🚨 زمان مطالعه: ۱ دقیقه
🔗 #معرفی
وقتی جست‌وجوی یک ارجاع بی‌نتیجه می‌مونه، این لزوما به معنی جعلی بودن اون ارجاع نیست، ممکنه Meta Data ناقص باشه، API از کار بیفته، یا نسخه preprint با نسخه منتشرشده فرق داشته باشه. ابزار Citeprobe دقیقا برای همین ساخته شده تا این حالت‌ها رو از هم جدا نگه داره و به‌جای قضاوت عجولانه، شواهد رو ثبت و شفاف کنه.
⭐️ ابزار Citeprobe چیکار می‌کنه؟
یک ابزار متن‌باز برای Python و ترمینال که ارجاعات علمی رو به‌صورت evidence-first بررسی می‌کنه. برخلاف خیلی از ابزارهای مشابه، از هیچ LLM استفاده نمی‌کنه، بلکه ثبت می‌کنه که هر منبع دقیقاً چه پاسخی داده، تک‌تک نویسنده‌های ذکرشده رو چک می‌کنه و توضیح می‌ده چرا به یک verdict رسیده.
💬 قابلیت‌های کلیدی
🔽 بررسی DOI، PMID، PMCID و ارجاعات کپی‌شده یا فایل‌های bib/ris/json و حتی PDF
🔽 استخراج ارجاعات از PDF با pypdf، GROBID یا OCR (بدون نیاز به GPU)
🔽 تشخیص جداگانه‌ی truncation نویسنده‌ها، تغییر ترتیب، retraction، duplicate و تعارض بین منابع
🔽 پرس‌وجوی هم‌زمان از Crossref، OpenAlex، Semantic Scholar، DBLP، arXiv، Europe PMC و چند منبع دیگه با کش روی دیسک
📊 نکته‌ی مهم طراحی
در این ابزار verdictها شفاف و صادقانه‌ان. verified یعنی شواهد کافی بوده و همه‌ی checkها پاس شدن، problematic یعنی حداقل یک تناقض جدی پیدا شده، و inconclusive یعنی شواهد کافی نبوده. یک خطای شبکه یا جست‌وجوی خالی هرگز به ادعای جعل تبدیل نمی‌شه. همچنین «et al.» به‌عنوان یک نشانگر در نظر گرفته می‌شه، نه اسم نویسنده.
📌 چرا مهمه؟
در دورانی که تولید انبوه متن با AI و ارجاعات جعلی (مثل ماجرای مقالات NeurIPS) به یک نگرانی جدی تبدیل شده، ابزاری که شواهد رو شفاف، تکرارپذیر و قابل replay نگه داره، برای حفظ اعتبار زنجیره‌ی دانش علمی ارزشمنده.
💻 نصب و شروع سریع:
python -m pip install "citeprobe @ git+https://github.com/Imanm02/citeprobe.git"
🔗 لینک ریپازیتوری:
🔗 https://github.com/Imanm02/citeprobe
✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉
🔅 «Instagram 💎 @Pyramid_Research»
