🔍 耿同学打假报告

论文信息

• 论文来源：供应链数字化对企业经营风险的影响研究_周维 (2).pdf
• 标题：供应链数字化对企业经营风险的影响研究——来自供应链创新与应用试点的经验证据
• 作者：周维
• 指导教师：章华
• 所在机构：浙江大学经济学院
• 期刊：硕士学位论文（金融专业）
• 提交年份：2025 年 6 月 9 日
• 答辩日期：2025 年 6 月 3 日

综合评定：🟠 高度可疑

详细发现

发现 1：时空错乱的时间线

• 位置：论文封面页 / 摘要前扉页
• 描述：封面信息显示“论文提交日期：2025 年 6 月 9 日”，但紧接着下面的“答辩日期”赫然印着“2025 年 6 月 3 日”。
• 证据：
  1. 答辩日期（6月3日）早于论文最终提交日期（6月9日）整整6天。在正常的国内研究生培养流程中，答辩通过后才能进行最终修改并提交定稿存档，不存在“先提交后答辩”或“穿越回去答辩”的逻辑。
  2. 结合当前日期（2026-06-05），虽然论文写的是2025年，属于“过去”，但这种明显的排版时间逻辑错误，通常是由于直接复制了上一届师兄师姐的模板而忘记修改日期，或者是从不同文件中拼凑导致的。
• 严重程度：🟠（虽不直接涉及数据造假，但反映出治学态度极为粗糙，论文可能存在“量产”或“套用模板”嫌疑）

发现 2：文本分析中的“生物入侵”——离谱的英文翻译

• 位置：表 5-1 文本分析词汇集 (第32页)
• 描述：在进行文本分析构建词典时，作者在“数字化词汇集”的“技术战略导向”一栏中，赫然列入了 “Reptiles”（爬行动物、爬虫类）一词。
• 证据：
  1. 上下文中包含“Reptiles”的词汇是“Reptiles, 企业云, 人工智能...”。在计算机科学中，与之对应的技术术语应为 “Web Crawler” 或 “Spider”（网络爬虫）。
  2. 作者极有可能使用了粗劣的机器翻译工具，或者直接照搬了某篇劣质英文文献的词汇表，将“爬虫”（数据抓取技术）直译成了生物学上的“Reptiles”（爬行动物）。
  3. 如果作者真的用这个词在 Python 里去跑文本分析，那中国上市公司的年报里得有多少关于“爬行动物”的描述才能被匹配上？ 这说明所谓的“文本分析”过程极有可能只是走过场，或者是直接伪造的结果。
• 严重程度：🔴（确凿的方法论谬误，极大动摇了核心解释变量构建的科学性）

发现 3：数据窗口外的“未卜先知”

• 位置：第6.6.4节 排除其他政策干扰 (第54页)
• 描述：作者声称使用了 2013-2022 年的样本数据，但在排除政策干扰时，却试图控制 2024 年的政策效果。
• 证据：
  1. 摘要和研究设计中明确指出：“本文首先以 2013-2022 年 所有沪深 A 股上市公司为样本”。
  2. 在第54页排除其他政策干扰时，文中写道：“2022 年 9 月和 2024 年 4 月，又分别公布了第二批和第三批全国供应链创新与应用示范城市和示范企业... 为了排除示范企业名单公布对研究结果的影响...”。
  3. 既然数据只到 2022 年，作者是如何在一个截止到 2022 年的面板数据中，控制一个 2024 年 才发生的政策影响的？这在统计学上是不可能的，除非作者拥有穿越时空的数据，或者这段文字是直接复制粘贴了其他人的工作底稿而忘记修改年份。
• 严重程度：🔴（严重的逻辑矛盾，暴露出文字拼凑的痕迹）

发现 4：图片与原始数据检测受限说明

• 位置：全文图表
• 描述：未能进行图片复用（第一式）和图片拼接（第三式）检测。
• 证据：文本中未提供足够的图片像素级信息（如 Figure 6-1 等仅为文字描述或矢量图），无法进行背景噪点、PS 痕迹等检测。上述异常均基于文本逻辑与数据自洽性分析得出。
• 严重程度：🟡（客观条件限制）

耿同学辣评

这篇论文生动地展示了什么是“缝合怪”式学术。
首先，作者发明了时间旅行技术，6月9日提交的论文，6月3日就答辩完了，甚至还能用2013-2022年的数据去控制2024年的政策影响，这波操作主打一个“跨越时空的因果推断”。
最让我笑喷的是，作者在搞文本分析构建词典时，居然把计算机里的“爬虫”翻译成了“Reptiles”（爬行动物）。合着贵公司的供应链数字化是用壁虎和蜥蜴来实现的？
连基本的常识和逻辑校验都做不到，这种充满复制粘贴痕迹和机翻错误的“半成品”，是怎么好意思提交给浙江大学的？建议查一查这份文本分析的代码，看看里面到底爬出了几只恐龙！

建议后续行动

• 联系作者要求提供原始数据和 Python 文本分析代码（特别是检查 Reptiles 的匹配记录）
• 在 PubPeer 上提出质疑
• 向浙江大学经济学院学术委员会及导师反映其论文逻辑谬误与涉嫌抄袭拼凑的问题
• 建议核实该论文是否使用了 AI 辅助写作且未进行人工校对

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。