🔍 耿同学打假报告

论文信息

标题：密集追踪研究中测验信度的估计：多层结构和动态特性的视角
作者：罗晓慧, 刘红云
期刊：ChinaXiv 预印本 (心理科学进展类)
DOI：ChinaXiv:202312.00008v1
发表年份：2023年12月 (收稿日期：2023-08-29)
论文来源：202312.00008v1.pdf

综合评定：✅ 清白

详细发现

本次检测基于“耿同学六式”进行深度扫描。由于该论文为心理学方法学/统计模拟论文，不涉及生物医药实验，因此主要对文本逻辑、数据分布、方法学合理性及时间线进行了审查。未发现系统性的学术不端行为，具体扫描结果如下：

发现 1：统计与数据真实性检查

位置：表1、表2 (实证应用部分)
描述：检查了信度估计值、均值、标准差及95%可信区间的分布情况。
证据：表1和表2中的数据（如 .954[.929,.979]、.511[.047,.550] 等）具有真实统计分析中常见的“不完美特征”，小数位分布随机，没有出现整列数据差值恒定、标准差完全一致或人为编造数据的“完美特征”。此外，文中坦诚报告了“145人的动态因子模型无法拟合”（失比例高达42.46%），这种对负面结果的如实报告，恰恰是真实科学探索的体现，造假者通常会掩盖高失败率以美化方法。
严重程度：✅ 正常
复核状态：✅ 成立

发现 2：时间线与设备合理性检查

位置：表3注释
描述：检查运行耗时与设备信息的真实性。
证据：表3注释a提及“CPU型号为12th Gen Intel(R) Core(TM) i5-12500H，内存参数为16GB LPDDR5”。经核实，该CPU型号为Intel于2022年初发布的Alder Lake架构移动端处理器。论文于2023年8月收稿，使用该设备进行实证数据运算在时间逻辑上完全合理。运行耗时（<1s，约10min，约2h）符合各模型复杂度的客观规律。
严重程度：✅ 正常
复核状态：✅ 成立

发现 3：方法学与开源合规性

位置：5.1 实证数据与分析方法
描述：检查了研究方法学的内部一致性及数据公开声明。
证据：作者在文中提供了 OSF (Open Science Framework) 的预注册/数据开源链接（https://osf.io/n2gw7/?view_only=...），并详细列出了 Mplus 语句和 R 代码的获取方式。主动公开分析代码和（部分）原始数据的做法，不仅符合开放科学规范，也侧面印证了论文底气的十足。方法学描述（如贝叶斯估计迭代次数、截断标准等）逻辑自洽。
严重程度：✅ 正常
复核状态：✅ 成立

发现 4：图片操纵/拼接可能性排查

位置：全文（图1至图4）
描述：文本中提及了4个图（多层验证性因子分析模型图、动态因子模型图等）。
证据：文本中未提供足够的图片像素信息，无法进行图像学取证。但根据上下文，图1和图3明确标注了“本图参考了Geldhof等人(2014)/Xiao等人(2023)文章中的图”，属于方法学综述中的正常模型图重绘，而非实验数据的伪造。
严重程度：✅ 正常
复核状态：✅ 成立

耿同学辣评

这篇心理学统计方法学的文章堪称“学术圈的一股清流”。没有Western blot让你找PS痕迹，也没有惊天动地的完美曲线，人家主打的就是一个“我算得慢，但我算得真呀”！尤其是坦诚交代252个人里有145个模型跑不出来，这要是遇到心虚的造假者早就偷偷抹掉了。不仅逻辑闭环，连用的CPU型号都经得起我查，代码还全开源了——做得这么坦荡，让想打假的我甚至有点“失业”的危机感！

建议后续行动

无需跟进。本文未发现学术不端线索，是一篇严谨、规范的方法学探讨预印本。

⚠️ 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。

密集追踪研究中测验信度的估计：多层结构和动态特性的视角