Должен ли я отказаться от своей статьи после того, как нашел недавнюю очень похожую статью?

Я работаю над исследовательской работой, чтобы применить метод X для решения определенной проблемы Y. Это область компьютерных наук. Примерно несколько месяцев назад я начал проверять, есть ли что-то похожее на мое предложение, но так ничего и не нашел.

Пару недель назад, когда я уже закончил тесты моего предложения, я решил проверить его еще раз. В своем новом поиске я нашел статью, которая была опубликована около двух лет назад, и когда я ее прочитал, я увидел, что она очень близка к идее, над которой я работал. Различия были очень тонкими, я использовал упрощенную версию, данные собирались другим способом и другие мелкие отличия. Если говорить в процентах, то разница между моей статьей и той, что я нашел, составит около 20 %.

Причины, по которым я не нашел эту статью при первом поиске, заключались в том, что она была опубликована в не очень известном журнале, и, хотя она цитировалась ранее, это были только самоцитирования и не было сильной связи между статьей и цитирующие.

Так что я могу сделать в этой ситуации? Я не основывал свою работу на этой статье, но я знаю, что должен цитировать ее как родственную работу. Должен ли я бросить свою статью или представить ее и посмотреть, что рецензенты скажут о ней? Я не хотел бы, чтобы на меня указали как на плагиат из-за сходства.

В такой ситуации (что бывает не так уж и редко, особенно в активных районах) ничего не остается, как отказаться от публикации текущей статьи. Такая ситуация возникает потому, что, проработав что-то, человек понимает литературу и то, как ее искать, лучше, чем до того, как это сделал. Но опубликовать уже опубликованное не получится (если только методы сильно не отличаются), а симулировать неосведомленность об уже опубликованной статье было бы нечестно, морально равносильно плагиату. Все, что можно сделать, это использовать полученные результаты в качестве строительного блока для чего-то большего.
Ты слишком честен для академических кругов. Я думаю, что лучшее, что вы можете сделать сейчас, это: написать свою работу, процитировать похожую (назовем ее Х), написать пару предложений типа "Х - очень интересный подход", но "Моя версия проще" ( и таким образом проще в использовании, я надеюсь?), "сбор данных отличается" и так далее. Если рецензенты говорят, что у вас достаточно вклада, вы получаете статью. Судя по моему опыту в CS, рецензенты вряд ли удосужятся прочитать раздел «сопутствующая работа».
@user12956 user12956 Вы, очевидно, ничего не знаете о CS, поэтому «рецензенты вряд ли потрудятся прочитать соответствующий раздел работы» настолько глупо, насколько это возможно. a) Мы делаем работу, связанную с ПРОЧИТАНИЕМ b) Мы делаем работу, связанную с ЗНАНИЕМ, если она находится в нашей области знаний.
@DanFox Такая ситуация возникает из-за того, что после того, как что-то проработано, человек понимает литературу и то, как ее искать, лучше, чем до того, как разобрался с этим. Это немного похоже на явление, когда вы начинаете писать вопрос для StackOverflow, и, проводя исследование, необходимое для написания хорошего вопроса, вы понимаете, что нашли ответ, даже если вы думали, что уже исследовали ...
Ты слишком честен для академических кругов. - [нужна цитата]!

Ответы (3)

Прежде всего, вы абсолютно правы, что вам нужно процитировать статью. Цитирование должно относиться не к «предыдущей работе, на которой вы основывали свою работу », а к «современному состоянию» — независимо от того, основывали ли вы свою работу явно на предыдущей статье. Читатель должен иметь возможность поместить вашу работу в контекст того, что уже известно по теме.

Во-вторых, дать какой-то совет нам будет сложно, так как мы не знаем конкретной ситуации. Если все, что вы добавите к этой предыдущей статье, — это более простой дизайн и сбор данных другим способом, то ваша статья, скорее всего, не будет достойным публикации вкладом в уровень техники.

Ваш лучший выбор, вероятно, сильно переработает вашу статью. Определите слабые места или открытые вопросы, оставшиеся в предыдущей статье, и решите их. Затем вы можете развить предыдущую статью и расширить ее, и вы внесете настоящий вклад.

Конечно, это будет очень много работы, и многое из того, что вы уже сделали, может оказаться напрасным трудом. Такого рода вещи, к сожалению, случаются в академических кругах. Вам нужно будет проанализировать вашу конкретную ситуацию, чтобы узнать, сколько вы можете спасти.

Положительной стороной является то, что вы нашли кого-то, кто может осмысленно оценить вашу работу. И если, как вы пишете, их работы до сих пор в основном цитировались самими собой, они оценят некоторое внешнее внимание к ней, поэтому, если вы заставите их просмотреть вашу статью, вы можете получить бонус за сочувствие. Кроме того, вы можете даже связаться с авторами более ранней статьи и узнать, будут ли они заинтересованы в сотрудничестве с вами.

Это не плагарит - приходить к тем же выводам, что и к кому-то другому, если вы открыты и честны во всем, плагаризм не является проблемой. Поскольку вы знаете об этом, вам обязательно нужно это процитировать. Пока вы не утверждаете, что были первым, кто обнаружил это, цитирование более ранней статьи и подтверждение того, что вы нашли аналогичные результаты до того, как столкнулись с ней, во всяком случае, положительно для автора этой статьи. Их цитируют, и независимый исследователь, вы, подтвердили их выводы.

Вы выполнили работу, этически вы чисты, пока вы честны.

Я не согласен с другим ответом в том, что я не считаю, что такое повторение «напрасно» для других исследователей. Во многих документах по методам/методам замалчиваются слабые стороны или «просто случается» использовать идеальные наборы данных или не упоминаются вещи, которые делают алгоритм/метод неработоспособными в реальном мире, а иногда и другая статья от кого-то, кто делает то же самое, но более открыто говорит об этом. такие слабости могут быть неоценимы.

Политически, с другой стороны, может быть труднее опубликоваться. Поскольку это так похоже, вы вряд ли добавите в поле существенно новые данные. Это менее сексуально, но подтверждение предыдущей работы имеет ценность. Вероятно, вам придется быть более строгим в этом вопросе, чем если бы вы показывали что-то совершенно новое.

Это потенциально верно, но это зависит от того, добавляет ли новая статья полезности, подтверждая/воспроизводя заявления в более ранней статье, или она просто дублирует. Первое более вероятно для экспериментальной области (где необходимы дополнительные эксперименты, подтверждающие и воспроизводящие более ранние результаты). Последнее более вероятно для математической/теоретической области (если они показывают алгоритм и доказывают теорему об этом, и вы делаете то же самое, вы не делаете то же самое во второй раз). В вопросе недостаточно информации, чтобы сказать, в каком случае мы находимся.
Очевидно, это зависит именно от темы, но воспроизведение работы является важной и недооцененной частью любого научного процесса, ИМО. На самом деле, работа также может считаться новой сама по себе, если процесс получения результата отличается (например, в математике другое доказательство одной и той же теоремы может рассматриваться как вклад).
@ user1207217 Второе доказательство существующей теоремы является полезным вкладом только в том случае, если оно чем-то лучше исходного. «Лучше» может означать «короче», «проще», «строже» или «лучше» по какой-то другой метрике, которая вполне может быть полностью субъективной. В экспериментальных науках подтверждение полезно: знать, что что-то происходит десять раз из тысячи, лучше, чем знать, что это происходит один раз из сотни. Но математическое доказательство должно быть полностью убедительным аргументом: нет никакой дополнительной пользы в том, чтобы быть убежденным во второй раз.
@David Richerby Поскольку ОП говорит о данных, я склонен думать, что это либо экспериментальные, либо тестовые алгоритмы, а не чистая математика, поэтому, вероятно, они все еще ценны. Я прочитал достаточно статей по компьютерным наукам, описывающих алгоритм, в котором тихо не упоминалось, почему они использовали данные, обладающие определенными свойствами.
@Мерфи Согласен. Я обращался к конкретному комментарию, а не к вашему ответу.

В общем, все статьи рассказывают историю: «Вот эта важная проблема. Вот что было сделано по этому поводу. Но чего мы не знаем, так это X, Y, Z. Итак, в этой статье я обращаюсь к X, Y и Z. ."

Сделайте все возможное, чтобы сформулировать свое введение так, чтобы упомянуть эту предыдущую статью в разделе «вот что было сделано по этому поводу», и настройте свой роман «20%» как «X, Y, Z». Не забудьте объяснить своим читателям, почему эти «X, Y, Z» важны и полезны для других. Ваш проект может восприниматься как относительно постепенный шаг вперед и, следовательно, может не понравиться топовой публикации. Но это все еще может иметь ценность для специализированного издания. Если вы уже закончили вычислительную работу и находитесь в процессе написания, вы можете попробовать.

Если он будет отклонен из-за недостаточного нового вклада, то, основываясь на ответах, я подумаю, стоит ли следовать совету Стефана Коласса и проделать дополнительную работу, чтобы более четко обозначить ваш проект как расширение более ранней статьи. Может быть. Или вы можете обнаружить, что ваше время (и волнение) лучше посвятить другим проектам в вашем портфеле.