根据埃米编辑公众号的原创内容，2020年，诺贝尔化学奖得主Frances H. Arnold教授所发表的一篇《Science》论文因部分关键实验数据缺失而被撤回。对此，Arnold教授在推特上诚实地承认了这一问题，并表示这是她科研生涯中的一次深刻教训。

实际上，由于数据处理失误导致的撤稿事件并不少见，但相关的撤稿通知中常常缺乏详细的说明和解释，这使得作者在感到懊恼的同时，常常也无从理解问题所在。

一、数据处理失误的类型

2025年1月，Nature发布了一篇名为《由于诚实错误造成的撤稿极具压力，研究人员表示》的文章。该文通过6680份调查问卷，总结出了5种常见的数据处理失误，让我们一起看看这些错误及其避免方法。

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。针对6680名作者的问卷调查，发现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，导致实验结果偏离事实。
• 数据编码错误（14%）：在脚本编写阶段，错误的变量定义或操作逻辑可能直接改变分析结果。
• 数据文件丢失（11%）：原始实验数据未妥善保存或备份，导致无法复现研究。
• 数据输入错误（11%）：手动录入数据时易出错，包括误输入、漏输或单位不一致。
• 数据命名不当（8%）：文件命名混乱，版本管理不清晰，或命名不符合规范，导致数据计算和运行错误。

其他错误类型还包括数据传输错误（7%）、错误报告（6%）、编程错误（4%）、文件不充分或不正确（4%）、数据选择/合并错误（4%）、项目管理错误（2%）、数据点连接不正确（2%）、偏离协议（2%）、数据或文件组织错误（2%）。

这些失误的常见原因包括不专心（14%）、技术性问题（13%）、沟通失误（12%）、粗心大意（11%）和缺乏经验（9%）等。

二、如何避免数据处理失误

为了有效避免数据处理失误，研究团队可以采取以下措施：

1. 明确数据管理责任：项目应指定专人负责数据管理，确保责任明确。
2. 定期培训和学习：进行数据管理及工具使用的培训，以提升技能水平。
3. 引入双重核查机制：数据提交前进行二次审查，以减少因粗心或遗漏造成的错误。
4. 加强技术支持：投入资源采购可靠的存储设备，并使用自动化备份工具。

此外，研究人员也希望期刊能够提供更明确的指引，告知哪些错误可能导致撤稿，哪些则可以通过修改来补救，这对于作者和编辑都十分重要。

与其因撤稿而懊恼，不如提前做好防范：用心对待数据细节，谨慎处理每一个环节。每位科研工作者都应时刻保持对“数据”的高度重视！

你是否也有过“数据翻车”的经历呢？关注尊龙凯时公众号，并回复“礼包”，即可免费领取100+写作投稿资料包和30个投稿问题解析。

关于尊龙凯时：尊龙凯时是一家来自美国的专业机构，致力于为科研学者提供论文润色、学术翻译和期刊出版支持等服务。所有润色工作均由美国本土经验丰富的编辑完成，以确保优质服务。