Gallupova godišnja anketa o tome koja su zanimanja najpouzdanija ne pita znanstvenike, ali sigurno je reći da bi se u najmanju ruku svrstali daleko više od prodavača rabljenih automobila i članova Kongresa na dnu.
U isto vrijeme, među tisućama ljudi koji širom svijeta prakticiraju znanost i objavljuju svoje rezultate, neki se manjine vjerojatno izvlače iskušenju masiranja podataka kako bi postigli rezultate koji dobivaju pozornost (i financiranje). Posljednjih godina nekima je postalo politički korisno iskoristiti tu mogućnost i optužiti namjerne znanstvene prijevare. (Optužbe da su klimatske promjene uzrokovane čovjekom široko rasprostranjena znanstvena zavjera postale su češće tek nakon takozvanog skandala sa klimatskom klimom iz 2009. godine, usprkos nekoliko istraga u kojima nisu pronađeni dokazi o prijevari ili znanstvenim pogreškama.)
Ali koliko često znanstvenici lažu o svojim podacima? Drugim riječima, koliko im trebamo vjerovati?
Odgovor, barem prema studiji objavljenoj danas u Zborniku Nacionalne akademije znanosti, glasi da su znanstvenici u cjelini prilično iskrena skupina. U radu su medicinski istraživači sa Sveučilišta u Washingtonu i drugdje otkrili da je od više od 25 milijuna članaka koji se odnose na biomedicinska istraživanja objavljeni u bazi podataka PubMed National Institute of Health koji datiraju iz četrdesetih godina prošloga stoljeća, 2.047 povučeno u nekom trenutku publikacija. To je manje od 0, 01 posto svih papira u bazi.
Istraživači su još više oborili rezultate, pokušavajući svako povlačenje pripisati vrsti uzroka. Prema njihovom računovodstvu, 21, 3 posto nastalo je zbog iskrene pogreške, poput nenamjernog pogrešnog tumačenja podataka. U međuvremenu, 67, 4 posto povlačenja može se pripisati nekoj vrsti nedoličnog ponašanja, uključujući prijevaru ili izmišljotine (43, 4 posto), plagiranje (9, 8 posto) i dvostruko objavljivanje (14, 2 posto). U usporedbi s člancima koji su povučeni prije 1975., oni koji su povučeni nakon toga imali su deset puta veću vjerojatnost da budu lažni, za razliku od poštene pogreške.
Ukupna skromna stopa prijevara mogla bi objasniti zašto su autori bloga Retraction Watch, koji dokumentiraju povučene papire, naišli na protivljenje. Neki kažu da usmjeravanje pozornosti na izolirane slučajeve nepoštenja nerazmjerno povećava nepovjerenje javnosti u znanost kao cjelinu. "Argumentacija ide ovako", napisali su u svibnju u Lab Timesu . "Znanstvene prijevare su rijetke, tako da se fokusiranje na nedolično ponašanje daje iskrivljena slika istraživanja koja će samo streljivo dati kritičarima, koji žele dovesti u sumnju na teme poput klimatskih promjena i sigurnosti cjepiva."
Jedan od odgovora mogao bi biti da mi zapravo ne znamo koliko je rijetka prijevara, usprkos povlačenju od 0, 01 posto u ovoj novoj PNAS studiji. Kao što autori studije napominju, u mnogim slučajevima članak može biti sumnjiv, ali časopis nema dovoljno dokaza da ga zapravo povuče. Na primjer, 2005. godine, Lancet je "izrazio zabrinutost" rezultatima studije koja je otkrila povezanost mediteranske prehrane i smanjenog rizika od srčanih bolesti, ali na kraju nisu povukli rad.
Štoviše, ne možemo znati koliko skupa podataka o sumnjivim vrstama uopće ne dolazi do izražaja. Izmišljeni skup podataka možda neće biti ponovljiv od strane ostalih istraživača, ali u mnogim je slučajevima sumnjivo da bi ih to moglo navesti da tvrde nepoštenost. Povijesno, mnogim slučajevima znanstvene prijevare izloženi su samo unutarnji zvižduci.
No nedavni događaji ukazuju na to da možda ulazimo u doba u kojima nam znanstvena otkrića zapravo pomažu u otkrivanju prijevara ili barem nekih vrsta njih. Prošlog srpnja socijalni psiholog Uri Simonsohn sa Sveučilišta u Pennsylvaniji prikupio je naslove koristeći inovativnu statističku analizu za otkrivanje izmišljenih podataka u radu socijalnog psihologa Dirka Smeestersa, koji je napisao članak pronalazeći pozitivan utjecaj boje na ponašanje potrošača.
Simonsohnova je tehnika složena, ali se oslanja na činjenicu da su ljudi očito loši u lažiranju skupova podataka koji karakteriziraju istu vrstu slučajnosti koja se događa u stvarnim događajima. Simonsohn je za Nature rekao da je "osnovna ideja vidjeti jesu li podaci preblizu teorijskom predviđanju ili su višestruke procjene previše slične jedna drugoj."
Ubrzo nakon Smeestersove ostavke, Simonsohn je objavio svoj algoritam javno, ohrabrujući istraživače da objavljuju svoje neobrađene podatke, a drugi da ga testiraju. Nada se da će stvarna mogućnost da bilo koji istraživač koji je pokušao manipulirati njihovim podacima biti uhvaćena, djelovati kao snažno sredstvo za odvraćanje. To bi, u teoriji, ne samo smanjilo količinu prijevare, nego bi povećalo i povjerenje koje možemo dati u proizvode znanosti u cjelini.
