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：

1. 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。
2. 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。
3. 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。
4. 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。