本篇内容已原创发布在埃米编辑公众号,更多精彩内容,请关注公众号“埃米编辑SCI论文润色”。在2020年,诺贝尔化学奖得主Frances H. Arnold教授的一篇科学论文因部分关键实验数据缺失而被撤回。对此,Arnold教授在推特上坦诚承认了问题,并表示这是她科研生涯中的一次深刻教训。
实际上,由于数据处理失误导致的撤稿案例并不少见。而在这些撤稿通知中,通常缺少具体的细节说明和解释,使得作者在懊恼的同时,也感到无所适从。
一、数据处理失误类型
2025年1月,Nature期刊发布了一篇文章,题为《撤稿因诚实错误而导致的压力极大,研究人员称之》,通过对6680份调查问卷的分析,归纳出五种常见的数据处理失误。研究人员通过Retraction Watch数据库识别出5041篇因数据处理错误而被撤回的论文。对6680名作者发放问卷,了解他们对撤稿原因的看法。在97份有效回答中,归纳出了以下五种常见的数据处理错误:
- 数据处理和分析错误(19%):例如,数据建模或统计分析中存在错误,导致实验结果与实际不符。
- 数据编码错误(14%):在脚本编写阶段,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%):原始实验数据未妥善保存或备份,无法再现研究结果。
- 数据输入错误(11%):手动录入数据时容易出现,例如误输入、遗漏或单位不一致。
- 数据命名不当(8%):文件命名混乱,版本管理不清晰,或是命名不符合规范,导致计算和运行错误。
此外,其他错误还包括:数据传输错误(7%)、错误的报告(6%)、编程错误(4%)、文件不充分或不正确(4%)、数据选择/合并错误(4%)、项目管理错误(2%)、数据点之间连接不正确(2%)、偏离协议(2%)、数据或文件组织错误(2%)。造成这些失误的常见原因包括:不专心(14%)、技术性问题(13%)、沟通失误(12%)、粗心大意(11%)和缺乏经验(9%)等。
二、如何避免数据处理失误?
1. 明确数据管理责任:确保项目中有专人负责数据管理,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,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查,以减少由于粗心或遗漏造成的错误。
4. 加强技术支持:投入资源购买可靠的存储设备,并使用自动化备份工具。
此外,研究作者们希望期刊能提供更明确的指导,说明哪些失误会导致撤稿,哪些可以通过修改补救,这对作者和编辑都至关重要。与其因撤稿而懊恼,不如提前做好防范:认真对待数据细节,谨慎处理每个环节,确保每位科研工作者都要重视“数据”这一关键因素。
同时,欢迎关注尊龙凯时,了解更多关于科研写作和数据管理的信息,保护您的研究成果,避免潜在的撤稿风险!