลงแต่ละจุดจะแสดงเป็นการแก้ไขที่ติดตามได้ ซึ่งคุณอนุมัติทีละบรรทัด