科技部近日联合相关部门，重点关注自然科学领域内中国学者在国际期刊上的撤稿论文，针对虚构伪造数据等学术不端行为，部署开展专项整治行动，引发学界关注。

　　数据是科学研究的基础，其真实性与规范性共同构成学术成果可信度的核心。在社会科学研究中，数据科学的严谨要求与自然科学具有同等重要性。当前该领域存在虚构伪造数据等不当使用数据行为，具体表现为“P值操纵”“篡改或捏造调查数据”“选择性报告结果”等多种形式。这类行为不仅违背科学研究的基本准则，也严重破坏公平竞争的科研环境，对学科发展和学术生态造成深远负面影响。

　　为深入剖析社会科学研究中数据操纵的表现、成因及后果，探寻治理之策，本报记者面向相关学者开展问卷调查，最终收回236份有效问卷。数据显示，30.5%的受访者认为，所在学科中数据操纵现象较为普遍或非常普遍，表明该问题亟须引起重视。

　　数据操纵存在多种形式

　　问卷调查中，分别有52.54%、33.47%、28.39%、21.61%的受访者表示，曾目睹或听说过，身边其他研究者曾有过选择性报告调查数据、捏造调查数据、篡改调查数据、P值操纵等四类数据操纵行为。这表明，相关问题在当前社会科学研究中并非个例。

　　具体而言，“P值操纵”指在定量分析中，通过多次检验、选择性报告等方式让不显著的结果“变显著”。“选择性报告”则指仅呈现与假设一致的回归结果，而弱化或省略不显著部分。总体上看，数据操纵在不同学科、不同类型的研究中，普遍程度和表现形式存在差异。调查中，更多学者倾向认为，定量研究更容易出现数据操纵。“经济学在各门社会科学中最为定量化，专业期刊也更偏爱量化研究论文，数据操纵行为出现的概率可能比其他社会科学高。”首都经济贸易大学教授安树伟表示。

　　长期从事应用经济学研究的王伟（化名）也观察到，社会科学研究更依赖个人判断，这让数据处理环节容易出现操作不规范甚至人为操纵的情况。他将定量研究中常见的数据操纵行为归纳为两种典型：一是在缺乏理论支持的情况下反复更换变量、调整模型或筛选样本，以获得显著结果。二是选择性报告，即仅呈现与假设一致的回归结果，而弱显著或不显著的部分被有意弱化或省略。

　　依赖质性文本数据开展的定性研究，是否也可能会出现数据不当使用问题？在中国农业大学人文与发展学院教授叶敬忠看来，定性研究不是为了证明特定事实，而是为了建构理论，只有从实践获取鲜活素材，才能做出好的研究。但依靠伪造数据、编造故事无法真正促进理论的提炼，因而数据操纵在这个领域还是鲜有发生。不过，山东大学人文社科期刊社社长魏建注意到，AI的普及使伪造案例和访谈对话变得更加简单，客观上对定性研究中的数据可靠性提出了挑战。同样有学者反映，在学生的课堂作业中，有时会发现疑似使用AI生成访谈记录的情况。

　　尽管问题值得警惕，但厦门大学中国能源政策研究院院长林伯强也强调，随着学术成果发表管理的日趋规范，近年来学术不端现象已经显著改善，数据操纵如今整体上仍属少数现象。

　　数据操纵源于多种因素

　　数据操纵对学科发展和学术生态具有多重负面影响。从问卷数据来看，约八成的受访者认为，数据操纵会降低学术成果可靠性和学科公信力。“经过数据操纵生成的虚假结论，会导致后续研究在错误的基础上继续推进，从而削弱学术研究的科学性，也有可能对决策者产生误导。”安树伟说。

　　此外，数据操纵如若形成风气，将会对学术生态和科研环境造成严重破坏，致使“劣币驱逐良币”。在王伟看来，部分研究者在量化考核压力的驱使下，通过数据操纵，可能会形成为追求快速发表而漠视结论可靠性的不良倾向，这会使真正投入时间、诚信开展研究的学者在科研竞争中处于不利地位，严重恶化学术生态。

　　究竟是哪些因素造成了社会科学研究中数据操纵现象的产生？

　　当前，社会科学研究的收集和处理数据手段不断更新，数据来源日趋多样化，主要包括：国家统计局和有关政策部门公布的宏观和产业数据、研究机构和企业发布的调研数据以及学者自己收集的田野数据。其中，第一类官方数据最为可靠。第三类数据获取方式较为灵活，但也是在研究中最易招致质疑的数据。受访学者普遍认为，大部分学者并不会主观捏造或篡改数据，但不排除学者个人调研获取的数据具有偏差性。比如，因受调研资金约束，所获数据广度和深度可能不足，数据来源复杂度导致可靠性需验证。这对学者而言，或是一种两难选择：国家公布数据可靠但宏观性强，研究微观经济问题时面临数据不足的困难；依赖田野调查所获微观数据可能偏离真实。

　　中国社会科学院经济研究所研究员刘霞辉提出，数据处理环节是问题的多发区。社会科学难以进行封闭实验，所得数据易受到波动和干扰，导致统计结果不尽如人意，难以得出有效结论。因此，学者会采用特定的统计方法来补全数据、剔除极端值、处理内生性问题等等。然而，有些统计方法缺乏公认的使用标准，不同学者处理相同数据时，得出的结论可能存在差异，这会引起人们的质疑。

　　在社会科学定量研究中，如果初始研究发现不符合预期假设，研究者仍可以通过更换代理变量、重新进行变量操作化等技术手段继续改进研究。然而，也正是因为研究过程的灵活性，必要的数据处理和有意的数据操纵，二者边界并非泾渭分明。对此，王伟认为，只要每一步处理都可复现、有明确理由，并能在附录中公开解释，就属于正当的数据处理；但若为了显著性或迎合预期而反复试验模型、删除不符数据，则违背了学术规范，滑向了数据操纵的一端。

　　调查结果表明，“降低科研成本，缩短写作周期，缓解发表压力”是研究者实施数据操纵的首要原因。在魏建看来，由于发表需求和供给之间存在严重失衡，为达到既定期限内的考核发表要求，难免会有学者走上歧途。

　　探索多方协同治理之路

　　治理数据操纵现象，需要学者、期刊、高校和主管部门多方主体共同努力。

　　对于学者来说，学术道德素养与科研经验是避免数据操纵行为的关键内在因素。在东南大学社会学系教授程诚看来，每位研究者都会遭遇外部压力，但一个具备良好学术道德素养的研究者，会通过反思研究设计不断精进，甚至在必要时果断放弃选题，而非萌生操纵数据的念头。据刘霞辉的观察，由于欠缺科研经验，学生阶段的论文撰写更容易出现相关的数据问题，这需要导师的严格把关和及时纠正。

　　刘霞辉还特别从数据处理角度提出建议。他以奇异值举例说明，这类研究数据中的个别特殊值，能对统计结果造成显著影响。由于难以从中提取有效信息，许多学者常将其简单作删除处理。“实际上，奇异值背后可能隐藏着季节、地域甚至文化因素的影响。虽然从统计学角度将其剔除有合理性，但如果学者能从中挖掘出有价值的研究发现，无疑将是更好的处理方式。”刘霞辉强调。林伯强有同样的看法：“初步结论不符合合理预期和逻辑，就要深挖原因和考虑调整研究角度。”

　　近年来，越来越多的社会科学专业期刊开始要求作者在提交论文时，同步提供数据和程序代码等相关文件。多数受访学者认为，通过提升可复现性，不仅可以使研究者更加谨慎地处理数据，有效抑制数据操纵行为的发生，还能方便初学者进行复现研究，更快地掌握相关知识，降低专业门槛。

　　目前，采取上述措施的期刊还主要是经济学领域的专业期刊。魏建表示，受制于经济和时间成本，很多期刊暂时还难以执行这项措施，主要依靠审稿人的丰富经验来识别潜在的数据问题。“如果匿名审稿制度得到有效推行，且审稿人忠实履行职责，在很大程度上能缓解或杜绝数据操纵问题。”刘霞辉补充道。

　　对于高校以及主管部门而言，如果能够在规范科研评价体系方面取得更大进展，破除“唯论文”导向，将有助于消除研究者实施数据操纵的主观动机。也有学者提出，进一步完善调查数据共享平台，加强统一数据库建设，让研究者更便捷地使用更多公开、高质量的研究数据，同样是抑制数据操纵现象的可行之策。

　　社会科学研究的生命力，在于为社会问题的解决提供植根于真实世界的真知灼见。这必然要求其建立在真实可靠的数据与严谨客观的过程之上。整治数据操纵，非一日之功，亦非一方之责。唯有研究者坚守底线、学术期刊筑牢堤坝、管理机构革新土壤，方能共建清朗学术生态，保障中国社会科学在追求真理的道路上行稳致远，焕发持久生机。

　　中国社会科学报记者 张清俐 实习生 刘开泰