詳談數據造假現象

Wordvice

3 年前

學術道德是科學素養的重要組成部分。 “十論學術道德”系列文章對代寫、剽竊抄襲、數據造假、虛假署名、圖表侵權、發表偏倚、引用失當、一稿多投、重複發表、拆分發表（香腸論文）這十大學術不端現象進行剖析，總結建設風清氣正的學術環境需注意的要點。本文是第三論，簡述數據造假的現象和防治措施。正規的學術論文英文編修服務機構一同維護學術道德，來詳談數據造假現象。

論文數據造假是弄虛作假在學術領域的體現。各行各業都有假貨存在，科研領域也不例外。本文討論的是學術論文數據造假，而非其他領域的數據造假，例如工程質量檢測數據造假、企業產品和財務數據造假、網店銷量刷單造假、藥品註冊申請數據造假、環境監測數據造假、統計部門數據造假等。科研數據造假的動機通常是為了騙取科研經費或發表論文。造假方法包括捏構與篡改資料。這種造假屬於具有主觀惡意的學術不端行為，在違反學術道德的十惡排行榜上高居第三，其惡劣性質和危害僅次於代寫和剽竊抄襲。需要注意的是，由於水準或疏忽等非惡意原因導致的數據錯誤和觀點分歧不屬於數據造假。誠實性出錯是允許的，但是不允許造假。

近二十年來，國內外著名期刊發生了很多影響較大的科研數據造假醜聞或數據真實性質疑事件，涉及生物、醫學、物理、心理學等眾多領域，造成大批論文撤稿和當事人被處罰甚至判刑的後果，而且造假趨勢愈演愈烈。科研數據造假已經發展成為社會各方極為關注的熱點問題。這裏的數據指的是表格、插圖、照片等任何數據。科研資料及結論造假的具體形式包括以下三種。

在明知不正確的情況下故意使用不當的研究方法

故意錯誤選擇試驗樣本或錯誤設置試驗條件，故意用錯模型或公式。這種造假具有欺騙性，與誠實性錯誤經常難以區分，即分不清到底是嘗試新做法或技術性選錯方法，還是明知故犯。甄別這種造假的辦法是看所用方法的假設、理由和輸入條件是否有完整的介紹。如果有完整介紹，則基本可以排除惡意造假。如果沒有完整介紹，那麼這種數據可能是為了製造某種效應而騙人的。一般來講，嚴肅認真地使用一個錯誤的方法做出的數據都不是造假，只是誠實性錯誤。造假的最大特徵就是隱瞞掩蓋資訊，讓讀者無法瞭解方法的全貌，或者無法複製驗證結果，以便瞞天過海。

故意掩蓋或歪曲數據的含義並得出錯誤結論

隱瞞、迴避或歪曲重要事實，以偏概全，選擇性虛構邏輯。這種造假也具有欺騙性，與誠實性錯誤難以區分，即分不清是水準差、觀點有分歧還是誤導性地明知故犯。甄別這種造假的辦法是看結論是否具有誤導性的利益目的，以及是否在狡辯和混淆視聽。需要注意的是，對這類問題進行打假，必須注意避免亂扣帽子或破壞學術自由。學術發展需要寬鬆的環境。如果人人自危，束手束腳，擔心被指控造假，對於開創新事物和百花齊放地發表新觀點（包括不成熟的觀點）都是非常有害的。

故意偽造或篡改數據

這種造假是最沒有爭議的，也是最常見的。這種造假一般是由於同行無法複製結果而被揭穿。它具體包括：從無到有地編造添加資料;將真實資料中不符合自己預期結論的數據刪掉;將”不好看”的數據刪掉;將自己無法解釋的有效資料隱瞞。錯誤的數據肯定要刪掉，沒有爭議。這裡唯一的誠實性錯誤爭議就是什麼叫有效數據。由於科學技術水準的局限，很多數據現在無法解釋，但將來可能能夠解釋。如果方法和數據沒有錯誤，那麼這種無法解釋的數據理應保留在論文中予以披露，以維持數據和結論的完整性。但是，科研人員通常不希望發表自己無法解釋的數據，因為擔心無法回答同行評審人的疑問。科研人員是否有權利拒絕披露和評論自己不能解釋的數據，這是一個頗有爭議並涉及同行評審寬容性的話題。總之，添加假數據和刪減有效數據能夠被簡單明確地裁定為造假，但是隱瞞無法解釋的數據是否都能被裁定為造假是有爭議的。為了避免被指控造假，最安全的做法是披露全部數據而不隱瞞任何。

科研數據造假的處罰措施包括學術規範處罰（例如公開道歉、期刊通報批評）、行政處罰（例如降薪、開除）和民事處罰（例如罰款）。有些嚴重的數據造假會被以其他相關罪名（例如騙取科研經費）起訴而獲刑。有關部門還在考慮設立科研人員學術誠信檔案制度，使得造假成為一個永久記錄的污點，讓造假者職業發展受阻。不少期刊在增加數據編輯審核制度，並考慮改革同行評審過程，使得論文及其數據能夠在網上公開接受全球任何人的評議，對被舉報涉嫌造假的論文數據進行專門審查等。這些措施的目的就是為了告訴大家，資料造假這道紅線是不能觸碰的！