拖延症经典研究被指数据造假
Evidence of Fraud in an Influential Study About Procrastination
一篇发表于 2002 年、被引用超过 2100 次的关于拖延症与截止日期的经典研究，近期被证实无法复现。DataColada 团队深入分析了 Dan Ariely 和 Klaus Wertenbroch 原始研究的数据文件，发现了令人震惊的异常：效应量大到违背常识，且存在大量完全重复的观测数据。分析显示，Study 2 的数据极可能经过人为篡改。这一发现不仅动摇了该领域的基础理论，也促使原作者向期刊申请撤稿。这再次提醒我们，即便是被奉为圭臬的学术成果，也需经得起数据的反复检验。
我们得出的结论是，研究 1 和研究 2 中的数据均被篡改过。
HN 评论区
166- jarenmf
科学具有自我纠错能力，但有时这种纠错机制太过缓慢且收效甚微，以至于人们被激励去发表任何内容。同行评审仅仅是一种质量检查——而且并不是一种很好的检查。就在前几天，我在自己的领域遇到了一篇论文，声称解决了一个科学家研究了 50 年的核心问题，由单人撰写，使用了一些花哨的数学方法。我很兴奋地读了它，但没过多久我就发现这完全是胡扯——推导过程不成立，编造了方程项，混淆了领域内的基本概念。我真的很惊讶这篇文章竟然通过了编辑和至少两位同行评审员的审核。我深入挖掘后发现，同一位作者在 2026 年仅在顶级期刊上就发表了 11 篇研究文章——主要是物理、化学及相邻领域——我指的是像《Scientific Reports》和《Physics Letters B》这样的真正顶级期刊。其中大多数都存在无法修复的严重数学缺陷。我给几位编辑写了信，但只有一位足够重视并启动了调查。我对自己承诺，如果没有任何实质性的行动，我将认真考虑转行。
- Aurornis
Dan Ariely 有着长期的争议历史，其研究数据被指造假。他写了 3 本畅销书，在其他人开始揭露他研究中的问题之前就已经获得了巨大的名声。
https://en.wikipedia.org/wiki/Dan_Ariely
令人惊讶的是，他研究中的问题直到今天仍在被揭露。同样令人惊讶的是，在发现他研究存在这么多问题后，Duke 大学仍然与他保持着关系。
- bawolff
这确实看起来太容易进行这类欺诈了。
这项研究似乎极其容易复现（不需要花哨的设备，只需请一些人校对即可），但直到现在却没人去做。有没有什么办法可以改变激励机制，让人们去尝试复现？比如让本科生去复现随机的研究论文？
- freediddy
任何论文在未经独立团队复现之前，都不应被引用。科学界的复现危机是真实存在的，要不了多久，人们将不再相信任何东西。
- mulanroo
读完这篇文章后我才知道的一件事：异常大的效应量本身就是一个危险信号。你不必精通所有统计学知识，至少也能注意到当结果看起来好得难以置信时。
- herewulf
我本来是想找个关于拖延症的玩笑评论，结果没找到，不过我想迟早会有人写出来的。
- keyle
很高兴作者们似乎已经承认了问题，并且对此无所作为 :-)
- csnover
除了盲目地将工作外包给 LLM，然后检查它幻觉出的问题是否真的是问题 [0]，普通人（没有能力运行复现研究，也没有统计学学位）如何才能更容易地识别出像这样可疑或潜在的欺诈性研究？
这个问题一直困扰着我。我有一份简短的检查清单，但这些都是我通过非常随意的方式（主要是阅读和聆听这类批判性分析）学到的。例如，直到今天，我也不会想到不合理的巨大 Cohen's d，尽管这似乎是一个任何人都可以一眼看出的通用规则。但如果没有人告诉我，也没有文章中提供的参考点，我根本无从知晓。我想要知道得更多。我也希望其他人能知道得更多。怎么做？