梅斯医学MedSci APP
医路相伴，成就大医
梅斯医学MedSci APP
医路相伴，成就大医
学术造假最近又成为了火热的话题之一，而且这又让我开始思考作假的数据是否能完美到无法被发现。有没有真正完美的无懈可击的假数据呢？而且如何才能发现这类完美无暇的数据？
在浩如烟海的文献中，让人产生质疑的数据通常是过于“整齐”或“过于好，反而不像真实的“的数据——比较著名的如Stapel、Smeesters等人就是这样被发现造假的。Uri Simonsohn揭露的一部分论文数据造假中就是用这种方式造假的。而有时候，有些人的做法是从别的研究结果中抄来数据，例如LaCour。
数据造假者通常被抓住的流程只需两个步骤。首先是数据被质疑是造假者被发现，同时还需要第二步，即文中描述的获取数据的方法并不能实现。例如LaCour曾声称他的数据来自一家调查公司，但公司否认参与了他的研究。
图片类型的数据有自己的独特的造假方式，如对图片的一部分的重复使用或剪切。在PubPeer中有成百上千例故意这样操作的行为。
我并不知道有哪个例子是在没有对数据本身产生怀疑的情况下完全由第三方仅通过对数据来源的调查就能掀出学术造假。在科学研究中根本没有审查的说法，也没有人会对那些研究开展了深入调查。
因此这也使我产生了如下的困惑结论：一项完美的学术造假仅需简单地编造出既令人信服，而又不特立独行到引人注目的数据就可以了。这样你不需要虚构出数据的来源来伪装。只要你的数据结果足够合理，就不会有人发问的。
有句说法叫做“群众的眼睛是雪亮的”。在科学研究中，许多人的眼睛都在盯着已经发表出来的数据，但是却不会有人关注数据产出的过程。科学家们只有在发现香肠的样子看着搞笑的时候才会关心“这个香肠是怎么做出来的”。
凭空捏出一篇研究成果只需要考虑一个问题——你的同事。在科研的大部分领域中，发表一篇仅含有一个作者的论文都是很诡异的一件事情，从而可能会引发造假者不愿意引来的过多的关注。所以一篇完美的造假论文需要挂上共同作者。但这本身就是一个很难的问题。
有时候，那些无法被检测出来的造假数据甚至是从一项真实进行的研究实验中来的，并且有多人的亲身参与，只是仅由一人进行了数据检测和处理，这样此人就可以独立对一项真实研究获得的数据按自己的意愿进行调整，”作”出自己想要的结果。Marc Hauser就是这样做的，但是由于自己实验室内部的人对他原始数据和发表出的数据进行了比较，他遭到了举报。所以说，我觉得外人是根本不可能发现他的造假行为的。他的数据并不可疑。
我撰写本文的目的并不是对造假者提供参考，相反，我在试图提供预防学术欺诈的建议。首先，共同作者是最容易发现作假的人。实际上，在大多数情况下，他们是唯一能够有机会发现和甄别一名熟练的作假者的人。因此，我们应该时刻记住，当我们把自己的名字签在一篇论文上时，我们就为其真实性负责。
其次，由于对学术造假的调查通常由已发表的数据引发，我建议作者在论文总结部分提供实验的原始数据是非常必要的，因为通常对原始数据的造假比对统计处理的数字造假更难。至少这会使造假者在伪装时更容易出现漏洞。正如Simonsohn所说：“还是赶紧发表了吧“。
原文出处：
The Perfect Scientific Crime? Neuroskeptic. July 14, 2015.
0
