Gallups årlige meningsmåling om hvilke yrker som er mest pålitelige, spør ikke om forskere, men det er trygt å si at de i det minste vil rangere langt høyere enn de brukte bilselgerne og medlemmer av Kongressen i bunnen.
Samtidig, blant de tusenvis av mennesker globalt som praktiserer vitenskap og publiserer resultatene, gir noen minoritet sannsynligvis fristelsen til å massere data for å oppnå oppmerksomhets- (og finansieringsvennlige) resultater. De siste årene har det blitt politisk nyttig for noen å gripe denne muligheten og anta bevisst vitenskapelig svindel. (Anklager om at menneskeskapte klimaendringer er en utbredt vitenskapelig konspirasjon, har bare blitt mer vanlig siden den såkalte Climategate-skandalen i 2009, til tross for flere undersøkelser som ikke har funnet noen bevis for svindel eller vitenskapelig uredelighet.)
Men hvor ofte lyver forskere faktisk om dataene sine? Med andre ord, hvor mye skal vi stole på dem?
Svaret, i det minste i følge en studie publisert i dag i Proceedings of the National Academy of Sciences, er at i det store og hele er forskere en ganske ærlig gruppe. I papiret fant medisinske forskere fra University of Washington og andre steder at av de mer enn 25 millioner biomedisinske forskningsrelaterte artiklene som ble publisert i National Institutes of Health PubMed-databasen fra datoen tilbake til 1940-tallet, ble 2.047 trukket tilbake på et tidspunkt siden deres utgivelse. Det er mindre enn 0, 01 prosent av alle papirene i databasen.
Forskerne brøt resultatene ytterligere ned, og forsøkte å tilskrive hver tilbaketrekning til en type årsak. Etter deres regnskap skyldtes 21, 3 prosent ærlige feil, for eksempel utilsiktet feiltolkning av data. I mellomtiden kan 67, 4 prosent av tilbaketrekningene tilskrives en slags mishandling, inkludert svindel eller fabrikasjon (43, 4 prosent), plagiering (9, 8 prosent) og duplikatpublikasjon (14, 2 prosent). Sammenlignet med artiklene som ble trukket tilbake før 1975, var det ti ganger større sannsynlighet for at de som ble trukket tilbake, ville være uredelige, i motsetning til en ærlig feil.
Den samlede beskjedne frekvensen av svindel kan forklare hvorfor forfatterne av bloggen Retract Watch, som dokumenterer tilbaketrukne papirer, har møtt motstand. Noen sier at å rette oppmerksomhet mot isolerte tilfeller av uærlighet uforholdsmessig øker offentlig mistillit til vitenskapen som helhet. "Argumentet går noe slikt, " skrev de i mai i Lab Times . "Vitenskapelig svindel er sjelden, så å fokusere på uredelighet gir et forvrengt bilde av forskning som bare vil gi ammunisjon til kritikere, som ønsker å stille tvil om temaer som klimaendringer og vaksinesikkerhet."
En respons kan være at vi faktisk ikke vet hvor sjelden svindel er, til tross for tilbaketrekning på 0, 01 prosent, som regner ut denne nye PNAS-studien. Som studiens forfattere bemerker, kan en artikkel i mange tilfeller være mistenkt, men en journal har ikke nok bevis til å trekke den tilbake. I 2005 uttrykte for eksempel The Lancet "bekymring" for resultatene av en studie som fant en sammenheng mellom et middelhavskosthold og redusert risiko for hjertesykdom, men de trakk ikke til slutt papiret.
Dessuten har vi ingen måte å vite hvor mange mistenkte datasett som aldri en gang kommer fram. Et produsert datasett kan ikke vise seg å kunne reproduseres av andre forskere, men i mange tilfeller er det tvilsomt at dette ville få dem til å påstå uredelighet. Historisk sett blir mange tilfeller av vitenskapelig svindel bare utsatt av interne varslere.
Nyere hendelser indikerer imidlertid at vi kan komme inn i en tid hvor vitenskapelige funn faktisk hjelper oss med å oppdage svindel, eller i det minste noen typer av det. Den siste juli fikk sosialpsykolog Uri Simonsohn fra University of Pennsylvania overskrifter ved å bruke en nyskapende statistisk analyse for å oppdage fabrikerte data i arbeidet til sosialpsykologen Dirk Smeesters, som hadde skrevet en artikkel som fant en positiv effekt for farge på forbrukeratferd.
Simonsohns teknikk er sammensatt, men er avhengig av at mennesker er notorisk dårlige til å falske datasett som er preget av samme slags tilfeldighet som oppstår i virkelige hendelser. Simonsohn fortalte Nature at "Den grunnleggende ideen er å se om dataene er for nær den teoretiske prediksjonen, eller om flere estimater er for like hverandre."
Rett etter Smeesters 'fratredelse, gjorde Simonsohn algoritmen sin offentlig, og oppmuntret forskere til å publisere sine rå data og for andre å sette den på prøve. Han håper at den virkelige muligheten for at forskere som blir fristet til å manipulere dataene sine kan bli fanget, vil fungere som et kraftig avskrekkende middel. I teorien ville dette ikke bare redusere mengden svindel, men det vil også øke tilliten vi kan sette til produktene fra vitenskapen som helhet.
