मैं मूर्खों की मूर्खता में बताता हूं कि विज्ञान स्वाभाविक रूप से आत्म-सही है-इसके लिए प्रयोगों, डेटा एकत्रण और विश्लेषण के तरीकों की पूरी तरह से स्पष्ट, बेहतर दोहराया और इस तरह सत्यापित या ग़लत साबित होने की आवश्यकता है-लेकिन जहां इंसान या सामाजिक व्यवहार शामिल हैं , परिणामों की स्पष्ट महत्व और उनकी सच्चाई पर जांच की कठिनाई के कारण त्वरित और नाजायज़ प्रगति के लिए प्रलोभन तेज हो जाता है। हाल ही में जानबूझकर धोखाधड़ी के मामलों में प्राइमेट अनुभूति (हार्वर्ड) के अध्ययन, रिवेस्ट्रैटोल (यू कॉन) के स्वास्थ्य लाभ, और कई सामाजिक मनोविज्ञान निष्कर्ष (टिलबर्ग यू, नीदरलैंड) के अध्ययन में खुलासा किया गया है। मैं कुछ बाद के ब्लॉग को विज्ञान में धोखाधड़ी के अन्य पहलुओं को समर्पित करूँगा, लेकिन यहां सांख्यिकीय धोखाधड़ी और संयुक्त राज्य अमेरिका में प्रकाशित मनोविज्ञान पत्रों में डेटा साझाकरण की कमी के एक बहुत ही चतुर विश्लेषण के साथ शुरू होगा। यह और संबंधित कार्य सुझाव देते हैं कि विज्ञान में धोखाधड़ी की समस्या जानबूझकर कुछ बड़े मामलों की तुलना में बहुत व्यापक है, बड़े पैमाने पर धोखाधड़ी का सुझाव हो सकता है।
विस्कर्ट्स और सह-लेखक ने अमेरिकन साइकोलॉजिकल एसोसिएशन (एपीए) के 50 से अधिक पत्रिकाओं में प्रकाशित सभी कागजात के एक छोटे से उल्लेखनीय सुविधा का उपयोग किया- इन पत्रों के लेखकों ने अनुबंध के द्वारा किसी भी व्यक्ति के साथ अपने कच्चे डेटा को साझा करने के लिए अनुबंध किया है , प्रतिकृति प्रयास करने के लिए फिर भी इस समूह के काम से पता चला है कि चार शीर्ष एपीए पत्रिकाओं में 141 कागजात के लिए, 73% वैज्ञानिकों ने डेटा को साझा नहीं किया जब पूछा गया। चूंकि वे कहते हैं, सांख्यिकीय त्रुटियों को आश्चर्यजनक रूप से सामान्य माना जाता है और सांख्यिकीय परिणामों के खातों में कभी-कभी गलत होते हैं और वैज्ञानिक अक्सर सांख्यिकीय विश्लेषण के दौरान निर्णय लेने के लिए प्रेरित होते हैं जो अपनी पसंद की दिशा में पक्षपाती हैं, वे स्वाभाविक रूप से देखने के लिए उत्सुक थे कि क्या डेटा और सांख्यिकीय पूर्वाग्रह के साक्ष्य की रिपोर्ट करने में विफलता के बीच कोई संबंध।
यहां वो एक नाटकीय परिणाम मिला है। उन्होंने अपने शोध को केवल चार पत्रिकाओं में सीमित कर दिया, जिनके वैज्ञानिकों को डेटा साझा करने की अधिक संभावना थी और जिनके अध्ययन का प्रयोग प्रायोगिक डिजाइन होने के समान था। इससे उन्हें 49 कागजात दिए गए। फिर, बहुमत अकादमिकों की भड़ौली के रूप में बर्ताव करने के बजाय, किसी भी डेटा को साझा करने में विफल रहा। उन लोगों से पूछा गया कि 27 प्रतिशत अनुरोध (या दो अनुवर्ती अनुस्मारक) का जवाब देने में विफल रहा है, सबसे पहले, आत्मरक्षा की लाइन, पूर्ण चुप्पी -25 प्रतिशत ने डेटा साझा करने का वादा किया, लेकिन छह साल बाद ऐसा नहीं किया था 6 प्रतिशत ने दावा किया कि डेटा खो गया था या कोई पाठ्यपुस्तक लिखने का कोई समय नहीं था। संक्षेप में, 67 प्रतिशत (कथित) वैज्ञानिकों ने विज्ञान की पहली आवश्यकता से बचना – सब कुछ स्पष्ट और दूसरों के निरीक्षण के लिए उपलब्ध है।
क्या इस सभी अनुपालन में कोई पूर्वाग्रह था? बेशक वहाँ था जिन लोगों के परिणाम पी = 0.05 के घातक कट ऑफ बिंदु के करीब थे, उनके डेटा को साझा करने की संभावना कम थी। हाथ में हाथ, वे अपने स्वयं के पक्ष में प्राथमिक सांख्यिकीय त्रुटियों को कम करने की संभावना अधिक थे उदाहरण के लिए, सभी सात पत्रों के लिए, जहां सही ढंग से गणना किए गए आंकड़ों ने निष्कर्षों को गैर-महत्वपूर्ण (10 त्रुटियां सभी में) प्रदान किए, कोई भी लेखकों ने डेटा साझा नहीं किया है यह पहले के डेटा के साथ संगत है कि यह लेखकों को उन सवालों के जवाब देने में काफी समय लगा है जब उनके रिपोर्ट के परिणामों में असंगत होने से परिणामों के महत्व को प्रभावित किया गया (जहां डेटा साझा किए बिना जवाब!)। 49 अख़बारों में कुल 1148 सांख्यिकीय परीक्षणों में से 4 प्रतिशत गलत वैज्ञानिकों के सारांश आंकड़ों पर ही आधारित थे और इन गलतियों का पूर्ण 96 प्रतिशत वैज्ञानिकों के पक्ष में था। लेखक कहेंगे कि उनके परिणाम 'एक-पूंछ परीक्षण' (प्राप्त करने के लिए आसान) के हकदार थे, लेकिन उन्होंने पहले से ही एक टेल परीक्षण की स्थापना की थी, जिससे वे इसे आधा कर दिया, उन्होंने एक 'एक-अर्ध पूंछ परीक्षण' बनाया। या उन्होंने यह उल्लेख किए बिना एक टेयल टेस्ट चलाया, भले ही एक दो-पूंछ परीक्षण उचित था और इसी तरह। अलग काम से पता चलता है कि केवल एक तिहाई मनोवैज्ञानिक अपने डेटा को संग्रहीत करने का दावा करते हैं-बाकी सब कुछ शुरूआती लगभग असंभव बनाते हैं! (मेरे पास 'संग्रहित' छिपकली डेटा के 44 साल हैं- मेरे मेहमान होने के लिए।) ऐसा लगता है कि इसी तरह की प्रथा समाजशास्त्र से दवा तक अन्य "विज्ञान" में डेटा साझा करने के लिए व्यापक अनिच्छा से जुड़ी हुई है। बेशक यह सांख्यिकीय कदाचार संभवतः हिमशैल के टिप का है, क्योंकि अज्ञात डेटा और विश्लेषण में एक भी अधिक त्रुटियों की अपेक्षा है।
सीमन्स के एक हालिया पत्र में समस्या की गहराई को अच्छी तरह से पता चला था, और सह-लेखक। ले होम संदेश शीर्षक (भाग) में है: "डेटा संग्रहण और विश्लेषण में अन्तर्निहित लचीलेपन, कुछ भी महत्वपूर्ण पेश करने की अनुमति देता है"। और वे कुछ भी मतलब है एक गलत अध्ययन में वे वास्तविक विषयों पर चले गए, उन्होंने यह साबित करने में कामयाब रहे कि एक तरह के संगीत को सुनने से दूसरे की सुनने की तुलना में एक जन्म-तिथि बदल गई। उन्होंने यह आश्चर्यजनक-और बहुत ही महत्वपूर्ण कैसे हासिल किया! -सचिव? प्रत्येक विषय के पिता की उम्र को एक डमी वैरिएबल के रूप में पेश करने के लिए "प्रतिभागियों में आधारभूत आयु में बदलाव के लिए नियंत्रण" का मतलब है। संभवत: सबसे सामान्य और प्रभावी उपाय डेटा को इकट्ठा करना जारी रखना है जब तक कि परिणाम महत्वपूर्ण नहीं हो जाता है, फिर रोकें। लेखकों में डेटा विश्लेषण और प्रस्तुति के बारे में "आजादी की डिग्री" की एक बड़ी संख्या है, जो डिग्री उन्हें पर्याप्त मौका देते हैं, न कि उनके डेटा को "मालिश" करना, क्योंकि वैज्ञानिक इसे डालना चाहते हैं- लेकिन यादृच्छिकता से सच्चाई तैयार करने के लिए।
इसलिए अच्छी खबर है और बुरी खबर है बुरा यह है कि सांख्यिकीय रूप से महत्वपूर्ण धोखे के लिए पर्याप्त उत्पादन और उत्पादन के लिए बहुत अधिक प्रेरणा है, और उसके बाद इसे छिपाना यह चेतना के अलग-अलग डिग्री पर काम कर सकता है इसी समय, विज्ञान स्वयं को सही कर रहा है, अच्छे उदाहरण होने के बाद के अध्ययनों का उल्लेख किया गया है। सत्य का विज्ञान-विशेषकर मानव सामाजिक जीवन के बारे में-के लिए असत्य का विज्ञान की आवश्यकता होती है, जिसमें उन्हें उजागर करने के लिए नए तरीके शामिल हैं।
विक्टर, जेएम, बेकर, एम और मेलनर, डी। 2011. शोध डेटा साझा करने की इच्छा साक्ष्य की ताकत और सांख्यिकीय परिणामों की रिपोर्टिंग की गुणवत्ता के लिए जारी की जाती है। प्लस एक: 6: 1-7
सीमन्स, जेपी, नेल्सन, एलडी और साइमनोउंह, यू। 2011. झूठी सकारात्मक मनोविज्ञान: डेटा संग्रह और विश्लेषण में अपरिवर्तनीय लचीलेपन कुछ भी महत्वपूर्ण पेश करने की अनुमति देता है मनोवैज्ञानिक विज्ञान 22: 1359-1366
