神经怀疑论者是一位神经科学家，他以怀疑的眼光审视自己的领域以及其他领域，请访问神经怀疑论者博客。
欺诈是当今科学界最严重的问题之一。每一次欺诈事件都会削弱研究人员和公众的信心，威胁到欺诈者的合作者和学生的职业生涯（他们通常是完全无辜的），并可能导致数百万美元的资金浪费。虽然欺诈仍然罕见，但有人担心这个问题可能正在恶化。但现在，一些科学家正在利用科学本身的方法来打击欺诈。基本思想非常简单。科学家在实验和观察中收集的真实数据是存在噪声的；总会有随机变异和测量误差，无论测量的是细胞对特定基因的反应，还是癌症患者服用新药的死亡率。当欺诈者决定编造数据或以欺诈的方式修改真实数据时，他们常常会生成“好得”过分的数据——其变异性小于现实中会看到的。利用统计方法，许多研究人员已经成功地通过检测比真实结果随机性更小的数据来抓获数据伪造。最近，Uri Simonsohn 将这种方法应用于他自己的领域——社会心理学。他已经有两项“命中”记录，可能还会有更多。Simonsohn 使用了多种统计方法，但本质上都是基于发现“好得不真实”的数据。在比利时市场心理学家 Dirk Smeesters 的案例中，Simonsohn 注意到 Smeesters 进行的一项实验结果“好”得可疑：它们几乎完美地符合他的预测。他使用了一种名为蒙特卡洛模拟的技术——这项技术广泛应用于经济学、神经科学和许多其他领域——他表明这种情况发生的概率极低。即使 Smeesters 的理论是正确的，数据也应该包含一些噪声，这意味着结果只会近似地符合预测，而不是完全一致。更重要的是，Smeesters 的数据比其他使用相同方法的其他研究人员发表的类似结果要整洁得多。在 Simonsohn 向他出示了这些证据后，Smeesters 起初声称他犯了一个诚实的错误，但最终被一个大学委员会判定欺诈，他的一些论文随后被撤回——从科学记录中删除。使用类似的方法，Simonsohn 发现了另一位研究员 Lawrence Sanna 的欺诈证据，他与 Smeesters 属于同一个社会心理学领域，但他的欺诈与 Smeesters 的完全无关。Simonsohn 调查的完整详情可在此处查阅。这些案例引起了极大的关注。它们使 Simonsohn 声名鹊起，被誉为“数据侦探”或“科学追踪者”，并引发了对社会心理学危机的看法。研究人员们现在正在争论欺诈问题的严重程度以及如何最好地应对它。Simonsohn 并不是第一个使用统计学来发现“好得不真实”数据的人。几个月前，在麻醉学领域，来自日本东京东邦大学的 Yoshitaka Fujii 医生的大规模欺诈，就是用类似的方法揭露的。在他的职业生涯中，Fujii 发表了数百篇论文，其中许多是关于用于预防术后恶心的新药格拉司琼的。英国研究员 John Carlisle 选取了 Fujii 的 168 项临床试验，并观察到许多试验中的一些关键变量，例如副作用的数量，竟然完全相同。假设数据是真实的，按概率计算，这些数字应该会有所变异。Carlisle 发现了极强的证据表明 Fujii 的结果过于一致，不可能是真实的。而且 Carlisle 的报告也不是第一个声称 Fujii 的数据“好得不真实”的统计报告。令人惊讶的是，十二年前，也就是 2000 年，一组研究人员在给一科学期刊的公开信中写道，Fujii 的 47 项格拉司琼试验数据“好得令人难以置信。”这些研究人员指出，在他十多篇论文中，报告了头痛副作用的患者数量完全相同。他们计算了假设数据真实的情况下，这种情况发生的概率，不到一亿分之一。我们现在知道，确实，这些数据不是真实的：Fujii 编造了它们。但出于各种原因，2000 年的指控并未导致对 Fujii 的工作进行任何严肃的调查，使他得以继续伪造数十项试验。尽管这些方法很有用，但重要的是要记住，它们只能暗示欺诈，而不能证明欺诈。例如，“好得不真实”的数据可能是诚实错误的产物，而不是故意操纵。在本文描述的案例中，进一步的调查揭示了其他确凿的证据，最终大多数情况下都得到了承认。然而，如果“好得不真实”的方法被更广泛地使用，最终很可能会有人否认这些指控，并坚持他们的结果。届时会发生什么还有待观察，这可能会导致一场丑陋的争议。另一方面，Fujii 的案例表明，这些方法在保持科学的清洁性方面起着至关重要的作用。如果早在 2000 年就认真对待对 Fujii 的“好”数据的首次警告，那么就不会浪费大量的时间、金钱和精力。欺诈可能发生在任何科学领域、任何机构、任何国家。我们需要利用所有可用的工具来打击它。
