在2020年，诺贝尔化学奖得主Frances H. Arnold教授的一篇发表在Science的论文因关键实验数据缺失而被撤稿。对此，Arnold教授在推特上坦诚地承认了这一问题，并指出这是她科研生涯中的一次深刻教训。

数据处理失误导致的撤稿案例并不少见，这类撤稿通知往往缺乏具体细节和解释，令作者不仅感到懊恼，还倍感困惑。

一、数据处理失误的常见类型

在2025年1月，《Nature》期刊发布了一篇名为《Retractions caused by honest mistakes are extremely stressful, say researchers》的文章，基于6680份调查问卷总结出五种常见的数据处理失误。这些失误主要包括：

• 数据处理和分析错误（19%）：如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%）：多见于脚本编写阶段，错误的变量定义或操作逻辑可能直接影响分析结果。
• 数据文件丢失（11%）：例如，原始实验数据未妥善保存或备份，导致无法再现研究结果。
• 数据输入错误（11%）：在手动录入数据过程中，易发生误输入、漏输或单位不一致的情况。
• 数据命名不当（8%）：文件命名混乱、版本管理不清或命名不规范，使得数据处理出现错误。

此外，其他错误还包括数据传输错误（7%）、错误报告（6%）、编程错误（4%）等。造成这些失误的常见原因包括注意力缺失（14%）、技术问题（13%）、沟通失误（12%）、粗心大意（11%）及缺乏经验（9%）等。

二、如何避免数据处理失误？

以下是一些有效的策略以减少数据处理失误：

1. 明确数据管理责任：为项目设定专人负责数据管理，确保责任落实到位。
2. 定期培训和学习：进行数据管理和工具使用相关的培训，提升参与者的技能水平。
3. 引入双重核查机制：在数据提交前进行二次审查，以减少因疏忽或遗漏导致的错误。
4. 加强技术支持：投资购置可靠的存储设备，并使用自动化备份工具来保障数据安全。

同时，作者们希望期刊能提供更明确的指导，哪些失误可能导致撤稿，哪些则可以通过修改来补救，对作者和编辑而言，这都是至关重要的信息。

与其因撤稿感到懊恼，不如未雨绸缪。科研工作者应用心对待数据的每一个细节，谨慎处理每一步骤，每位研究者都应紧绷“数据”的弦！

如果你有关于“数据翻车”的故事，欢迎与大家分享！关注尊龙凯时公众号并回复“礼包”，即可免费获得100+写作投稿资料包和30个投稿问题解答。

关于尊龙凯时：作为一家来自美国的专业机构，尊龙凯时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，确保服务质量可靠。