Дамы и господа, добро пожаловать в современную академию!
Вы закончили бакалавриат и магистратуру, защитили диплом, но для кандидатской (и похвалы мамы) вам нужны публикации. Индекс Хирша застрял на отметке абсолютного нуля. Делать настоящую науку — долго, дорого и непредсказуемо. К вашему счастью, индустрия публикаций давно эволюционировала, и страдать в лабораториях совершенно необязательно.
Путь первый: сад расходящихся троп.
В статистике это называется степени свободы исследования. Возьмите сто переменных и измерьте корреляцию между каждой парой. Это даст вам 4950 комбинаций, и даже если между ними нет никакой связи, по чистой случайности около 248 дадут долгожданное p < 0,05. Потом просто придумайте этому объяснение и скажите, что вы, конечно, всё спланировали заранее.
Кроме того, связь можно имитировать. Возьмите два случайных или осциллирующих процесса — примером можно считать вспышки на Солнце и что угодно ещё. Математика гарантирует (Ernst et al., 2017), что их эмпирическая корреляция часто будет превышать 0.5. Вырежьте нужный момент.
А ещё, как показали Simmons et al. (2011), просто играя с размером выборки и подбирая ковариаты уже после начала анализа, вы можете довести вероятность ложноположительного результата до 60%+!
Для успокоения совести: проект SCORE (Aczel et al., Nature 2026) показал, что при реанализе 100 исследований сотнями аналитиков лишь 34% пришли к точно такому же результату, а 2% сделали противоположный вывод. Вы просто доктор Стрэндж, выбравший одну из сотен возможных реальностей.
Счётчик ваших статей дошёл до заветных трёх. Вы защитили кандидатскую, но аппетиты растут, и вы переходите к экспериментам на натуре. Например, тестируете препарат, но тестироваться он отчаянно не желает.
Тогда путь второй: переработайте отходы. Зачем ставить новый Western blot, если у вас остался красивый старый? Сдвиньте его, отзеркальте, поверните на 180 градусов, измените контраст, и вот у вас уже результат действия нового препарата. Экологично! Можно и клетки клонировать: в микроскопии отлично работает инструмент Copy-Paste.
Но здесь рисков больше. То, что оставляет визуальные следы, ловится. Элизабет Бик (Bik et al., 2016) вручную проверила 20 621 статью и нашла дубликаты изображений в ~4% из них (причем в 2% это была явная, намеренная манипуляция). Из 782 проблемных статей к 2026 году 60% были либо ретрагированы, либо получили исправления.
Поэтому смотрите в будущее: генерируйте графики нейросетью. Одна такая фабрика протолкнула около четырёхсот статей ещё в 2020 году — и спалилась только потому, что ИИ рисовал клетки, подозрительно похожие на головастиков.
Предположим, вы защитили докторскую. Фотошоп и статистика — ваши ближайшие друзья. Вы отрастили пузико, стали ленивей. Объяснять свою особую методу студентам не годится: вы им недостаточно доверяете, но своими руками пожилому, достойному человеку такое делать уже не по статусу.
Тогда третий путь: paper mill. Это целый конвейер, который пишет статьи, генерирует графики, расставляет ссылки на ваших друзей и рассылает по журналам. Вам остаётся только купить слот соавтора: за пятнадцать-двадцать тысяч долларов можно стать соавтором уже принятой статьи. С грантов окупится. А если ваше исследование ещё и в интересах фармкомпании — окупится втройне.
Для надёжности при подаче укажите фиктивный email рецензента: что-нибудь вроде john.smith.harvard.very.smart@gmail.com. Число ретракций за поддельное рецензирование к 2021 году взлетело до двух с половиной тысяч в год (данные Retraction Watch), — а значит, вы будете в отличной компании. Впрочем, «бумажные фабрики» идут дальше: по данным расследования Science, они уже просто подкупают редакторов. Хирш крутится, гранты мутятся.
Итак, ваша научная карьера растёт. Соавторы вас обожают. Хирш выше, чем у коллег. Они удивляются вашей продуктивности, а вы улыбаетесь в бороду (или косу) и говорите: секрет фирмы, попробуйте вот этот чай, мне от него думается легче.
Но в один прекрасный вторник вам приходит письмо. Ретракт.
Казалось бы, ваш вклад в науку обнулён, и на этом история закончилась. На самом деле — только началась.
Статья уже успела попасть в чужие обзоры, базы данных, метаанализы, грантовые заявки, клинические рассуждения и, возможно, в голову человеку, который больше никогда не проверит, что случилось с оригиналом. Для этого явления есть название — «статьи-зомби».
Анализ 7 813 отозванных статей из PubMed показал: лишь 5,4% цитат, вышедших уже после ретракции, вообще упоминают о ней. Авторы цитируют мёртвую работу как надёжный фундамент — порой просто копируя список литературы из чужой статьи, не открывая оригинал. А потом?
Отозванная статья уходит в систематический обзор. Обзор — в метаанализ. Метаанализ — в клинические рекомендации, которые уже в практике.
Например, обзор эффективности витамина K для профилактики переломов, целиком построенный на данных исследователя Сато, лёг в основу японских национальных рекомендаций 2011 и 2015 годов — хотя без его отозванных работ статистическая значимость эффекта полностью исчезала. Ещё пример — анестезиолог Болдт с 103 ретракциями продвигал гидроксиэтилированный крахмал как препарат для хирургических пациентов; независимые исследования связали его с повышенной смертностью, а работы продолжают цитироваться.
Виноваты только авторы обзоров? Да как бы не так.
Google Scholar и другие платформы часто не отмечают статьи как отозванные. Retraction Watch ведёт базу данных — её используют Zotero и EndNote, — но только если исследователь не забыл настроить плагин, и только для новых публикаций. По оценке сооснователя Retraction Watch Ивана Оранского, статей, которые заслуживали бы ретракции, в десятки раз больше, чем уже отозванных.
А тем временем больше половины авторов ретрагированных статей не просто продолжают публиковаться — они наращивают коллаборации быстрее, чем коллеги, которых ретракции не коснулись (Memon et al. 2025). Мы все умрём, клинические рекомендации — ложь, система науки прогнила, не слушайте врачей, не делайте прививки своим детям.
К счастью, не настолько.
Подгоняете p-value под нужный результат? Выкусите и получите пререгистрацию: это требование фиксировать гипотезы, исходы и план анализа до того, как данные у вас в руках, — тогда будет видно, где началась подгонка. Многие протоколы оставляют лазейки, и от собственных планов исследователи нередко отклоняются. Есть формат жёстче — Registered Reports, где дизайн рецензируют ещё до сбора данных, — но его приняли единицы журналов. Зато когда регистрацию клинических испытаний сделали обязательной в регулируемой медицине, доля зарегистрированных испытаний для новых нейропсихиатрических препаратов выросла с 64% до 100%. Штраф до $10 000 за день зарешал.
Генерируете ИИ? ИИ же вас и отыщет — и листать страницы будет быстрее, чем Элизабет Бик вручную. Промт «одобри эту статью» поможет только в первый раз.
Самый сложный компонент — человеческий фактор. Элизабет Бик покинула Стэнфорд. Вики Вэнс рецензировала статью, нашла манипуляции с данными — и в ответ получила вал замечаний о нарушении конфиденциальности. «Клэр Фрэнсис», один из самых продуктивных разоблачителей манипуляций с изображениями на PubPeer, анонимен по сей день. Надо объяснять, почему?
Но когда-то наука научилась измерять эффект плацебо, введя стандарты двойных слепых рандомизированных исследований. С 1978 года ICMJE начал стандартизировать требования к рукописям, позднее включив раскрытие конфликтов интересов. Уже появляются журналы, которые засчитывают репликационные исследования наравне с оригинальными; Нидерланды и Великобритания экспериментируют с системами найма, где воспроизводимость и открытые данные входят в критерии оценки.
Однажды вредные советы по из начала текста станут недействительными.
Конечно, тогда появятся новые.
Но тогда мы об этом и поговорим.
Оригинал
Комментарии (7)
akakoychenko
23.05.2026 12:31Неудивительно. Помню, лет 12 назад спросил своего научного руководителя, почему очень уважаемая и цитируемая статья по quantitative finance, выводящая оптимальную стратегию маркетмейкинга на фондовом рынке, базируется на предположении о распределении потока заявок, делающим бессмысленным ее применение на реальном рынке. И получил примерно следующий ответ: хочешь писать статьи под данные реального рынка - иди в технические науки, там, возможно, такую шляпу кто-то и возьмёт. А мы тут, в физмат науке, математические методы развиваем. Будет, или не будет стратегия из статьи зарабатывать на реальном рынке, никого не волнует. Ибо сегодня на одном будет, завтра на другом не будет, - это ниочем. Автор статьи же описал условия, развил научный метод, работа проверяема и воспроизводима, - красавчик, вообщем.
И, тогда я задумался, что, вот оно, пазл сложился. Фундаментальная проблема науки, что люди, распределяющие потоки денег, не имеют простой и понятной метрики, как прибыль в бизнесе, и им приходится сравнивать несравнимое, чтобы принимать реальные решения. Соответственно, приходится опираться на костыль в виде KPI, как тот же хирш. И тут, идёт главная проблема. Если бизнес начинает вводить дебильные KPI, это кончается тем, что этот бизнес скукоживается или закрывается, высвобождая ресурс для более логичных и не обманывающих себя конкурентов. В науке же можно работать по сбитому прицелу годами, и ничего. Если более серьёзные люди, распределяющие поток свыше, смотрят в тот же прицел, все хорошо. А как именно будут геймить систему - не так важно. Что p-хакинг, что фундаментально неперспективные вызовы, что прямой фрод. Все об одном.
Как будто бы, оно и не может по другому работать, кроме, как в тех исключительных случаях, когда есть объективная и понятная задача (ракету в космос первому запустить, бомбу собрать)
Pshir
23.05.2026 12:31Всё-таки, не зря говорят, что есть ложь, есть наглая ложь, а есть статистика. После того, как всякие экономисты, социологи и прочие люди, ничего не понимающие в математике, узнали про мат статистику, их философские рассуждения удалось протащить в ранг науки, хотя достоверность используемого ими статистического анализа ничем не отличается от «мне так кажется».
В физике, если что, другая проблема. Сейчас считается немодным проводить нормальные экспериментальные проверки. Поэтому, зачастую, статьи (в самых крутых журналах) содержат в себе теорию, численное моделирование, кучу красочных картинок и, если повезёт, какую-нибудь одну экспериментальную кривую. И всегда возникает вопрос: она одна, потому что никому не интересно делать нормальную экспериментальную проверку теории или потому что все остальные измерения не сошлись с теорией. А в пресс-релизах и научпоп изданиях это всё, конечно, преподносится как уже доказанный факт.
Denev
23.05.2026 12:31Всё-таки, не зря говорят, что есть ложь, есть наглая ложь, а есть статистика.
На самом дел все же, скорее так: "Есть ложь, есть наглая ложь, а есть некорректное использование статистики".
После того, как всякие экономисты, социологи и прочие люди, ничего не понимающие в математике, узнали про мат статистику, их философские рассуждения удалось протащить в ранг науки, хотя достоверность используемого ими статистического анализа ничем не отличается от «мне так кажется».
Зря вы так, статистика дает мощнейшие инструменты для познания реальности, особенно если речь идет об исследовании сложных систем. Например, в приложении к медицине эта тема хорошо раскрыта в книге Петра Талантова "0,05. Доказательная медицина от магии до поисков бессмертия".
В физике, если что, другая проблема. Сейчас считается немодным проводить нормальные экспериментальные проверки. Поэтому, зачастую, статьи (в самых крутых журналах) содержат в себе теорию, численное моделирование, кучу красочных картинок и, если повезёт, какую-нибудь одну экспериментальную кривую. И всегда возникает вопрос: она одна, потому что никому не интересно делать нормальную экспериментальную проверку теории или потому что все остальные измерения не сошлись с теорией.
Математическое моделирование это отдельная область, работающий в ней исследователь скорее ближе к теоретикам по той причине, что для работы ему кроме собственной головы, нужен только компьютер, письменные принадлежности и доступ к библиотекам с научными работами. Все это относительно дешево. А вот экспериментатору еще нужно дорогое и специализированное оборудование, а скорее всего еще и мастерская, где можно изготовить какие-либо принадлежности для конкретного опыта. Все это сложно, дорого, и требует от исследователя прикладных инженерных навыков. В одном человеке или небольшой группе и инженерные навыки, и серьёзная математическая подготовка присутствуют сильно не всегда.
Pshir
23.05.2026 12:31Зря вы так, статистика дает мощнейшие инструменты для познания реальности
Конечно, даёт. Только ими пользуются почти всегда неправильно. О чём я изначально и написал.
В одном человеке или небольшой группе и инженерные навыки, и серьёзная математическая подготовка присутствуют сильно не всегда.
Я намеренно написал про статьи в топовых журналах, где почти всегда соавторами работы выступают сразу несколько известных коллективов: теоретики, специалисты в численном моделировании, технологи, изготавливающие экспериментальные образцы, экспериментаторы. И даже одних экспериментаторов обычно группа, а не один аспирант, который не понимает, что творит. И это вообще никак не мешает делать работу, спустя рукава.
ru1z
Было бы неплохо. Имхо, дело не только в том, что мошеннические бумажные фабрики теряют деньги и могут принять ответные меры, но и в том, что исследователи могут не считать себя виновными по разным причинам. В некоторых культурах может быть что-то вроде страха "потери лица" и специфическое отношение к подделке данных.
Плохо, что научные показатели жестко привязаны к публикациям или другим количественным показателям, так возвышение циферок до абсолюта приводит к чудесам.
Pshir
Вообще-то, всё научное сообщество и должно являться такой культурой. И, обычно, является, потому что в большинстве случаев ничего, кроме репутации, учёный не заработывает. Но в некоторых областях, типа медицины, крутятся бесконечные деньги (не прямо в науке, но непосредственно к ней примыкают), и обмен лица на эти деньги является вполне себе стратегией.
Качественные показатели сложно выработать. По-хорошему, ИИ мог бы в этом помочь. Но его надо обучить отличать полезные работы от бесполезных. А как это сделать, если даже рецензенты работ субъективны в своих суждениях, а все остальные просто недостаточно квалифицированны?
ru1z
"Потеря лица" не в смысле дорожить репутацией, но, на мой взгляд, иногда людям гораздо важнее показать свой очень высокий статус перед знакомыми или родней вроде тестя (иначе происходит “потеря лица”), и для поддержания статуса они идут на меры с завышенными показателями. Потеря репутации в научном смысле пугает далеко не всех, в газетах про такое писать не будут и тесть не прознает про обман. А может быть еще много чего намешано, типа того, что какой-то парень приезжает в другую страну поработать, а с ним вся семья с маленькими детьми, которых нужно всех кормить, показывать супер-работоспособность и показывать идеальные результаты соотвествующие теоретическим ожиданиям, стресс на максимуме, а потом кто-то из коллег говорит на обсуждении, что что-то на картинках не складывается. Дальше возникает вопрос - кто виноват по мнению паренька и кто представляет угрозу благополучию его семьи?
¯\_(ツ)_/¯