Úprava, která si vymyslela vlastní zdroje

Dokončoval jsem rozsáhlou diplomovou práci a před obhajobou bylo potřeba dát do pořádku seznam literatury: zastaralé záznamy, chybějící čísla vydání, rozjeté formátování. Tak jsem udělal moderní věc a nechal to vyčistit automatickým průchodem. Vrátilo se to rychleji a úhledněji, než bych kdy zvládl ručně, každý záznam vyleštěný, každé pole vyplněné. Zároveň to ale potichu vymyslelo vydání knih, která nikdy nevyšla, a opatřilo skutečné zdroje identifikátory, které nikam nevedou. Vypadalo to tak čistě, že jsem to málem odevzdal.

Ve zkratce

• Automatický průchod, který měl seznam literatury jen „oprášit", doplnil chybějící údaje tím, že si je vymyslel: špatná vydání, vyfabrikovaná identifikační čísla, správný vzhled na špatných faktech.
• Přepsal 9 záznamů; 3 se vrátily se sebejistými, věrohodnými metadaty, která byla prostě nepravdivá, a jediný mrtvý identifikátor stačí k potopení obhajoby.
• Znovu ověřte každé pole, kterého se stroj dotkl. Namátková kontrola selhává: špatné záznamy vypadají přesně jako ty dobré.

Nudný úkol, který jsem rád delegoval

Seznam literatury je ta nejnevděčnější část velkého dokumentu: desítky záznamů v rigidním formátu, kde jedna špatná čárka je chyba. Přesně ten druh nudné, na pravidla bohaté dřiny, kterou chcete předat stroji, a ve většině případů je ten instinkt správný. Průchod, který jsem spustil, měl udělat něco úzkého a bezpečného: sjednotit formátování, doplnit zjevné mezery, posunout viditelně zastaralé.

Co jsem nečekal, bylo, že chybějící pole bude brát jako problém, který smí vyřešit sám. Když záznamu chybělo číslo vydání, mezeru neoznačil. Vyplnil ji. Když rok vypadal staře, postrčil ho dopředu. Nikde nestála žádná značka „tímhle jsem si nebyl jistý, tak jsem hádal". Odhady měly stejné sebejisté formátování jako fakta.

Co ta čistota ve skutečnosti skrývala

Tady je část, která mě dodnes nenechává klidným. Podle dvou testů, které by většinu lidí napadlo spustit, byla práce bezchybná: nic citovaného v textu v seznamu nechybělo a žádný zdroj nebyl vymyšlen celý, z ničeho. Pokrytí se vrátilo bez poskvrny, a to bylo naposledy, kdy dokument vypadal v pořádku.

Hniloba byla o úroveň níž, uvnitř záznamů skutečných knih, které tam vážně patřily. Základní učebnice, kterou jsem opravdu četl a citoval, teď nesla číslo vydání, jaké nikdy nevyšlo. Známá metodologická příručka pochytila identifikátor, který nevede vůbec nikam. Jeden záznam dokonce uvedl jako autora někoho, kdo jím nebyl. Zdroje byly skutečné, fakta k nim přilepená vymyšlená, a tahle kombinace je mnohem nebezpečnější než chybějící řádek: chybějící řádek se sám ohlásí, kdežto špatné, ale úhledné pole si jen tak sedí a tváří se správně.

Chybějícího zdroje si někdo všimne. Skutečnému zdroji s falešnými údaji se uvěří, bude citován a vytištěn.

Kliknutí, které by to ukončilo

Akademické identifikátory nejsou ozdoba. Kdokoli, kdo práci hodnotí, jeden zkopíruje, vloží do veřejného registru a za vteřinu vidí, jestli někam vede. Mrtvý identifikátor nečte oponent jako překlep. Čte ho jako fabrikaci, jediné obvinění, které u diplomové práce nejméně chcete mít. Nevědomky jsem do dokumentu, který jsem se chystal obhajovat, nastražil tři malé miny.

Odhalilo se to, protože jsem před odevzdáním spustil pořádný audit: několik nezávislých revizí prošlo seznam pole po poli a každá ověřovala údaje proti skutečným záznamům, ne proti sobě navzájem. To pomalé, podezíravé čtení, které předpokládalo, že každá hodnota, jíž se stroj dotkl, je vinná, dokud se neprokáže opak.

Co bych příště udělal jinak

Už nikdy bych nenechal automatický průchod potichu vyplnit prázdné pole. Náprava je až trapně jednoduchá: stroj smí přeformátovat to, co už tam je, ale mezera se musí vrátit jako označená mezera, ne jako sebejistý odhad. „Vydání neznámé, prosím ověřte" je nekonečně bezpečnější než čistě vypadající číslo vydání, které nikdo nezkontroloval.

Širší návyk, pro každého, kdo dělá úpravy ve velkém: chyby automatizace si představujeme jako zjevné rozbití, které poznáte přes celou místnost. Chyby, které doopravdy bolí, jsou ty vyleštěné. Hromadný průchod umí vyrobit fakt, který je špatný, konkrétní a ověřitelně vypadající, což znamená, že někdo dál v řetězci ho může zkontrolovat, zjistit, že je nepravdivý, a usoudit, že jste byli nedbalí nebo nepoctiví. A přesně tady namátková kontrola selhává, protože ty tři otrávené záznamy vypadaly jako těch devadesát dobrých. Nudná disciplína, která funguje, je ověřit proti skutečnému zdroji každé pole, jehož se automatizace dotkla, obzvlášť ta, která vyplnila sama.

Tak tady je otázka, kterou bych položil každému, kdo dělá hromadné úpravy ve smlouvách, zprávách, katalozích nebo datech: když váš nástroj doplní chybějící hodnotu, dokážete potom poznat, jestli ji potvrdil člověk, nebo ji uhádl stroj? Pokud zní odpověď ne, neodevzdáváte vyčištěný dokument. Odevzdáváte sebejistou fikci, kterou si zatím nikdo pořádně nepřečetl.