Coroczna ankieta Gallupa, w której zawody są najbardziej godne zaufania, nie pyta o naukowców, ale można śmiało powiedzieć, że przynajmniej zajmowali dużo wyższą pozycję niż sprzedawcy używanych samochodów i członkowie Kongresu na dole.
Jednocześnie wśród tysięcy ludzi na całym świecie, którzy praktykują naukę i publikują swoje wyniki, pewna mniejszość prawdopodobnie ulegnie pokusie masowania danych w celu uzyskania przyciągających uwagę (i przyjaznych finansowo) wyników. W ostatnich latach niektórzy stali się politycznie przydatni, by wykorzystać tę możliwość i zarzucić umyślne oszustwa naukowe. (Zarzuty, że wywołane przez człowieka zmiany klimatu są powszechnym spiskiem naukowym, stały się bardziej powszechne od czasu tak zwanego skandalu Climategate z 2009 r., Pomimo szeregu badań, w których nie znaleziono dowodów na oszustwo lub przewinienie naukowe.)
Ale jak często naukowcy kłamią na temat swoich danych? Innymi słowy, na ile powinniśmy im ufać?
Odpowiedź, przynajmniej zgodnie z badaniem opublikowanym dzisiaj w Proceedings of National Academy of Sciences, jest taka , że naukowcy są ogólnie uczciwą grupą. W artykule naukowcy z University of Washington i innych odkryli, że z ponad 25 milionów artykułów związanych z badaniami biomedycznymi opublikowanych w bazie danych PubMed National Institutes of Health z lat 40. XX wieku wycofano 2047 publikacja. To mniej niż 0, 01 procent wszystkich artykułów w bazie danych.
Badacze jeszcze bardziej złamali swoje wyniki, próbując przypisać każde wycofanie do określonego rodzaju przyczyny. Według ich rachunków 21, 3 procent było spowodowane uczciwym błędem, takim jak niezamierzona błędna interpretacja danych. Tymczasem 67, 4 procent wycofań można przypisać pewnego rodzaju przewinieniu, w tym oszustwom lub fałszerstwom (43, 4 procent), plagiatowi (9, 8 procent) i powielaniu publikacji (14, 2 procent). W porównaniu z artykułami wycofanymi przed 1975 r., Te wycofane później były dziesięć razy bardziej podatne na oszustwa, w przeciwieństwie do uczciwego błędu.
Ogólny skromny wskaźnik oszustw może wyjaśnić, dlaczego autorzy bloga Retraction Watch, który dokumentuje wycofane dokumenty, napotkali sprzeciw. Niektórzy twierdzą, że kierowanie uwagi na pojedyncze przypadki nieuczciwości nieproporcjonalnie zwiększa nieufność społeczną do nauki jako całości. „Argument jest mniej więcej taki” - napisali w maju w Lab Times . „Oszustwa naukowe są rzadkie, więc skupienie się na niewłaściwym postępowaniu daje zniekształcony obraz badań, który da amunicję tylko krytykom, którzy chcą zakwestionować takie tematy, jak zmiany klimatu i bezpieczeństwo szczepionek”.
Jedną z odpowiedzi może być to, że tak naprawdę nie wiemy, jak rzadkie jest oszustwo, pomimo 0, 01 procent wycofania dowiedzieć się o tym nowym badaniu PNAS. Jak zauważają autorzy badania, w wielu przypadkach artykuł może być podejrzany, ale czasopismo nie ma wystarczających dowodów, aby go wycofać. Na przykład w 2005 r. The Lancet „wyraził zaniepokojenie” wynikami badań, w których stwierdzono korelację między dietą śródziemnomorską a zmniejszonym ryzykiem chorób serca, ale ostatecznie nie wycofali artykułu.
Co więcej, nie mamy możliwości dowiedzieć się, ile podejrzanych zestawów danych nigdy nawet nie wyjdzie na jaw. Sfabrykowany zestaw danych może się nie powieść przez innych badaczy, ale w wielu przypadkach wątpliwe, by skłoniło ich to do zarzucenia nieuczciwości. Historycznie wiele przypadków oszustw naukowych ujawniali tylko wewnętrzni demaskatorzy.
Ostatnie wydarzenia wskazują jednak, że możemy wkroczyć w epokę, w której odkrycia naukowe faktycznie pomagają nam wykrywać oszustwa, a przynajmniej niektóre ich rodzaje. W lipcu ubiegłego roku psycholog społeczny Uri Simonsohn z University of Pennsylvania zebrał nagłówki, wykorzystując innowacyjną analizę statystyczną do wykrywania sfabrykowanych danych w pracy psychologa społecznego Dirka Smeestersa, który napisał artykuł o pozytywnym wpływie koloru na zachowanie konsumentów.
Technika Simonsohna jest złożona, ale polega na tym, że ludzie są notorycznie źli w fałszowaniu zbiorów danych charakteryzujących się tym samym rodzajem losowości, który występuje w rzeczywistych zdarzeniach. Simonsohn powiedział Nature, że „Podstawową ideą jest sprawdzenie, czy dane są zbyt bliskie teoretycznej prognozie, czy też wiele oszacowań jest zbyt podobnych”.
Wkrótce po rezygnacji Smeestersa Simonsohn upublicznił swój algorytm, zachęcając badaczy do opublikowania surowych danych, a innym do przetestowania go. Ma nadzieję, że realna możliwość, że każdy badacz pokusiłby się o manipulację swoimi danymi, mógł zostać złapany, zadziała jak silny środek odstraszający. Teoretycznie nie tylko zmniejszyłoby to liczbę oszustw, ale także zwiększyłoby zaufanie, jakim możemy obdarzyć produkty nauki jako całości.
