在2020年，诺贝尔化学奖得主Frances H. Arnold教授的一篇Science论文因部分关键实验数据缺失而被撤稿。对此，Arnold教授在推特上坦诚承认了这一问题，并表示这是她科研生涯中的一次深刻教训。实际上，因数据处理失误导致的撤稿并不少见，而这类撤稿通知通常缺乏具体细节，让作者在懊恼之余更加无从理解。

一、数据处理失误的类型

2025年1月，Nature杂志发布了题为《因诚实错误而造成的撤稿令研究人员感到极度压力》的文章。通过对6680份调查问卷的分析，总结出了5种常见的数据处理失误。研究人员通过Retraction Watch数据库，识别出5041篇因数据处理错误而被撤回的论文，并向6680名作者发送了调查问卷，以了解他们对撤稿原因的看法与分析。最终，从97个有效回复中总结出以下五种最常见的数据处理错误：

• 数据处理和分析错误（19%）：在数据建模或统计分析中出现错误，导致实验结果偏离实际。
• 数据编码错误（14%）：在脚本编写阶段，错误的变量定义可能直接影响分析的结果。
• 数据文件丢失（11%）：原始实验数据未妥善保存或备份，导致无法重现研究。
• 数据输入错误（11%）：手动录入数据时可能出现误输入、漏输或单位不一致等错误。
• 数据命名不当（8%）：文件命名不清晰或不规范，导致数据处理时的错误。

其他类型的错误还包括：数据传输错误（7%）、错误的报告（6%）、编程错误（4%）、文件不充分或不正确（4%）等。造成这些失误的常见原因包括注意力不集中（14%）、技术性问题（13%）、沟通不畅（12%）、粗心大意（11%）以及缺乏经验（9%）。

二、如何避免数据处理失误？

为了减少数据处理失误的发生，科研团队应采取以下措施：

1. 明确数据管理责任：项目中应指定专人负责数据管理，确保责任落实到位。
2. 定期培训与学习：对数据管理和相关工具进行定期培训，以提升团队的技能水平。
3. 引入双重核查机制：在数据提交前进行第二次审查，以减少因粗心导致的错误。
4. 加强技术支持：购买可靠的存储设备，并使用自动化备份工具，确保数据安全。

此外，作者们希望期刊能够给出更明确的指引，说明哪些失误会导致撤稿，哪些可以通过修改来补救。这对于作者与编辑而言都至关重要。与其因撤稿而感到懊恼，不如提前做好预防措施：认真对待数据细节，谨慎处理每个环节，每位科研工作者都应保持对“数据”的高度关注。南宫28NG相信品牌力量，助您在科研上走得更稳、更远。

你是否有过“数据翻车”的经历呢？欢迎关注南宫28NG，并留言分享你的故事！