返回归档 阅读进度
高水平科研造假，靠读论文往往看不出来
现实中更让人无奈的，其实不是有人能发现低水平造假，而是很多高水平造假本来就很难仅靠读论文识别出来。
像耿同学这样的分析，往往能抓出那些明显不符合统计规律的数据：数字过于整齐、分布异常、重复模式过多、标准差不合理等等。这类问题确实存在，而且数量可能比很多人想象的还多。
但真正有经验的造假者，并不会等实验结束后再随便编几个数字填进去。
他们往往从一开始就知道自己想得到什么结论，然后围绕目标结果去构造一套看起来合理的数据体系。均值、方差、样本波动、显著性水平、组间差异，甚至离群值的分布，都可以被设计得与真实实验非常接近。
统计只能判断是否看起来合理
从统计学角度看，只要数据符合概率规律，很多基于论文文本和图表的审查方法就会失效。
因为统计学本身只能判断“是否看起来合理”，却无法证明“是否真实发生过”。
这也是为什么科学界一直强调：科研的最终裁判不是论文，而是可重复性。
一篇论文的数据再漂亮、图表再规范、统计检验再严谨，如果其他实验室按照相同方法无法重复得到类似结果，那么它的可信度终究会受到挑战。
相反，一项研究哪怕最初并不惊艳，只要能够被不同团队、不同时间、不同地点反复验证，它才真正具备科学价值。
真问题是激励结构
很多人以为打假是在和造假者比谁更会看数据。
其实更深层的问题在于：现代科研体系过于奖励“漂亮结果”，却没有给予重复验证足够的回报。
发现异常数据并不难，难的是建立一个让真实研究比造假更划算的环境。
而这恰恰是目前很多学术领域仍然没有解决的问题。