早期科研人员可以通过评估研究的透明度、检查原始数据的可用性、审查方法的一致性以及评估结果的可重复性来识别数据完整性 (data integrity)。
了解科研伦理并识别可靠的数据是研究生的一项关键技能。随着学术界对可重复性危机 (reproducibility crisis) 的持续关注，你需要确保自己研究所依据的论文是建立在扎实、未伪造的数据之上的。
以下是评估学术论文中数据完整性的最有效方法：
1. 寻找开放数据与透明度
数据完整性最有力的指标是透明度。请检查作者是否提供了获取其原始数据、源代码和补充材料的途径。遵循开放科学 (Open Science) 和 FAIR（可发现、可访问、可互操作和可重用）原则的研究通常更加可靠，因为其底层数据可供公众审查。
2. 审查方法的一致性
仔细阅读方法部分，确保统计分析与研究问题保持一致。警惕诸如“p值操纵” (p-hacking，即操纵数据或分析过程，直到不显著的结果变得显著) 或 HARKing (Hypothesizing After the Results are Known，即在已知结果后提出假设) 等危险信号。样本量、控制变量和统计检验应符合所描述实验的逻辑。
3. 评估可重复性
科研诚信 (scientific integrity) 的一个重要标志是实验能否被独立团队复现。请注意作者是否提供了足够详尽的步骤细节，以便他人重复其研究工作。如果你想测试一项研究的复现潜力，WisPaper 的 PaperClaw 工具允许你上传论文 PDF，并自动生成完整的实验复现计划，让你轻松发现缺失的方法细节。
4. 检查视觉数据是否存在篡改
数据伪造往往隐藏在图表中的显眼位置。请仔细观察显微镜图像、蛋白质印迹 (western blots) 和图表数据。背景噪声的不自然重复、图像拼接，或不同实验组之间出现完全相同的误差线，都是视觉数据被篡改的常见警告信号。
5. 检查引用的可靠性
一篇具有高数据完整性的论文会准确反映其所依据的过往文献。请验证引言和讨论部分中的基础性主张是否得到了可靠的、经过同行评审 (peer-reviewed) 的文献支持，而不是为了迎合特定论点而断章取义。
通过在文献检索过程中积极应用这些检查方法，你将能保护自己的学术工作，避免因存在缺陷或伪造的数据而偏离正轨。