Bịa dữ liệu và sửa dữ liệu: ranh giới với sai sót trung thực

Ba hành vi bị coi là vi phạm nghiêm trọng nhất trong nghiên cứu thường được nhắc cùng nhau: bịa dữ liệu, sửa dữ liệu, và đạo văn. Hai cái đầu ít được nói tới ở Việt Nam hơn cái thứ ba, nhưng hậu quả nặng hơn nhiều — vì chúng làm hỏng chính thứ mà khoa học dựa vào.

Phân biệt ba khái niệm

• Bịa dữ liệu — tạo ra số liệu, kết quả hoặc mẫu vật không hề tồn tại rồi báo cáo như thật.
• Sửa dữ liệu — thao túng dữ liệu có thật: loại bỏ điểm dữ liệu bất lợi, chỉnh sửa hình ảnh, thay đổi quy trình phân tích sau khi nhìn kết quả để có được con số mong muốn.
• Sai sót trung thực — lỗi tính toán, nhầm bộ dữ liệu, lỗi phần mềm. Đây không phải vi phạm liêm chính, và cách xử lý hoàn toàn khác: đính chính hoặc rút bài một cách minh bạch.

Ranh giới giữa nhóm hai và nhóm ba nằm ở ý định và ở cách bạn ghi chép. Đây chính là lý do nhật ký nghiên cứu và dữ liệu gốc quan trọng đến vậy: chúng là bằng chứng cho thấy quyết định của bạn được đưa ra trước, chứ không phải sau khi nhìn kết quả.

Những vùng xám hay gặp

Phần lớn trường hợp không bắt đầu bằng ý định gian dối, mà bằng một quyết định nhỏ có vẻ vô hại:

• Loại điểm ngoại lai sau khi thấy nó phá kết quả. Loại bỏ ngoại lai là việc hợp pháp nếu tiêu chí được đặt trước khi phân tích và được mô tả trong bài. Loại sau khi nhìn kết quả thì không.
• Thử nhiều phép phân tích rồi chỉ báo cáo phép cho ra kết quả đẹp. Đây là một dạng thao túng, dù không ai bịa số nào cả. Cách xử lý đúng là báo cáo tất cả các phép đã thử.
• Chỉnh sửa hình ảnh. Tăng độ tương phản cho toàn bộ hình thường được chấp nhận; chỉnh riêng một vùng, ghép các phần từ nhiều lần chụp, hoặc xoá chi tiết thì không. Nhiều tạp chí hiện kiểm tra hình bằng công cụ chuyên dụng.
• Làm tròn có lợi hoặc trình bày kết quả theo cách gợi ý ý nghĩa lớn hơn thực tế.
• Đổi giả thuyết sau khi có kết quả rồi viết như thể đó là giả thuyết ban đầu.

Vì sao dễ bị phát hiện hơn người ta tưởng

Ngoài công cụ kiểm tra hình ảnh, cộng đồng khoa học còn có nhiều cách phát hiện gián tiếp: các phép kiểm tra tính nhất quán nội tại của số liệu thống kê báo cáo trong bài; phân bố số liệu có dấu hiệu bất thường so với quy luật tự nhiên; kết quả không lặp lại được khi nhóm khác thử; và đơn giản nhất — yêu cầu cung cấp dữ liệu gốc mà tác giả không đáp ứng được.

Phòng ngừa bằng quy trình, không bằng lời hứa

• Ghi nhật ký nghiên cứu có ngày tháng. Ghi lại quyết định và lý do ngay khi đưa ra, kể cả những thử nghiệm thất bại.
• Đặt tiêu chí trước. Cách xử lý ngoại lai, tiêu chí loại mẫu, kế hoạch phân tích — viết ra trước khi mở dữ liệu. Ở một số ngành, việc đăng ký kế hoạch phân tích trước đã thành thông lệ.
• Lưu dữ liệu gốc không chỉnh sửa ở nơi an toàn, tách khỏi bản đang xử lý, kèm sao lưu. Phần lớn quy định yêu cầu giữ nhiều năm sau công bố.
• Giữ file hình gốc chưa qua xử lý.
• Ghi lại mã phân tích thay vì thao tác thủ công không để lại dấu vết.
• Kiểm tra chéo trong nhóm — để một người khác chạy lại phân tích từ dữ liệu gốc.

Áp lực chỉ tiêu và cái giá thật

Nhiều vi phạm bắt nguồn từ áp lực số bài. Nhưng phép tính này luôn lỗ: một bài bị rút không chỉ mất chính nó, nó kéo theo việc rà soát mọi công trình khác của bạn, ảnh hưởng tới đồng tác giả — những người có thể hoàn toàn vô can — và để lại dấu vết công khai vĩnh viễn. Con đường bền vững vẫn là hợp tác với nhóm mạnh hơn, chọn tạp chí đúng tầm, và chấp nhận rằng một kết quả âm tính được báo cáo trung thực vẫn là đóng góp thật cho khoa học.

Khi cần rà soát bản thảo trước khi nộp — bao gồm cả tính nhất quán của số liệu báo cáo — Công Bố Khoa Học nhận kiểm tra và chỉ ra những chỗ có thể gây nghi vấn.

Câu hỏi thường gặp