2023年8月31日，斯坦福大学校长Marc Tessier-Lavigne宣布辞职，原因并非退休或个人原因，而是因为他作为作者的12篇论文存在错误或人为操纵的信息。尽管独立调查小组最终认定他并未直接参与或知晓这些学术不端行为，但他仍然卷入了这个事件。辞职时，Tessier-Lavigne表示，他计划撤回或更正那些他作为第一作者的论文。

斯坦福大学的丑闻并非孤立事件，它反映了学术界在出版领域中存在的诸多问题。其中一个核心问题是研究的可重复性，即其他研究者能否通过重复实验得到相同的结果。正如生物心理学家Marcus Munafo所言：“我们希望发现新事物，但不应产生过多的错误线索。”

重视可重复性意味着在科学中既要产生新颖有趣的想法，又要确保结果的可靠性和充分验证，以避免这些结果仅仅是偶然现象。然而，学术界对于如何在这两者之间找到平衡尚未达成共识。

2016年，《自然》杂志的一项调查显示，“超过70%的研究人员曾尝试但未能重复其他研究者的实验，超过一半的研究人员甚至无法重复自己的实验。”这一现象的背后有多种原因，有些是官僚化的，例如实验方案不一致；而有些则更为隐蔽。

《自然》还报道称，“超过60%的受访者表示，发表压力和选择性报告这两个因素经常导致可重复性问题。”外部发表压力对许多学者来说是巨大的负担，直接推动了“不发表就出局”的文化——即如果不大量发表论文，可能会被解雇或失去信誉。

这种需求可能导致不道德的行为，例如伪造数据或选择性报告结果。研究人员可能轻易地丢弃数据或过度强调某些数据，以影响其方法的统计显著性。

有时，统计被错误使用。许多统计检验（如z检验或ANOVA）都有特定的假设条件，数据必须符合某些分布和规则才能适用这些方法。然而，现实中的数据往往是混乱且不完美的，很多时候并不适合某些检验。

人们可能以多种方式误用统计数据。某些领域不强调使用高级统计方法，也没有教授如何正确处理特定类型的样本。另一方面，有时正确处理数据并不会得到想要的结论。

“不发表就出局”文化带来了严重后果：基于被操纵、错误或虚构的知识进行研究是困难的。《卫报》报道称，2023年，研究期刊撤回了创纪录数量的学术论文——超过10,000篇。一些科学家将这一趋势称为“危机”，因为伪造论文和信息的增加导致了研究的腐败。

在理想的世界中，所有发表的论文都应经过彻底的审查和测试，完全值得信赖。然而，现实并非如此。你可以轻易看到这种滑坡效应：发表更多论文、为领域做出更多贡献是好事，直到突然之间，这成为唯一重要的事情——机构开始迫使研究人员尽可能多地发表论文，导致研究质量下降。

文章整理自： https://dailyfreepress.com/2025/02/23/the-false-promise-of-publish-or-perish-culture/