摘要：在追求科研突破的浪潮中，学术诚信的根基正面临严峻挑战。近年来，“可重复性危机”与“可疑研究实践”的频发，暴露出学术研究中的系统性漏洞。本文梳理了常见的不当科研行为及其危害，并引用多项研究数据揭示问题的普遍性。我们希望通过此文，唤起学术界对研究透明度的重视，推动

编者注：

在追求科研突破的浪潮中，学术诚信的根基正面临严峻挑战。近年来，“可重复性危机”与“可疑研究实践”的频发，暴露出学术研究中的系统性漏洞。本文梳理了常见的不当科研行为及其危害，并引用多项研究数据揭示问题的普遍性。我们希望通过此文，唤起学术界对研究透明度的重视，推动建立更严格的科研规范。唯有直面问题，方能重塑科学的公信力。

2005年，哈佛大学医学教授John Ioannidis发表论文《为何大多数已发表的研究结论是错误的》，有力论证了“在多数研究设计与情境下，科研结论更可能为假而非真”。2012年，Begley和Ellis发现53项“里程碑式”癌症研究中，47项无法复现。这些研究将科学界的“可重复性危机”推向聚光灯下，也推动了以改进科研实践为核心的“元研究”（meta-research）领域的发展。

大量证据表明，可疑研究实践（Questionable Research Practices）被数量惊人的学者采用，导致研究论文中第一类错误（即假阳性）的比例居高不下。以下列举常见可疑研究实践：

- 数据窥探（Data peeking）：提前终止数据收集——当结果符合预期时即停止实验，人为引入偏差。

- 基于结果的数据剔除（Excluding data based on results）：观察数据剔除对结果的影响后决定是否排除某些数据，导致结论偏倚。

- 未报告全部实验条件（Failure to report all conditions）：隐瞒影响结果的实验条件或情境因素，提供不完整或误导性解释。

- 后设假设（Hypothesizing After the Results are Known）：根据已得结果逆向调整假设，伪装成预设假设。

- 隐藏人口学调节变量（Hiding demographic moderators）：在不确定或已知人口变量（如性别、年龄）影响结果的情况下，声称其无影响。

- 选择性四舍五入p值（Opportunistic rounding of p-values）：将p=0.054报告为p

- 机会性终止实验（Optional stopping）：初步分析无显著结果后继续收集数据，人为提高显著性概率。

- 选择性报告结果（Selective reporting of outcomes）：仅呈现支持假设的结果，剔除矛盾数据。

- 选择性报告分析方法（Selective reporting of performed analyses）：仅公开支持预测的分析方法，掩盖其他方法的结果。

- 选择性强调“有效”发现（Selective reporting of what “worked”）：放大符合假设的结果，淡化或排除不支持的数据。

- 选择性纳入协变量（Selective inclusion of covariates）：剔除未达显著性的协变量（如p>0.05），简化数据关系。

- 中途更换分析方法（Selective switching of analysis methods）：为获得有利结果，在研究中途更改分析方法。

一项针对6,813名研究者的调查揭示了可疑研究实践的普遍性：4.3%的受访者承认捏造数据，4.2%曾篡改数据；过去三年中，半数研究者频繁使用至少一种可疑研究实践。这些数据警示我们：亟需加强学术监督，捍卫科研的可靠性与诚信。

可疑研究实践如同潜伏在科学肌体中的慢性病，侵蚀着学术研究的根基。从数据操纵到选择性报告，这些行为不仅扭曲科学发现，更削弱公众对科研的信任。解决之道在于多管齐下：推广预注册研究（preregistration）、完善同行评审机制、建立透明的数据共享文化。正如约阿尼迪斯所言，“科学的自我修正能力是其最大优势”——但唯有直面阴影，修正方能真正发生。学术界需以勇气与制度革新，重拾“求真”这一最朴素的科学精神。

作者介绍：

Lisa Clancy 博士

Lisa Clancy博士是Compuscript出版服务公司出版伦理和研究诚信团队负责人。近10年来，Clancy博士在Compuscript的所出版和提供出版咨询服务的期刊中，提供与研究伦理和诚信相关的所有问题的专业建议和指导。Clancy博士拥有英国诺丁汉大学（Nottingham University）理学硕士学位、英国亚伯大学（Aberystwyth University）的博士学位。

参考文献：

原文参考：

来源：ISE国际科学编辑