现在的学术论文里存在数据造假的情况吗？ 第1页

我早年还在做科研的时候，整个组里一半的数据处理要经我的手。倒不是因为我多牛逼，只是因为位阶比较低，这种费力不讨好的活儿自然落到我头上。

可能我还算有点儿天分，逐渐把数据处理给自动化。所以本着能者多劳的原则，越来越多的数据就开始经我的手。

然后重点来了，十几个参数，无数的阈值，还有十几个步骤。同一个数据，只要微微一调整就会有完全不同的结果。而整个组里，除了我，没有一个人对这些处理数据的步骤和方法都熟悉。或者这么说，在整个世界，整个领域里对这套方法理解很深刻的人不超过10个，而这10个人当中大部分都毕业去了工业届，几乎没人留在科研届。

原因就在于，搞这个领域的数据处理很难发文章。

好了，到了最后，随着我手越来越熟。我可以这么说，无论你给我什么数据，我都能处理出你想要的结果。而且，除非我提到的那十个人愿意花很大的精力来跟我死磕，否则，没有人能看出任何猫腻。

这件事成了我离开科研圈的一个重要原因。这是数据处理环节，后来我参与一些实验，其实也类似。实验环境的一点点微调就可以让结果千差万别，有的是无意的，有的是人为的。整个科研，从样品制备，实验设备调试，实验进行，数据筛选，数据处理，图像处理……每一步都有很大的操作空间。很多微操如果按照严格的理想化的标准来看都算是造假，但要真按照这个标准，一半的科研机构都躲不过造假的指控。

开始我觉得这个问题是个别的，后来才发现这是结构性的。

这么说吧，人类科研领域越来越难取得成果，低垂果实都已经被前人给摘了。所以想要取得真正的成果需要天量的投入。但是科研部门评判标准却是论文的数量，这套标准让科学家无法不顾一切地投入，在机制中寻找真理。科学家必须在经费和产出间权衡。而能够微操的空间有那么大，所以造假或者不严谨的处理变得非常普遍。另外，检测造假的成本非常高，前一段时间沸沸扬扬的韩春雨造假事件。我其实一直在挺他，但最后事实证明他就是在造假。但这个鉴别造假的过程，足足让整个世界相关超过十个课题组，用了半年时间才得到结论。其人力物力的成本少说也是千万量级。因此，如果不是重大的成果，学界根本不会花费那么多时间来鉴别数据的真伪。

总结一下：

1. 评判标准单一化
2. 投入不足
3. 造假成本低
4. 鉴假成本高

后来我去了工业界，发现工业界就好得多。工业界里搞的探究不是为了发文章，而是为了提高产品性能，所以数据灌水毫无意义。因此，工业界发表的文章可能并不多，也许档次也不见得高，但至少数据和实验大都可信。

总之，学术领域是需要大力改革的，里面的问题非常多。以前我们只是单纯学欧美，现在也需要在这个基础上进行相应的创新了。

编肯定要编啊，不编怎么毕业，做实验是不可能做的，这辈子都不可能做的，idea又想不出，代码也不会改，只有靠造数据才能维持的了生活这样子。

在下前排985 著名水货 拥有三年编数据经验，有问题的可以私聊。

讲点料，控制工程转cv方向，没有资源没有idea没有人带，问就是自己钻研发1区易如反掌探囊取物，我探你个鬼，看paper顶会看了一年，好不容易找到一个可能的方向，费尽心思环境搭建起来，跑一跑，发现顶会的论文结果竟然不是论文里写的那样。震惊了对不对，深度学习调参工程师的职业理想瞬间崩塌。另一面老板天天催，偶尔带夹枪带棒暗示没有1区，毕业是不可能毕业的，这辈子都不可能毕业的，我去你妈的，那就别怪我心狠手辣。

Python大法直接画pr曲线，随心所欲，想要什么样就有什么样，甚至乱系秀技术写了个全能画图脚本，可根据数据自然抖动，并进行适当平滑，那曲线出来性感的就像三十岁少妇的臀部。

不敢说所有985都这个逼样，但至少3年硕士教育，没有底蕴没有指导就妄想出顶会论文的，有一个算一个论文查一下都她妈得取消学位，制度就是这样，论文评价体系，哎。

不说了，我要接着造，不但要造，还要造它个虎虎生风，造它个一日千里，造它个恍如隔世。