Falsification و Fabrication: راهنمای کامل دست‌کاری و داده‌سازی در پژوهش

پژوهش معتبر، بر پایهٔ صداقت، شفافیت و داده‌های واقعی بنا می‌شود. هرگونه خدشه در این سه عنصر، کل اعتبار تحقیق را زیر سؤال می‌برد. در سال‌های اخیر، افزایش حجم پژوهش‌ها، فشارهای دانشگاهی، رقابت برای چاپ مقاله و کمبود زمان باعث شده برخی پژوهشگران، گاهی آگاهانه و گاهی ناآگاهانه، دچار خطاهایی شوند که در نهایت به عنوان Fabrication (جعل داده) یا Falsification (دست‌کاری داده) شناخته می‌شود. این دو رفتار، اصلی‌ترین مصادیق Research Misconduct بوده و پیامدهای بسیار جدی برای پژوهشگر، دانشگاه، مجله و خوانندگان دارد.

تعریف‌های پایه‌ای

Falsification (دست‌کاری داده) چیست؟

Falsification یا دست‌کاری داده به هرگونه تغییر عمدی یا تحریف داده، نتایج، روش‌ها یا ابزار پژوهش گفته می‌شود. در واقع داده واقعی وجود دارد، اما پژوهشگر آن را تغییر می‌دهد تا نتیجهٔ مطلوبی تولید شود.

مثال‌های رایج Falsification:

• حذف داده‌هایی که با فرضیه سازگار نیستند
• تغییر نمودارها یا مقیاس‌ها در تحلیل آماری
• تنظیم بیش‌ازحد تصاویر آزمایشگاهی به‌طوری‌که ویژگی‌های واقعی پنهان شود
• حذف داده‌ها بدون توجیه علمی
• تغییر نتایج به نحوی که معنای دیگری تولید شود

در Falsification، داده وجود دارد، اما دست‌کاری شده است.

Fabrication (داده‌سازی) چیست؟

Fabrication یا داده‌سازی زمانی اتفاق می‌افتد که پژوهشگر داده‌ای را که اصلاً وجود ندارد، ایجاد و منتشر می‌کند.

مثال‌های رایج Fabrication:

• ساختن دادهٔ پرسش‌نامه بدون توزیع واقعی
• گزارش‌کردن آزمایشی که انجام نشده
• ساختن نمونه‌های بیمار یا حیوانی
• سرهم‌کردن اعداد و نتایج برای رسیدن به یک نتیجهٔ خاص
• کپی داده‌های پژوهش دیگر و انتشار آن به‌عنوان دادهٔ خود

در Fabrication، داده‌ای وجود نداشته و پژوهشگر آن را «خلق» می‌کند.

تفاوت Falsification و Fabrication

هر دو مصداق روشن Research Misconduct هستند و می‌توانند به:

• ابطال مقاله
• تخریب شهرت پژوهشگر
• محرومیت از حمایت مالی
• مشکلات حقوقی

منجر شوند.

چرا تقلب در پژوهش اتفاق می‌افتد؟

دلایل متعدد اجتماعی، سازمانی و فردی در بروز Falsification و Fabrication نقش دارند.

• فشار برای چاپ مقاله (Publish or Perish)

بسیاری از دانشگاه‌ها و مراکز علمی، کیفیت پژوهش را با «تعداد مقالات» می‌سنجند. این فشار، برخی پژوهشگران را به دست‌کاری داده‌ها سوق می‌دهد.

• کمبود زمان یا منابع

گاهی پژوهشگر دسترسی به ابزار لازم ندارد و برای پرکردن داده‌ها دچار وسوسه Fabrication می‌شود.

• تمایل به تأیید فرضیه

برخی پژوهشگران ناخودآگاه تلاش می‌کنند نتیجهٔ پژوهش مطابق انتظارشان باشد؛ همین موضوع مقدمه‌ای برای Falsification است.

• بی‌تجربگی و ناآگاهی

بسیاری از دانشجویان تازه‌کار نمی‌دانند حذف داده‌های پرت یا تغییر در نمودار بدون توضیح، مصداق دست‌کاری محسوب می‌شود.

• پاداش‌های شغلی و مالی

گرنت‌ها، فرصت‌های شغلی و اعتبار علمی باعث رقابت شدید در برخی حوزه‌ها می‌شود.

چگونه Falsification و Fabrication را تشخیص دهیم؟

تشخیص تقلب، همیشه آسان نیست اما چند سرنخ وجود دارد:

داده‌های خیلی کامل یا خیلی هماهنگ

داده‌های واقعی همیشه مقداری پراکندگی دارند؛ داده‌های کاملاً منظم، مشکوک به Fabrication هستند.

عدم دسترسی به دادهٔ خام

پژوهشگری که دادهٔ خام ندارد یا نمی‌خواهد ارائه دهد، احتمالاً چیزی را پنهان می‌کند.

تحلیل‌هایی که با روش گزارش‌شده سازگار نیست

وقتی روش پژوهش با نوع داده یا نتایج هم‌خوانی ندارد، احتمال Falsification وجود دارد.

تصاویر آزمایشگاهی مشکوک

مانند:

• تکرار الگوها
• کپی‌شدن بخش‌هایی از تصویر
• Contrast بیش‌ازحد
• حذف جزئیات مهم

تفاوت بین مقاله و پایان‌نامه

گاهی دانشجو در پایان‌نامه داده‌های خام را گزارش کرده اما در مقاله داده‌ها متفاوت است.

دست‌کاری تصویر (Image Manipulation)

تصویر یکی از رایج‌ترین بخش‌های دست‌کاری داده است. نشریات معتبر قوانین سختی دارند:

کارهای مجاز:

• افزایش روشنایی
• تنظیم کنتراست
• بهبود وضوح

اما به شرط:

• حذف‌نشدن داده واقعی
• تغییر نکردن اندازه نسبی اجزاء
• اعلام تغییرات در کپشن

کارهای غیرمجاز:

• حذف لکه‌ها یا نقاط غیرمنتظره
• افزودن الگو یا سیگنال
• تغییر اندازه ناحیه خاص
• کپی و چسباندن بخش‌هایی از تصویر

پیامدهای قانونی و اخلاقی

Falsification و Fabrication می‌توانند پیامدهای جدی داشته باشند:

ریترکت مقاله (Retraction)

مقاله از پایگاه‌هایی مانند Scopus، PubMed، Web of Science حذف می‌شود.

تخریب اعتبار پژوهشگر

حتی اگر بی‌گناهی اثبات شود، لکهٔ اتهام همیشه باقی می‌ماند.

تعلیق یا اخراج از دانشگاه

به ویژه در مورد دانشجویان تحصیلات تکمیلی.

از دست دادن حمایت مالی و گرنت پژوهشی

آسیب به اعتبار دانشگاه یا گروه تحقیقاتی

زیرا بخشی از اعتماد عمومی از بین می‌رود.

چگونه از این مشکلات پیشگیری کنیم؟

پیشگیری از سوءرفتار پژوهشی، ساده‌تر از حل‌کردن پیامدهای آن است.

گزارش دقیق و شفاف روش‌ها

هر کاری که انجام داده‌اید باید قابل بازبینی و قابل تکرار باشد.

نگهداری داده‌های خام

مخصوصاً برای پروژه‌های انسانی، نگهداری داده خام الزامی است.

آموزش دانشجویان

دانشجویان باید بدانند چه چیزی دست‌کاری محسوب می‌شود.

استفاده از ابزارهای شناسایی دست‌کاری

نرم‌افزارهای تخصصی برای تشخیص تصویر دست‌کاری‌شده وجود دارد.

بازبینی همکاران پیش از چاپ

Peer-review داخلی مؤثرترین راه پیشگیری است.

روش‌های حفاظت از اعتبار پژوهشگر

• همیشه نسخه اصلی تصویر یا داده را نگه دارید.
• اگر خطایی کشف کردید، خودتان به مجله اطلاع دهید.
• هر نوع دست‌کاری تصویر را شفاف توضیح دهید.
• فقط فرضیه محور نباشید؛ داده‌محور باشید.
• گزارش‌های آزمایشگاهی را روزانه ثبت کنید.

جمع‌بندی

Falsification و Fabrication از جدی‌ترین انواع سوءرفتار پژوهشی هستند و در صورت وقوع، پیامدهای سنگینی بر پژوهشگر و جامعه علمی تحمیل می‌کنند. شناخت دقیق این مفاهیم، یادگیری روش‌های تشخیص، پیشگیری و انجام پژوهش شفاف، مهم‌ترین مسیر برای ارتقای اعتماد عمومی به علم است.