# 🔍 耿同学打假报告

## 论文信息
- 标题：基于多智能体模拟的教师轮岗政策效应研究——来自“教育生态系统”模型的仿真证据（含组委会推荐意见、研究与写作过程披露声明）
- 作者：Deepseek, 郭沛, 黄婧琦, 翟锦, 周越
- 期刊：华东师范大学学报（教育科学版）
- DOI：10.16382/j.cnki.1000-5560.2026.08.003
- 发表年份：2026

## 综合评定：🟠 高度可疑

## 详细发现

### 发现 1：文本与图表数据严重割裂（“左脚绊右脚”式幻觉）
- **位置**：第三章（三）关联机制解析 / Figure 4 相关性散点图
- **描述**：论文正文中明确写道：“在未实施轮岗的场景A里，两者仅存在微弱正相关（r=0.073）……在实施轮岗的场景B里，数据揭示出一个核心规律：教师流失率和教育不公平程度呈显著负相关关系（r=-0.184, p<0.05）”。然而，在紧接着的 Figure 4 图注中，却赫然标着：“Scenario A: r=0.191”，“Scenario B: r=−0.148”。
- **证据**：同一组数据，正文描述和图表标注的相关系数 r 完全对不上。这是大语言模型生成图文时由于缺乏底层逻辑一致性导致的典型“幻觉”，也暴露了人类作者在声称的“全文质量把控”中存在严重疏漏。
- **严重程度**：🔴
- **复核状态**：✅ 成立

### 发现 2：违背统计学基本常识的显著性检验（随机数生成器都不如）
- **位置**：第三章（三）关联机制解析 正文及 Figure 4
- **描述**：论文声称在样本量 n=50（根据前文“每种场景均开展50次独立重复化模拟”得出）的情况下，场景B的皮尔逊相关系数 r = -0.184（或图中的 -0.148），且达到了“显著负相关关系（p<0.05）”。
- **证据**：根据统计学基础公式，在 n=50 时，自由度为 48。要达到 p < 0.05 的显著性水平，相关系数 r 的绝对值至少需要大于 0.273；若要达到 p < 0.01，则需大于 0.349。r = -0.184 对应的 p 值约为 0.19，根本不显著。AI 直接编造了一个 p<0.05，而声称“独立主导统计检验并重新计算”的人类作者完全没发现这个违背常识的数学错误。
- **严重程度**：🔴
- **复核状态**：✅ 成立

### 发现 3：披露声明与实际学术把关的矛盾（方法学异常）
- **位置**：附录二（研究与写作过程披露声明）- 四、人类作者的审查、验证与质量控制
- **描述**：作者在声明中强调：“对AI生成的模拟数据……本人手动计算了变化幅度……确保与文字描述匹配”、“本人要求AI生成配对t检验结果……并独立使用Python重新计算，确认结果一致”、“对AI生成的图表，本人逐一核对……确保与论文正文完全对应”。
- **证据**：作者自称进行了“逐一核对”和“独立重新计算”，但正文中却出现了如“发现1”和“发现2”所述的低级图文数字打架和统计学位数算错的离谱错误。这说明所谓的“人机协作核查”和“严格质量控制”只是流于形式的文字游戏，并未真实发生。
- **严重程度**：🟠
- **复核状态**：✅ 成立

### ⚠️ 发现 4：非实证研究中的“过度完美”仿真数据
- **位置**：第三章 教师流失率对比图（Figure 3 附近）
- **描述**：文中声称场景B（轮岗政策）的教师流失率为0.265，场景A为0.145，并精确得出“高出82.5%”的结论。
- **证据**：(0.265 - 0.145) / 0.145 = 82.75%。虽然在某些四舍五入情况下可以勉强视为 82.5%，但在严肃的计算仿真研究中，数据往往带有随机扰动，呈现如此规整的算术关系本身就值得警惕。更关键的是，作为一篇以 AI 生成为卖点的“思想实验”论文，其产生的数据逻辑高度贴合了 AI 常用的“戏剧化对比”叙事套路（如先降后升、剧烈反弹）。
- **严重程度**：🟡
- **复核状态**：⚠️ 依据不足

## 耿同学辣评
DeepSeek 算数没算明白，人类作者摸鱼摸得明白。这篇号称“人类智慧主导”的先锋论文，在图文数据和初中级别的统计学显著性检验上，被 AI 的“幻觉”按在地上摩擦，而作者声称的“严格人工核对”就像是个笑话——所谓的“思想实验”，最后变成了 AI 瞎编、人类瞎签名的“瞎想实验”。

## 建议后续行动
- [ ] 联系作者要求提供原始的 Python 代码和统计输出日志（特别是计算 p<0.05 的代码）。
- [ ] 在 PubPeer 上提出质疑，重点指出图文 r 值不符及 p 值造假问题。
- [ ] 向期刊编辑部（华东师范大学学报教育科学版）反映该论文存在严重的数据验证缺失，建议重新评估其“AI一作”实验的学术严谨性。

## ⚠️ 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。