本篇内容已原创新发布于“环亚集团·AG88”公众号,更多精彩信息,请关注公众号“环亚集团·AG88”。
在2020年,诺贝尔化学奖得主Frances H. Arnold教授发表在《Science》上的一篇论文被撤稿,原因在于部分关键实验数据的缺失。对此,Arnold教授在推特上坦诚地承认了这一问题,并表示这是她科研生涯中一次深刻的教训。
实际上,由于数据处理失误导致撤稿的案例屡见不鲜,而这类撤稿通知通常缺乏具体细节的说明,令作者在懊恼的同时又感到困惑。那么,这些数据处理失误都有哪些类型呢?
一、数据处理失误的主要类型
2025年1月,《Nature》发布了一篇名为《因诚实错误导致的撤稿对研究人员压力极大》的文章。研究人员通过6680份调查问卷,总结出5个常见的数据处理失误。根据Retraction Watch数据库的研究,5041篇论文因数据处理错误被撤回。在对6680名作者的调查中,得到了97份有效回复,归纳出以下5种常见的错误:
- 数据处理和分析错误(19%):例如在数据建模或统计分析中出现错误,导致实验结果偏离事实。
- 数据编码错误(14%):常见于脚本编写阶段,错误的变量定义或操作逻辑可能直接改变分析结果。
- 数据文件丢失(11%):例如原始实验数据未妥善保存或备份,导致无法复现研究。
- 数据输入错误(11%):手动录入数据时易出现误输入、漏输或单位不一致的问题。
- 数据命名不当(8%):文件命名混乱、版本管理不清晰或命名不符合规范,导致计算或运行错误。
其他常见错误还包括数据传输错误(7%)、错误报告(6%)、编程错误(4%)、文件不充分或不正确(4%)等。
造成这些失误的原因通常包括:不专心(14%)、技术性问题(13%)、沟通失误(12%)、粗心大意(11%)及缺乏经验(9%)等。
二、如何避免数据处理失误?
为了减少数据处理失误的发生,可以采取以下措施:
- 明确数据管理责任:项目中设立专人负责数据管理,确保责任到位。
- 定期培训和学习:进行数据管理和工具使用的相关培训,以提升技能水平。
- 引入双重核查机制:数据提交前进行二次审核,减少粗心或遗漏导致的错误。
- 加强技术支持:投资可靠的存储设备,并使用自动化备份工具。
此外,作者们也希望期刊能提供更明确的指导,例如哪些失误会导致撤稿,哪些可以通过修改进行补救。这对作者和编辑同样重要。
与其因撤稿而感到懊恼,不如主动做好防范:用心关注数据细节,谨慎处理每个环节。每位科研工作者都应绷紧“数据”这根弦,做好准备。
你是否有过“数据翻车”的故事呢?关注“环亚集团·AG88”公众号并回复“礼包”,即可免费领取100+写作投稿资料包及30个投稿问题解答!
关于环亚集团·AG88:我们致力于为科研学者提供专业的论文润色、学术翻译及期刊出版支持服务。我们的润色工作均由美国本土经验丰富的编辑完成,确保服务质量优质可靠。