查看原文
其他

被同事挑出错误后主动撤稿,他为什么要这样做?

科研圈 2021-04-10

The following article is from Nature自然科研 Author Nature自然科研

本文作者 Ben de Haas 是一位在德国从事神经科学研究的青年科学家,还没拿到终身教职。他最近经历了一次论文撤稿——是自己主动要求的。


图片来源:Pixabay


本文转载自公众号“Nature自然科研”

原文作者:Ben de Haas

疫情期间,我收到了一封邮件。邮件问我是否还保留了我在 2014 年发表的一篇论文的实验数据。3 个月后,我主动要求将这篇论文撤稿。这次经历并没有让我怀恨在心——如果真有什么影响的话,就是它让我找回了做科研的初心。


邮件中问的是一项我引以为豪的工作。我的同事和我让几十位脑成像实验的参与者做一个视觉任务——有些任务简单有些任务很难。我们想知道的是:注意力分散会如何影响大脑对不相干刺激物的处理。我们的结果显示,注意力分散会模糊大脑视觉皮质呈现的图像,诱导某种神经隧道视觉(tunnel vision)。这个结果当时把我们激动坏了,但最后发现,这可能是个统计上的假象。

Ben de Haas

我其实认识指出问题的人,她是伦敦大学学院神经科学家 Sam Schwarzkopf 的博士研究生 Susanne Stoll。2019 年在布鲁塞尔的一次会议上,我们讨论过她得到一组很奇怪的研究结果,她的这些结果正是基于我博士阶段的这项工作,是她和 Sam 还有其他人一起完成的。


Susanne 和她的合作者从来没怀疑过我,他们把我当成一条船上的同事。我们都想知道,她那不符合预期的结果究竟出了什么问题。他们告诉我,数据分析上的一个问题可能会影响我的研究(以及其他许多研究)。这个问题与均值回归有关:反复测量噪声数据时,一开始看起来的极端值会向均值靠拢。这让我心生怀疑,因为我论文中的效应恰恰相反:参数值离均值越来越远。


我们组织了一次视频会议,一致同意让 Susanne 重新模拟一遍,我也检查一下我之前的数据——前提是我能把它们找出来。这确实有点难。就在一个月前,我所在的大学刚刚遭受网络攻击,一开始我怎么都打不开备份盘。其实,直接告诉别人数据没了就能敷衍了事(这种情况太常发生)。


但是 Susanne 和 Sam 希望打破砂锅问到底,他们的好奇心也传染了我。我花了一周的时间把所有重要的文件集中起来,编码了一个流水线,用来重现原始的研究结果。可怕的是,我居然重现了 Susanne 发现的那个问题。原来问题主要出在我把相同的数据用来做选择和比较,这个循环反复地出现。在 Susanne 发现问题前,我和我的同事或是领域内的任何人,都没有意识到这在我们的研究中可能会出问题。结果导致的偏差和教科书中的例子相去甚远,只有在模拟和数据的压力测试下才会显露出来


忽然之间,每件事都严肃了起来。我立即概括了一下我的发现,发送给我的共同作者们,同时附上了第一版的撤稿通知。我的博士生导师是伦敦大学学院的 Geraint Rees,我永远也忘不了他的回信。“我们坚持不懈地理解我们的方法和研究结果,真好!”他鼓励我再仔细研究一番,做一次无偏分析(unbiased analysis)。这次我得到了我们原始的趋势,但比我们预期的要弱很多。


所以,我们还是决定撤稿。我们在撤稿通知中解释了事情经过,并推荐了 Susanne 写的一篇技术性论文,以便其他读者可以吸取我们的教训(S. Stoll et al. Preprint at bioRxiv https://doi.org/fqs8; 2020)。多年来,神经成像领域发现了不少潜在陷阱,也已相应改变了研究实践。我的希望是,我们可以为领域的演化发展出一份力,指出需要改进的地方,比如用模拟数据进行合理性检查(sanity check)。


然而,这次的教训不仅仅是技术上的教训。


我相信大部分科学家都愿意批判性地对待自己的数据和结论,因为激励他们的是对知识的简单渴望。但是,我们所处的职业环境并不奖励挑出错误和阴性结果。目前而言,我的共同作者和我还没有遇到撤稿事件带来的不良影响,但我们愿意冒这个风险。作为一名没有终身教职的初级首席研究员,一边是疫情下要给孩子在家上课,一边是远程办公,我深知重新分析和撤稿于时间于履历都是沉重的代价。在学生时代,曾有人告诉我绝不要在发表前去重复。但这不是我想要的志业——幸运的是,我的博士生导师从没有这么教我。


我们需要的激励措施能激发研究人员的开放度和好奇心,鼓励我们先把研究人员的本职工作做好。把对方想象成恶人,吹嘘或掩盖数据,或是进行学术迫害,只会在这个方向上适得其反。


把对方当成同道中人才是双赢之举。我从 2017 年开始公开发表我的数据和代码,这是因为我相信如果别人也这么做的话,我自己的研究也能受益匪浅。正是这种求知欲让 Susanne 没有放过一个可疑的结果,让我重新分析了我的数据,也得到了我们同事的全力相助。


科学进展永远离不开发现错误和改正错误。一些终身教职评审委员会和资助机构已经开始询问申请人是否会践行开放科学。我建议他们再多加一条:“你从你的错误中学到了什么?”


原文以 What my retraction taught me 标题发表在 2021 年 1 月 19 日的《自然》的世界观点版块上。

版权声明:

本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考,一切内容以英文原版为准。欢迎转发至朋友圈,如需转载,请邮件China@nature.com。未经授权的翻译是侵权行为,版权方将保留追究法律责任的权利。

© 2021 Springer Nature Limited. All Rights Reserved


本文转载自公众号“Nature自然科研”

(ID:Nature-Research)


▽精彩回顾▽

点个“在看”,分享给更多的小伙伴

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存