在学术研究中，操纵数据以获得虚假结果是一项严重的违反学术诚信行为，可能导致撤回论文、损害声誉和财务后果。以下是一些不当操纵数据以获得虚假结果的共同策略： 1. **选择性呈现数据**：选择性地呈现部分数据或结果，而不是全部数据集，以支持预期结论。 2. **数据伪造**：完全捏造数据，包括实验、调查或其他数据。 3. **数据篡改**：通过以下方式修改真实数据： * 删除或添加数据点 * 更改数据值或分类 * 操纵计量工具或设备 4. ** tidak代表性抽样**：故意选择有偏见的样本，包括： * 非随机抽样 * 过度抽样或欠抽样特定子群体 * 使用可能导致结果有偏见的参与者 5. **塔木德数据分析**：反复进行统计分析，直到获得所需的结果，然后删除未获得显著结果的分析。 6. **重复使用和重复发布**：重复使用相同的数据或结果跨多个出版物，没有适当的引用或披露。 7. **隐瞒数据收集或分析的方法**：故意隐瞒数据收集、处理或分析的方法，以避免审查或批评。 8. **图表操纵**：操纵图表或图形以支持虚假结论，包括： * 缩放或放大轴 * 删除或改变标签或轴标签 * 以淹没或错误呈现数据 9. **报告错误统计**：错误地呈现统计结果，包括： * 计算错误的p值 * 使用不恰当的统计测试 * 隐瞒统计分析的假设 10. **同行评议障碍**：阻碍同行评议或审查过程，包括： * 故意回避审查 * 提交不完整或误导性的数据集 * 对评论或批评进行人身攻击 11. **返回数据挖掘**：在数据中搜索模式或相关性，然后視这些发现为事先的假设。 12. **使用不恰当的数据处理技术**：使用不恰当的数据处理技术，例如： * 使用不合适的规范化方法 * 忽略数据质量问题 * 使用不能解决研究问题的数据处理技术 13. **隐瞒数据来源**：故意隐瞒数据来源，包括： * 未披露数据收集的时期 * 未提供数据来源的信息 * 隐瞒数据收集或分析中的潜在偏见 14. **创建有偏见的问卷或调查**：设计有偏见的调查或问卷，包括： * 使用有偏见的语言 * 包含有问题或误导性的问题 * 突出或强调某些答案选项 15. **利用研究人员偏见**：允许个人偏见或期望影响数据分析或解释，包括： * 由可能影响解释的个人价值观或信仰驱动的解释 * 忽略与之前的发现相矛盾的证据 要避免这些策略并保持研究的完整性，研究人员应该： * 遵循信实的研究实践 * 将方法和数据公之于众 * 参与开放和透明的同行评议过程 * 招揽多元化的研究团队进行数据收集和分析 * 参与持续的 ?ào t?o和就业发展以保持专业知识和技能 * 优先考虑诚实和公平，而不是预期结果或期望Número