"耿同学发现的错误，为什么Nature审稿人没发现？"这是新华社报道中提出的核心问题。本文系统拆解耿同学使用的论文造假识别技术，任何人都可以学会的基本方法。
| 技术 | 识别对象 | 难度 | 耿同学案例 |
|---|---|---|---|
| 图像比对分析 | 重复使用/PS篡改的图像 | ⭐⭐ 中 | 王平案10张图表异常 |
| 数据规律检验 | 人为伪造的数据 | ⭐ 低 | 所有数值尾数为5 |
| 统计方法核查 | 不当统计操作 | ⭐⭐⭐ 较高 | 选择性报告、p值操纵 |
| 原始数据溯源 | 缺乏原始数据支持 | ⭐⭐⭐⭐ 高 | 要求作者提供原始数据 |
这是耿同学最核心的打假技术。Nature论文中14张免疫荧光染色图，10张被指异常。
这是最容易上手的打假方法，不需要专业软件，凭肉眼和常识就能发现。
| 异常信号 | 典型表现 | 真实概率 |
|---|---|---|
| 所有数据尾数相同 | "一整列数据的末尾数字全是5"① | 随机数据中概率<0.001% |
| 两组数据固定差值 | "两列数据之间精准相差0.3" | 不可能自然出现 |
| 标准差为零 | 多次测量结果完全一致 | 几乎不可能 |
| 数据分辨率不一致 | 同一表格中小数点位数不统一（时而1位时而2位） | 不规范的造假痕迹 |
| 数据过于完美 | 所有数据点都完美落在趋势线上 | 真实实验数据不会如此 |
学术造假者常用选择性报告、p值操纵等方法：
| 不当操作 | 如何识别 |
|---|---|
| 选择性报告结果 | 只报告显著的结果，隐藏不显著的结果。对比论文方法与结果部分是否一致 |
| p值临界操纵 | p值刚好出现在0.05、0.01等临界值附近，可能通过增减数据点操纵 |
| 多重比较不校正 | 大量比较但不做多重假设检验校正 |
| 样本量过小 | n值太小（如n=3）做出的统计推断不可靠 |
新华社调查报道揭示了三点核心原因②：
| 原因 | 说明 |
|---|---|
| 同行评议的局限性 | 审稿人通常只关注论文的创新性和逻辑性，不会逐条核实原始数据 |
| 利益冲突 | 同一学术圈内的人可能不愿意得罪"大牛"学者 |
| 信任体系 | 顶刊默认作者是诚实的，不会主动核查数据真实性 |
相关内容：👉 学术圈乱象根源分析 | 👉 整治方案