PLoS One:有多少学者学术不端?

【字体: 时间:2009年06月08日 来源:生物通

编辑推荐:

  生物通报道,来自爱丁堡大学的Daniel Fanelli做了份关于科学家学术不端行为的分析报告,发表在近期的PLoS One上,How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data。

  

生物通报道,来自爱丁堡大学的Daniel Fanelli做了份关于科学家学术不端行为的分析报告,发表在近期的PLoS One上,How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data

 

Daniel的分析报告指出,目前,篡改或是编造数据比先前估计的要多,尤其在生命科学研究领域特别高。

 

最著名的莫过于韩国黄禹锡在Science上的干细胞造假,此外,《Nature》《Cell》等著名杂志也常爆出有学生或是学者造假,在我国,不久前就一个院士造假的事件。学术不端,从学生到教授到院士,无一幸免。

 

不要以为,爆出的那些学术不端行为就是学术界学术不端的全部了,其实,这只是冰山一角。有时候,许多研究者做匿名调查问卷,包括在不同的国家与不同的学科中进行问卷调查。然而,不同的调查方法得出的结果大相径庭。可以想象,有些人并没有说实话。

 

为了使这些调查能够比较接近真实,Daniel的这份报告用的荟萃分析法(meta analysis)。

 

平均来说,在这些调查中,约2%的科学家承认他们曾杜撰、伪造或是修改数据以润色结果,至少一次,而高达34%的人承认其他不端行为,包括用直觉分析结果而忽视实际情况。

 

调查中,有14%的人表示知道谁曾杜撰、伪造或是修改资料,72%的人知道某人曾犯下其他可疑的不端行为。调查还发现,医学与药理研究者的报告出现不端行为的几率最高。这与某些医学成果需要得赞助商,使其商业化有关。

 

这项结果是一份保守的调查报告,并不是事实的全部。基于很多复杂的原因,参与问卷的人并没有实情相告。

(生物通 小茜)

相关文章:2008年度盘点:丑陋的学术造假

http://www.ebiotrade.com/newsf/2008-12/20081210161858.htm

 

生物通推荐原文检索:How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data

Abstract

The frequency with which scientists fabricate and falsify data, or commit other forms of scientific misconduct is a matter of controversy. Many surveys have asked scientists directly whether they have committed or know of a colleague who committed research misconduct, but their results appeared difficult to compare and synthesize. This is the first meta-analysis of these surveys.

 

To standardize outcomes, the number of respondents who recalled at least one incident of misconduct was calculated for each question, and the analysis was limited to behaviours that distort scientific knowledge: fabrication, falsification, “cooking” of data, etc… Survey questions on plagiarism and other forms of professional misconduct were excluded. The final sample consisted of 21 surveys that were included in the systematic review, and 18 in the meta-analysis.

 

A pooled weighted average of 1.97% (N = 7, 95%CI: 0.86–4.45) of scientists admitted to have fabricated, falsified or modified data or results at least once –a serious form of misconduct by any standard– and up to 33.7% admitted other questionable research practices. In surveys asking about the behaviour of colleagues, admission rates were 14.12% (N = 12, 95% CI: 9.91–19.72) for falsification, and up to 72% for other questionable research practices. Meta-regression showed that self reports surveys, surveys using the words “falsification” or “fabrication”, and mailed surveys yielded lower percentages of misconduct. When these factors were controlled for, misconduct was reported more frequently by medical/pharmacological researchers than others.

 

Considering that these surveys ask sensitive questions and have other limitations, it appears likely that this is a conservative estimate of the true prevalence of scientific misconduct.

 

Meta Analysis简介(中文:荟萃分析)

简单来说,meta-analysis是用统计的概念与方法,去收集、整理与分析之前学者专家针对某个主题所做的众多实证研究,希望能够找出该问题或所关切的变量之间的明确关系模式。

 

其中有两个主要的环节,一个是要广泛收集相关主题的研究文献, 另一个是分析资料的撷取与整理。一份meta-analysis在确定研究的问题或主题之后,必须进行之前相同主题实证研究的地毯式搜寻,范围不只是发表 在期刊上的研究文献,还要尽可能包括博硕士的论文、政府机关或研究机构的报告、学术或专业研讨会所发表的文章,甚至直接向相关领域的专家请教等等。之所以 要如此广泛收集研究文献的主要原因,除了是愈多研究文献累积起来的样本数愈大,对meta-analysis的结论的强度有正面的贡献。另一个原因是要避 免研究论文的「刊登偏差」(publication bias)。由于研究论文的结论若是呈现统计上显著性,通常比较会被期刊接受并刊登出来。所以若研究人员只拿期刊上研究文献来进行meta- analysis,结果会被高估。因此meta-analysis花很多心血去探讨各种研究文献的收集方法。

 

进行meta- analysis第二个重要环节是从所收集到的研究文献中撷取并整理出meta-analysis所需要的数据(data coding),这个步骤非常花时间,对研究者的挑战性很大。听授课的老师说通常一份meta-analysis研究计划的data coding可能都要花上至少半年,多则一、两年的时间,而且还不尽然能够获得全部所需要的数据。这主要是因为每份期刊对每篇文章篇幅的限制、所要求的呈 现格式都有出入;而且每份研究的研究情境、所用的变量、操作型定义、尺度也都不一样。因此,meta-analysis的研究者必须从这些多元且个别的资 料中整理出分析所需要的数据,是一大功夫。若是无法从研究文献中所呈现的资料中直接获得分析要用的资料,研究者就得设法去换算,或尝试向原研究的作者索取 相关资料。

  

一般来说,最单纯的Meta-analysis需要从实证研究中取得以下几种数据:样本数(sample size)、关系系数(effect size,通常是主要的应变量与自变量之间的关连系数)、信心区间(confidence interval)、标准变异差(standard error)、自变量的信度(liability of x)、以及应变量的信度(liability of y)等。然后把这些数据输入meta-analysis的分析软件。

比较简单的 meta-analysis主要是考虑取样误差(sampling error),其中主要的原理是每一个个别实证研究都有取样上的误差,会对结果的准确度造成影响。有些研究的取样误差是正的,有些是负的,Meta- analysis即是希望汇集这些个别研究的样本,并综合这些误差之后(正误差与负误差互相抵消),比较能够得到一个比个别研究更为准确的结论。

 

而比较复杂的meta-analysis则除了取样误差之外,还考虑测量误差、样本的范围限制(range restriction)等问题。样本的范围限制是指实证研究刻意对样本的条件加以设限所造成的问题。比如我们要研究英文网络课程对大学生学习英文的效 果,这份研究若在一间理工学院进行,则其样本范围限制会比在一间综合大学来得大,因为理工学院的学生使用网络能力的分布范围可能要比一般大学的学生使用网 路能力的分布范围来得窄。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号