科研数据造假判定实用情报策略与技术的宏观考量

刘胜利+潘云涛+赵筱媛

编者按：学术不端行为在世界各国、各个历史时期都曾经发生过。但近十年，学术不端事件频繁发生，而且涉及到从科研人员、教授到学生的各个层面。严重破坏了正常的学术秩序，违背了科学的求真精神。如何判断、防范和治理学术不端行为，政府管理部门及相关机构对学术不端的打击力度逐年加大，惩治学术造假的措施也逐年增多。本文作者从全新的视角提出了基于科研数据造假判定信息约束梳理、分类计量与风险模型构建的实用情报策略，以风险评估方式揭示科研数据造假的可能性，并对其技术实现的可能路径和原理进行了阐述。此项研究对于推进科研数据审核标准与制度建设，提高科研质量，营造良好的科研氛围具有重要的现实意义和实际应用前景。

〔摘 要〕[方法/过程]本研究对科学知识生产规律、科研数据发表行为惯例、学术不端防控研究现状、科研数据造假判定的实践困境及其原因进行宏观分析。[结果/结论]提出了基于科研数据造假判定信息约束分析、分类计量与风险模型构建的实用情报策略，从而以风险评估方式提示科研数据造假的可能性，文章还探讨了其技术实现的可能路径。[目的/意义]研究结果对完善科研诚信信息采集、计量情报工程体系具有参考意义。

〔关键词〕科研数据造假；信息约束；风险模型；情报策略与技术

DOI：10.3969/j.issn.1008-0821.2017.12.001

〔中图分类号〕G250255 〔文献标识码〕A 〔文章编号〕1008-0821（2017）12-0003-07

〔Abstract〕[Method/Process]Macroscopic considering the rule of scientific knowledge production，the behavior of research data publication，and analysis of practical difficulties in detection and judgment of scientific research data falsification and its reasons as well.[Result/Conclusion]The paper proposed the possibilities to apply a practical intelligence strategy based on the scientific research data fraud judgment information constraints analysis，classification，measurement and risk model building.The paper also further discussed the possible paths for technique implementation of this assumptions.[Purpose/Significance]The conclusions and results could be reference to improve the research integrity information collection，measuring intelligence engineering system.

〔Key words〕scientific research data falsification；information constraints；risk model；intelligence strategy and technology

根據经典的普赖斯曲线与普赖斯定律，科学知识生产呈指数增长，相应地，科研人员规模化、专业化和职业化发展，使包括科研数据造假在内的“学术不端”日渐增多。自2002年贝尔实验室“舍恩科研造假丑闻”发生后，各国频频爆出重量级的科研数据造假丑闻。2007年至今，欧洲科学基金会（ESF）和美国研究诚信办公室（ORI）已连续发起四届世界科研诚信大会，研讨了政府、出版界和科研界如何应对科研造假等学术不端的规则与策略问题，并于2010年发布了著名的《科研诚信新加坡声明》，第一条即为“科研人员应对其研究的可信性负责”[1]。2013年5月，Springer出版集团总监Tamara Welshot关于“学术出版过程如何甄别学术不端行为”的交流报告中，把“编造数据和数据造假”列为首当其冲的学术不端类型，排列在“冗余出版”和“剽窃”之前[2]。系统研究和立即应对科研数据造假问题，已成为相关各方极其关注的共识性热点问题。

作为学术不端的传统形式，科研数据造假往往具有很强的专业性和隐蔽性，如何基于可获得的“不完全信息”进行判定或计量评估，推进科研数据审核标准与制度建设，是维护科学的求真精神和科技期刊的权威性、促进负责任的科学研究亟待解决的情报工程与管理科学课题。

1 科研数据造假的界定、分类、防治和判定评估相关研究

1.1 科研数据造假的界定与分类

按照NSF（美国国家科学基金委）和ORI发布的FFP（Fabrication，Falsification & Plagiarism）模式[3]，科研数据造假可以界定为：“捏造和篡改各类科研数据”，“但不包括诚实性错误（Honest Error）和观点分歧（Differences of Opinion）”[3-4]。因此，科研数据造假往往是来自专业科研人员、有主观故意性的学术不端行为，有时也被称为实验室造假、科研造假。

根据科研数据的基本类型及科研数据生产利用的环节与行为惯例，综合对《科研诚信新加坡声明》[1]第1、2、3、4条及FFP定义的理解，科研数据造假包括：数据产生方法造假、描述和分类失实、测量和计量数据造假、比较对象不当、统计数据造假、数据加工及呈现方法不当等等，可按所涉及的科研环节归为3类，其惯常形式如表1所示：endprint

1.2 判定、防范、治理科研数据造假等学术不端的现实需求与研究概况

1.2.1 判定、防范和治理科研数据造假的现实需求

科研数据造假形势严峻。越来越多的论文所提供的数据无法“可重复性验证”，甚至“测试性试验也无法从论文提供的数据中得出相同或一致的结论”[5]。各国频频爆出重量级的科研造假丑闻（表2）。《Science》杂志不得不公布数据标准清单，供论文作者参照规范自己的科研数据。2014年7月在审稿规则中正式加入专业统计学家对论文数据进行审查的环节[5]。

公众对科研造假事件非常敏感。基于对科研伦理道德底线的预期和政府公共资金、资源使用效率的监督，任何针对科研数据的公开质疑或举报，都会引起公众关注，形成舆论事件，使科研管理方、杂志和科研工作者极为被动。

容忍科研数据造假的危害较大。科研最重要目标是创新，最直接的产品是数据。数据的真实性是判断科研价值、反映学术不端的重要指标。针对科研数据造假的无能为力，就更无法约束各类学术欺诈和学术不端的肆意发展。“学术不端”行为的普遍发生[6-7]，具有极大的社会危害性，它不但直接浪费科研经费、供给伪劣文献资料，危害公众利益，误导同行研究，而且对从事学术活动的科研主体产生“逆向选择”效应，从而降低科研效率、败坏学术风气，破坏学术资源生态及公众对科学的信赖。长远看更可能降低一国的科学研究与创新能力、危及国家的综合竞争力和持续发展能力[7-8]。

1.2.2 判定、防治科研数据造假等学术不端的研究概况

学术不端发生的成因。客观上由于研究者所承受的竞争压力、评价压力及私人利益诱惑[9-10]。包括科学界的“马太效应”[11]、职称评审业务考核[12-13]、“不出版就出局”的聘用和晋升机制、学术资源配置[14]、单纯量化政策的负面效应[9，11，15]、学术道德教育的缺乏[11，16]、学术规范意识缺乏对相关规范和程序的了解不足[11，17]、科研评价忽视学科差异和科研规律[9]、考核过频，且直接关系职务、职称、工资等切身利益。导致学者不得不去追求“短、平、快”、拼凑文章、一文分用、造假、抄编等等。主观上，学术不端也与个人的品行、能力、勤奋程度[17]、不公平感、职业生涯、性别和婚姻情况[18]等有关。

学术不端具有隐蔽性和难以遏制的原因及建议。主观方面由于科学研究的人在身处其中时在道德上自我推脱、在旁观时倾向保持沉默；在客观制度和环境方面主要由于审查机制的不健全[11]、组织内的学术道德风气不良[19-21]、组织内外的规则和与之相联系的奖惩制度及执行力度不合理[22]、监管惩戒制度的不完善[21，23-24]、相关法规的缺失[21]、顾及声誉[19]，社会上急功近利的浮躁风气[9-11，25]、为了自身局部利益弄虚作假或包庇行为[26-27]等等。按经济学逻辑，学术不端的出现是“理性人”的必然选择，原因是预期的效用超过了将精力花费在剽窃、造假上的效用及风险[28-30]，因此建议通过建立科研人员科研诚信选择的“收益——成本”微观模型、重视科研市场信号机制的建立、降低科研管理中信息不对称现象，提高科研管理效率[29]。

法律规制适用的研究[31]。目前对学术不端行为是否符合刑法的“必要性原则”尚存争议[32-33]，其中一个重要的反对理由是尽管我国惩戒学术不端的规范和民法业已存在，但尚未有效实施[33]。科研活动的复杂性和信息约束的客观存在，制约了学术不端行为的检测与判定。

概括而言，判断、防范和治理学术不端的研究，尚处于早期阶段，距离实践尚有距离。研究文献主要集中于对学术不端危害的分析[34]、行为的界定、具体表现[35]及主要判定特征[21]的描述，以及从经济学[30]、伦理学[36-37]、管理学[7]及法学[31-33]视角的理论探讨、实证分析、对策建议[35]、模型构建[38]、社会治理及监控主张[27，39]。情报策略与技术路径研究文献不足。

2 科研数据造假判断的实践困境

2.1 科研数据造假的定性判定必须满足两个基本要件

按照FFP规则，判定科研数据造假必须满足两个基本要件：1）数据无法证实；2）科研人员具有主观造假的动机。因此，除非显然违背科研数据本身的固有特征或关联规律，或者有充分的信息构成确定无疑的证据链条，证实涉事人确有主观動机与后果，否则科研数据造假不能轻易判定。

2.2 实践中科研数据造假判定的信息约束较多

尽管总量上人类正面临着全面的“信息爆炸”，但具体到特定的待判定的科研数据造假事件时，可以获取的信息却是严重不足的[40]。信息成本、信息时滞与信息的“有限理性”等客观存在，构成了信息约束。信息约束客观上制约了判定的科学性[40]。科研数据的捏造、篡改可以发生科研活动的任何环节，但相关检测和防范策略却并不完善（表1）。判定科研数据造假的信息约束较多。

2.2.1 专业壁垒和信息时滞客观存在

科研数据审核是耗时、复杂、难度极大的任务，并且一些新的科学发现超出论文发表时的认识与科技水平，要想发现其中的问题、或进行重复实验，几乎不可能完成[5]。而且随着社会发展，社会分工细化，专家与非专家的客观知识差距愈来愈大，即便同一行业的两个专家都完全可能无法理解对方的专业知识[40]。例如，1936年爱因斯坦与助手发表在《Physical Review》（中译：《物理学评论》）上关于“引力波”的推导数据和结论，就受到同行强烈质疑，直至2016年2月才由美国LIGO项目的科学家初次观测到[5，41-42]，时间和技术水平整整跨越了80年！

2.2.2 主观信息采集和编码困难

实践中受到质疑的科研数据往往是非常专业的数据，甚至能通过严苛的同行评议过程，若要定性为科研数据造假，必然依赖对其主观故意信息的采集、分析和证据固定。然而，由于私人信息的存在，特别是研究者品行秉性、社会交往等主观倾向信息具有隐蔽性[40]。相关的信息成本和信息“有限理性”不容忽视。endprint

2.3 依赖专业委员会和舆论介入判定科研数据造假的情报策略及其缺陷

为摆脱信息约束，科研数据造假的判断，既基于科学活动细节自身所呈现的“主动信息”和“一次信息”，也借助于专业调查与舆论监督等外界压力手段，让相关嫌疑行为主体产生合理的“被动信息”和“二次信息”。前者属于采集型情报策略，而后者属于激发型情报策略。

目前国内外影响较大的科研数据造假事件的定性判定，一般运用了专业调查和舆论介入的情报激发策略，取得了科研人员自身的供述性证言和涉事论文中无法获得的补充信息（表2）。例如在“小保方晴子事件”中，舆论压力和专业调查产生的二次信息与其科研活动中所呈现的主动信息互为声势，最终使小保方晴子不得不屈服于学术不端的指控。

但是，依赖专业委员会和舆论监督进行信息激发的情报策略也客观存在如下显著缺陷：1）判定需要舆论监督和专业调查委员会的参与，其社会成本和经济成本较高；2）判定往往需要较长的时间或程序，评价的时效差；3）对被调查对象产生严重的心理和声誉困扰，因此有可能会被人为的操纵或利用。

2.4 现有学术不端检测软件及其在科研数据造假判定上的局限性 现有“学术不端”检测软件及平台构建的原理，是基于文献、文本比对进行技术化编码加工和智能化信息计量，以评估论文的相似度、抄袭率、引用过度情况，供期刊编辑部或个人检测文稿和已发表的文献[43]，辅助判定抄袭与剽窃、不当署名等，大大提高了检测判定的时效性。但尚无见到用于科研数据、图表、图片等数据真实性检测的报道。即便是针对抄袭、过度引用和剽窃的判定，简单、机械以文字重合率作为标准也会不公。尤其是一些综述性、商榷性和经典分析类论文[56]，仍须参考专家意见进行综合权衡[44]。

3 关于科研数据造假计量评估策略与技术路径的考量：信息约束与风险模型

综合考量，判断科研数据造假有两个基本努力方向，据此可构建两类不同的情报分析策略及技术路径：

1）摆脱或减少信息约束，缩小信息的“不对称性”、使决策者获得更多的有价值情报，从而提高判定准确率；

2）基于能够获得的“不完全信息”，引进概率函数和风险理论、通过计量方法建立风险模型，客观度量和评价科研主体发生进行数据造假的风险，使决策者可以根据风险评估，及时选择“风险规避型”、“风险中立型”或“风险喜好型”的授信策略。

3.1 策略1：利用科研数据本身的固有特征或关联规律，摆脱信息约束，判定造假

3.1.1 技术路径1：基于专业隐性知识挖掘，摆脱信息约束

一般地，科研数据评估需要依赖同行评议专家人工判断，学术刊物编辑过程中，通常也包括剽窃软件检测[45]和专家评审两个基本程序[44]。同行专家最可能依靠其本人专业知识和实践经验，判定某些数据“过于完美”或“不可能”。例如，国内学者蒋晓辉即是通过专业化学知识与实践经验，抽提出分子式和元素分析误差数值范围的关联关系，从而判定一部分《Chinese Journal of Chemistry》国外研究稿件数据是捏造的[46]。同行专家之所以能判别出这类捏造数据，说明真实的专业数据本身具有一些固定的或关联的特征。理论上，这类基于专业隐性知识挖掘的情报策略，是摆脱信息约束的有效技术路径之一。

3.1.2 技术路径2：基于数据的统计分布规律

在财务的审计中，经常会利用“本福德定律”和“尼格林尼求和法”判定是否有人对原始数据动过手脚。《Science》杂志于2014年7月在审稿规则中正式加入专业统计学家对论文数据进行审查的环节[5]。分析天然数据本身的固有值域特征或统计分布关系，是摆脱信息约束，评估数据真实程度的另一可能路径。

3.2 策略2：基于“不完全信息”和“信息不对称”的风险计量评估

3.2.1 技术路径1：基于科研数据形式与信息约束多寡关联惯例，对科研论文或科研报告的数据造假进行风险计量评估

按照科研规则和惯例，公开发表的科研论文或报告，需要将研究数据产生的方法、步骤、系统误差、数据加工细节充分告知读者，以便同行对数据重复验证和应用时进行参考；负责任的研究者往往倾向于使用信息最为丰富的数据形式来增强其论文和报告的可信性。例如，在组织胚胎学研究中，一般会采用组织切片图或视频标注的形式来指示特定组织结构及其变化，但也有些研究论文或报告却会采用信息约束更多的结构模式图、示意图、甚至单纯文字描述的形式发表研究结论（表3）。

因此，对于研究方法表述、数据呈现形式可以按其信息约束的多寡进行分级度量，计量其数据造假的风险。这种科研数据计量评价的方法对于推进科研数据审核标准与制度建设至关重要，并且理论上对发表前后的数据都适用。

3.2.2 技术路径2：基于IF和RI对科研行为主体科研数据造假进行风险计量评估

最近《Nature》杂志报道了一个与“同行评议”、“学术不端”、“影响因子”都确切相关的新的评价指数——“撤稿指数（Retraction Index，RI）”，并且“撤稿指数（RI）”和影响因子（Impact Factor，IF）呈现正相关联[47-48]趋势（如图1所示）。

从图中不难发现：影响因子越高，撤稿率也越高，呈正相關趋势。因此，已发表科研数据的真实可靠性与杂志影响因子（IF）存在某种正相关联关系。这种关联说明：有潜在的可能，利用IF构建数学模型，作为评估数据真实性及学术不端的风险模型。

这种评估方法建立的合理性在于：更高影响因子意味着投稿的数据被更多同行细致的研读、判定乃至重复试验验证，面临更高的撤稿风险，其数据的真实程度必须更强。从研究者的角度，一般会把数据稳定、重复性好、对揭示本质规律价值较高的数据投向本领域影响因子较高的刊物，以防范可能发生的同行评议拒稿、甚至撤稿的风险。这种约定俗成，暗示了依赖IF和RI判定科研主体科研数据真实程度的可靠性。endprint

但是，由于不同学科学者发表刊物的范围和影响因子数值范围存在巨大差异，难以简单横向比较，从技术上讲，必须采用公平合适的方法进行加权平衡或标准化换算。

3.3 科研数据造假风险判断模型的构建：关于指标选择、分层和分类计量的思考

3.3.1 指标的选择、分类和分层

根据科研数据造假两个判定要件，依照科学研究和数据发表过程的常规惯例（表3）和数据造假判定案例（表2）的归纳与考量，数据造假风险判定指标的选择、分类、分层情况应对如下：

第一层级指标——定性指标（A类）。指可以直接定性为科研数据造假或科研数据真实的信息。如：自己承认数据捏造、夸大或篡改的记录；科研数据明显不符合数据本身应有的固有特征或关联规律的报告；有确凿的人、物证据链条证实科研数据造假真实发生的证据；数据明显缺乏合理的空白与对照；研究方法和设备明显不可实现；研究数据被同行反复重复、验证，误差在合理范围内，可以定性为数据真实；

第二层级指标——嫌疑指标（B类）。指虽然不能定性，但反映数据可信性程度的信息。如：发表期刊的影响因子；数据本身的呈现形式、信息约束和造假难易；同行评议意见；不为发表的数据提供所要求的补充证据等等。该类指标在第一类指标无法获得时，充当风险计量的核心依据。

第三层级指标——信息约束（C类）。无法客观确定的A类和B类指标，定义为信息约束，信息约束比例作为辅助计量指标参与风险计量。

3.3.2 指标的分层计量和分类计量

关于分层计量。A类指标为定性指标，直接确定数据造假的风险是1或0；B类指标分别依据科研惯例进行加权计量；C类指标作为辅助指标以百分比的形式进行赋值，若A类和B类指标全部都无法客观确定时，C类指标的百分比定义为100%，此时待判科研数据造假的风险为定义为50%。凡∑（A，B，C）的风险计量高于50%的科研数据，判定为有造假风险的数据，并依据偏离50%的程度，分别定义为风险数据、嫌疑数据和造假数据。

关于分类计量。科研数据造假模型的构建可以依据评价对象的不同采用不同的分类计量方法。对科研论文、科研单元和科技期刊，适用不同的指标计量体系进行分类计量，构建风险模型。

4 总结、讨论与展望

在新一轮的科技革命中，世界各国都在以科技创新作为核心推动力，推进社会的升级发展，政府都通过支持与资助科研活动提升国际经济竞争力。相应地，科研人员的规模化和职业化发展，“马太效应”显现，客观上使包括科研数据造假在内的“学术不端”正日渐增多。由于科研数据造假具有极大的社会危害性，公众对“科研造假”具有高度的敏感性，某些专业科研数据的公开质疑能够触发公众舆论的持续关注和争议，成为舆论焦点事件。以生物学领域科研数据造假风波和论文撤稿“井喷”为代表的“科研数据造假公众舆论事件”正呈现多发态势，不但自然科学领域屡见不鲜，社会科学领域也时有披露。

科研数据造假很难评估的原因是其具有很强的专业性，信息约束和专业壁垒客观存在，不易像检测剽窃那样，能通过文献、文本比对进行技术化编码加工和智能化信息計量。公众舆论催动下的科研数据造假介入调查，一定程度上能促进信息约束解除，客观推动对“科研造假事件”的介入调查与判定。但同时，公众舆论催动下的科研造假介入调查也是强烈扰动科研活动的不规范行为，尤其在利益攸关的创新前沿，未经过确证的过度炒作，容易引发后来者有意规避或恶意操纵。此外，过度的舆论压力，可能导致涉事学者的非正常死亡、退出，或者研究机构非正常关闭，不利于营造科技创新的宽松环境。而且依赖媒体的社会成本过大，规范性和标准化前景不好。

实际上，20世纪80年代以前，界定和判定科研数据造假在早期的科学社会学中并不具备独立性。当时的默顿学派认为，科学的“纯洁性”可以通过科学社会的“自我控制”和“自我治理”来实现。在早期自然科学研究中，数据加工行为也较为普遍，例如大名鼎鼎的孟德尔就摒弃了一些干扰规律发现的豌豆统计数据，以获得对其本人关于遗传规律设想“完美”支持的证据。

因此，如何界定数据造假，既能高效狙击科研数据造假，又能兼顾科技创新所需的自由、宽松环境，不得不充分考虑科研中数据不能“重复”、“再现”或“再测试”的客观“边界”问题。因此，直面科研数据造假的客观存在，寻求科学合理的情报策略与情报技术，必须宏观考量科学知识生产过程、科学研究者行为特征、科研数据造假界定与防控效率、科研数据造假判定的实际信息需求、国内外科研数据造假判定实践案例的优劣等因素，挖用于判断的掘隐性知识，以之对“科研数据造假”进行判定性检测和计量性评估。

基于上述考量，我们提出基于科研数据造假判定信息约束梳理、分类计量与风险模型构建的实用情报策略，并在本文中探讨了其技术实现的可能路径与原理，以资未来构建相应信息采集、计量的情报工程体系进行参考。持续、系统、深入地研究“科研数据造假判定的信息约束和风险模型”相关理论与技术问题，完善指标选择、分层和分类计量，对于推进科研数据审核标准与制度的建设，维护科学的求真精神和科技期刊的权威性，促进负责任的科学研究，具有实际应用前景。

参考文献

[1]世界科研诚信大会，科研诚信新加坡声明[J].科学通报，2010，55（z2）：2784.

[2]Welshot T.Springer：学术出版如何防止学术造假与学术不端[R/OL].Available from：http：//www.qikan.org/Article/9503.html，2013.

[3]Stein C.Scientific fraud[J].Trends in Anaesthesia & Critical Care，2015，5（2–3）：76-79.

[4]Pigenet Y，Benytzhak L.向科研欺诈宣战[J].中国科学院院刊，2015，（4）：564-567.endprint

[5]郜书锴，《科学》杂志怎么应对数据造假[J].现代出版，2016，（4）：76-78.

[6]Marshall E.How Prevalent Is Fraud？Thats a Million-Dollar Question.（Office of Research Integrity funds investigations into scientific fraud）（Brief Article）[J].Science，2001，290（5497）：1662-3.

[7]赵延东，邓大胜.科技工作者如何看学术不端行为——问卷调查的结果[J].科研管理，2012.33（8）：90-97.

[8]陈银飞.道德推脱、旁观者沉默与学术不端[J].科学学研究，2013，31（12）：1796-1803.

[9]张婍，王二平，孙建国.科研道德和学风问题的现状与管理对策建议[J].科研管理，2009，30（4）：144-153.

[10]吴寿乾.科学研究中的不端行为及其防范[J].科技管理研究，2006，26（11）：29-31.

[11]卢艳君.学术论文不端行为的成因分析[J].科技管理研究，2007，27（9）：51-53.

[12]常亚平，蒋音播.高校学者学术不端行为影响因素的实证研究——基于个人因素的数据分析[J].科学学研究，2008，26（6）：1238-1242.

[13]曹南燕.大学科研中的诚信问题[J].清华大学学报：哲学社会科学版，2004，（2）：5-9.

[14]Broome ME，Pryor E，Habermann B et al.The Scientific Misconduct Questionnaire--Revised （SMQ-R）：validation and psychometric testing[J].Accountability in Research Policies & Quality Assurance，2005，12（4）：263-80.

[15]王雅芬.科研不端行为的界定及其防范与治理[J].研究与发展管理，2007，19（4）：133-137.

[16]王锋.科学不端行为及其成因剖析[J].科学学研究，2002，20（1）：11-16.

[17]Redman BK，Merz JF.Evaluating the oversight of scientific misconduct[J].Accountability in Research，2005，12（12）：157-62.

[18]Breen KJ.Misconduct in medical research：whose responsibility？[J]. Internal Medicine Journal，2003.33（4）：186–191.

[19]常亚平，蒋音播，阎俊.基于组织因素的高校学术不端行為影响因素的敏感性分析[J].管理学报，2009，6（2）：264-270.

[20]Gaddis B， Helton-Fauth W， Scott G et al.Development of Two Measures of Climate for Scientific Organizations[J].Accountability in Research，2003，10（10）：253-288.

[21]韩丽峰，徐飞.学术成果发表中不端行为的形式、成因和防范[J].科学学研究，2005，23（5）：623-628.

[22]Pryor ER，Habermann B，Broome ME.Scientific misconduct from the perspective of research coordinators：a national survey[J].Journal of Medical Ethics，2007，33（6）：365-369.

[23]洪明苑.关于对科学活动中不端行为监督的讨论[J].中国科学基金，2003，17（4）：219-221.

[24]黄怡胜.从论文造假看国内学术不端问题[J].华南师范大学学报：社会科学版，2006，（6）：151-153.

[25]何晓聪.高校学术不端成因及其治理研究[J].高教论坛，2007，（1）：137-139.

[26]刘轶博，张磊，雷二庆.学术不端行为研究[J].广东省社会主义学院学报，2007，（2）：70-73.

[27]李真真.转型中的中国科学：科研不端行为及其诱因分析[J].科研管理，2004，25（3）：137-144.

[28]杨小敏.学术不端行为的经济逻辑[J].复旦教育论坛，2010，8（6）：72-76.

[29]陕立勤.信息不对称条件下科研工作者行为选择的经济学分析[J].西北民族大学学报：哲学社会科学版，2015，（6）：146-151.

[30]贾宝余，刘红.科研道德失范行为的经济学解读[J].科学学研究，2013，31（6）：813-817.

[31]胡志斌.学术不端行为的法律规制研究[M].北京：中国法制出版社，2014.

[32]胡志斌，刘紫良，孙超.学术不端行为的刑法规制研究[J].学术界，2011，（10）：39-47.

[33]董兴佩.学术剽窃行为犯罪化之否定论[J].科学学研究，2011，（7）：965-972.

[34]李光福.学术不端行为泛滥及其严重后果[J].东南大学学报：哲学社会科学版，2011，13（3）：57-61.endprint

[35]汪俊，吴勇.制度框架下科研不端行为治理对策研究[J].中国科学基金，2009，23（5）：291-297.

[36]李晓慧.道德失衡到学术不端：基于风险伦理的思考[J].学术论坛，2011，34（11）：182-185.

[37]陈银飞.道德推脱、旁观者沉默与学术不端[J].科学学研究，2013，31（12）.

[38]张立，王华平.学术不端行为的模型化研究[J].科学学研究，2007，25（1）：32-37.

[39]胡婧坤，刘培一.2000-2009年国内学术不端行为研究综述[J].图书情报工作，2010，54（20）：144-148.

[40]马费成.信息经济分析[M].北京：科学技术文献出版社，2005：6-56.

[41]Abbott BP，Abbott R，Abbott TD et al.，GW170817：Observation of Gravitational Waves from a Binary Neutron Star Inspiral[J].Physical Review Letters，2017，119（16）：161101.

[42]Abbott BP，Abbott R， Abbott TD et al.A gravitational-wave standard siren measurement of the Hubble constant[J].Nature，2017，551：85.

[43]张昊浩，高国龙，钱俊龙.国内外学术不端文献检测系统平台的比较研究[J].中国科技期刊研究，2011，22（4）：514-521.

[44]周莉华.取舍之间：如何正确判断学术不端及专家意见[J].出版发行研究，2013，（3）：79-81.

[45]Jaric' I.High time for a common plagiarism detection system[J].Scientometrics，2015：1-3.

[46]蔣晓晖.从元素分析造假漏洞入手严把国外来稿学术质量关[J].编辑学报，2008，20（2）：109-111.

[47]Fang FC，Casadevall A.Retracted science and the retraction index[J].Infection & Immunity，2011，79（10）：3855.

[48]Why high-profile journals have more retractions[N/OL].Nature News，2014，Available from：http：//www.nature.com/news/why-high-profile-journals-have-more-retractions-1.15951.

（本文责任编辑：马 卓）endprint