Definition, Detection, and Prevention of Research Data Fabrication and Falsification

Les résultats de la recherche reposent sur l'exactitude des données. Lorsque les chercheurs fabriquent des données (inventent des mesures qui n'ont jamais été prises), falsifient des données (altèrent des mesures authentiques) ou sélectionnent des données à rapporter (excluent des résultats peu pratiques), la recherche devient fondamentalement peu fiable. La fabrication est une fraude pure et simple : créer de fausses preuves. La falsification est une manipulation de données : altérer des mesures authentiques pour soutenir des conclusions souhaitées. Les deux sont distincts de l'erreur honnête (le chercheur a commis une erreur de mesure mais la rapporte honnêtement) ou du nettoyage légitime des données (suppression des entrées erronées, traitement des données manquantes selon des procédures prédéfinies). L'intention de tromper est la différence clé. La fabrication et la falsification étaient autrefois difficiles à détecter après publication : l'audit des données nécessitait l'accès à des fichiers bruts que les chercheurs gardaient privés. Les pratiques modernes de transparence des données (archivage des données brutes, utilisation de pistes d'audit logicielles, détection d'anomalies statistiques) rendent la fabrication/falsification plus difficile à cacher et plus facile à attraper.