為什麼多數研究者喜歡看高影響力或知名人士的文章？究其原因有兩個字非常重要：可靠！當我們拿到一篇文章時，多數人都會質疑：
好的工作是巨人的肩膀，後來者在其基礎上才能看的更遠。不準確有誤導性的工作簡直是巨坑，讓人白瞎時間和氣力，忍不住罵娘！
2011年，全球心理學領域的270資深學者發起了“重做計劃”，抽取該領域100項研究成果進行重做。結果顯示可重複率僅為36%，這意味大部分已發表研究成果是重複不出來的。這一計劃隨後拓展到了其他多個領域。以癌症研究為例，研究者們選擇了53項重要研究成果，但其中只有6項可重複，重複率僅為11.3%。
現在越來越多的人擔心當前發表的大多數研究結果都是不靠譜的。在15年前，John Ioannidis曾在PLOS Medicine雜誌上發表了一篇代表性文章對該問題進行了深入討論[1]。作者認為造成多數研究成果不可信的原因是實驗者趨向於選擇有利樣本。基於逆向思維，選擇樣本時人為干預過於嚴重，造成巨大的反向偏差。
以“多喝水能減肥”的結論為例，假如實驗者要選擇100個胖子作為樣本，而挑選樣本時，從自己認為的結論逆向出發，故意挑選了30個有明顯減肥趨勢的人。所有樣本中每人每天比一般人多喝1L水，然後1個月後得出結論，其中有30%的人多喝水有明顯減肥趨勢。而真實情況是，這些人體重下降跟是否多喝水可能沒有半毛錢關係！
在上述過程中，實驗者對實驗結果進行了操縱，造成了巨大的反向偏差，展示給他人的是斷章取義或歪曲事實的結論。文中作者根據計算公式得出結論：隨着偏差增加，研究結論趨向正確的概率將大大減小（表）。真實研究有時會由於這種反向偏差而廢止，但由於利益作祟，研究者傾向於“掩蓋”真實，將這種反向偏差與偶然性相混淆，這將不能反映實驗結論的真實情況。
表：存在偏差時的研究結論和真實結論的關係。
我們怎樣才能改善這種情況？
提供更有力的證據：如大規模研究和偏差分析。
多個團隊和證據類型可以減少單一團隊的誤導性和偏差。
不單純以統計學的R值作為評判標準，注重對實驗中真實關係本身的理解。
加大考慮範圍，在相近領域中求得驗證。
以電池領域為例，靈魂發問一下：除硬件原因外
文章中所給出的電池數據確定具有代表性嗎？是否進行了多批次重做以保證可重複性？
選擇數據時，是否是在所有電池中選擇一個數據最好的向審稿人展示？
同一批次，不同電池的容量，循環性能，倍率性能誤差有多大？
電池跑長循環，是否用超過量的電解液來掩蓋劇烈的副反應？
實驗室級別每次合成的活性材料較少，多次合成時能否保證每批材料都相同？
所用的電池材料如電解液，是否清楚地知道其成分組成，是否有添加劑成分？
對比不同材料時所採用的工藝能否保證一致？例如，烘烤極片時是否有的烘烤8小時，有的烘烤9小時，有的烘烤10小時，有的甚至都不知道幾個小時？
......
相信每個領域都有一些被大家忽視的關鍵問題，歡迎在底部留言，以讓更多的後來者看到，避開巨坑，做更可靠的研究！
誘然皆生，而不知其所以生。同焉皆得，而不知其所以得。我們可能永遠也無法知道這個世界的本質，但請遵循客觀規律，保證相對真實。
【參考文獻】
[1] John P. A. Ioannidis. Why Most Published Research Findings Are False. PLoS Med 2(8): e124.
源於能源學人！
【來源：小鬼説天下】
聲明：轉載此文是出於傳遞更多信息之目的。若有來源標註錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯繫，我們將及時更正、刪除，謝謝。 郵箱地址：[email protected]