适用条件
本指南适用于已完成期刊投稿、进入审稿流程后,作者根据审稿意见需要对论文数据进行修订的场景,需要明确的是,这里的“改数据”特指对原始数据的核对修正、统计方法调整带来的结果更新、补充实验或调研产生的新数据整合,而非篡改、伪造原始数据,若审稿意见未涉及数据相关问题,或修订内容仅为文字表述调整,无需参考本指南,所有数据修订行为必须符合学术规范,任何无法确认的期刊数据修订要求、格式标准,均需核对期刊官网及主管部门公开资料。
具体步骤
第一步,梳理审稿意见中的数据相关诉求,先将审稿人提出的问题分类:是要求补充样本量、增加对照组数据,还是质疑统计方法的合理性、要求重新计算显著性,或是指出数据图表的呈现错误,将每一条数据相关意见单独列出,明确需要修订的具体模块,避免遗漏。
第二步,回溯原始数据与分析过程,针对每一条待修订意见,找到对应的原始实验记录、调研问卷、数据库导出文件,以及最初的数据分析代码、计算表格,若需要调整统计方法,先明确新方法的适用前提,例如将方差分析替换为非参数检验时,需先验证数据是否符合非正态分布的特征,所有调整都要保留推导过程。
第三步,执行数据修订并留存痕迹,对原始数据的修正必须有明确依据,例如发现样本录入时的笔误,要标注原始记录中的正确值与错误值的差异;补充新数据时,要完整记录新数据的采集时间、方法、样本来源,修订过程中,不要直接覆盖原始数据文件,建议新建修订版本的文件,保留修改前后的对比记录。
第四步,同步更新论文中的数据呈现,根据修订后的数据,调整正文的统计结果描述、图表内容,同时检查所有数据的前后一致性——正文提到的数值、表格中的数据、图表标注的结果必须完全匹配,若数据修订影响了研究结论,需在回复审稿人的说明中明确指出结论的变化及原因。
第五步,撰写数据修订说明,在给审稿人的回复信中,针对每一条数据相关意见,清晰说明修订的依据、过程和结果,针对您提出的样本量不足问题,我们补充了2024年3-5月的120份有效调研问卷,总样本量从300份提升至420份,重新计算后的回归系数从0.32调整为0.37,显著性水平仍为p<0.01”。
常见误区
一是将“改数据”等同于篡改原始数据,部分作者为了迎合审稿人意见,直接修改原始实验的观测值、编造不存在的调研数据,这属于学术不端行为,一旦被发现会直接导致论文被拒,甚至影响后续学术发表。
二是只修改结果不调整分析过程,例如审稿人指出统计方法错误,作者只修改了正文的p值和显著性描述,却没有重新运行分析代码、更新计算过程,导致数据逻辑无法自洽,容易被审稿人再次质疑。
三是忽略数据修订对结论的影响,数据调整后,若原本的研究结论发生了变化,作者却刻意隐瞒,仍沿用旧的结论表述,会造成论文内容与数据脱节,违背学术诚信。
四是过度修改无关数据,审稿人仅要求修正某一个图表的标注错误,作者却顺手调整了其他不相关的数值,导致原本正确的数据出现新的问题,增加审稿人的疑虑。
可核验事项
核验原始数据的可追溯性,所有修订后的数据,都能对应到原始记录或新采集的有效数据,没有无来源的数值调整,若期刊要求提供原始数据附件,需确保附件中的数据与论文修订后的内容完全一致。
核验统计分析的合理性,检查修订时使用的统计方法是否符合研究领域的通用规范,计算过程是否可复现——若有其他研究者使用相同的原始数据和方法,能得到一致的结果。
第三,核验论文内部的数据一致性,逐段核对正文、表格、图表中的数据,确保没有前后矛盾的数值,例如正文说“实验组均值为5.2”,表格中却标注为5.5。
第四,核验回复信与论文的匹配度,检查回复信中提到的每一处数据修订,都能在论文修改稿中找到对应的内容,没有“回复中说改了,论文里却没改”的情况。
再次强调,本指南仅提供学术规范内的数据修订思路,不承诺任何论文录用结果,不提供代写代发服务,所有涉及期刊的具体要求,务必以期刊官方公开信息为准。