🔍 耿同学打假报告

论文信息

标题：Supplementary Materials (具体论文标题未在文本中提供，推测为关于“风景园林建造实践对学生心理与生理影响”的实证研究)
作者：未提供
期刊：未提供
DOI：未提供
发表年份：未提供
论文来源：Supplementary.pdf

综合评定：✅ 清白

详细发现

发现 1：数据自洽性极佳（反向验证）

位置：Table S3, S16, S19 (描述性统计)
描述：对其报告的均值、标准差(SD)和标准误(SE)进行了逆向数学验算。以 Table S3 为例：Pre-construction 组的 SD 为 32.43，样本量 N=25，理论 SE 应为 32.43 / √25 = 6.486（报告值为 6.49）；Construction 组 SD 为 24.66，理论 SE 为 24.66 / 5 = 4.932（报告值为 4.93）。Table S16 实验组 SD 为 35.95，理论 SE 为 35.95 / 5 = 7.19（报告值完全一致）。
证据：多项表格的 Mean、SD、SE 之间存在严密的数学换算关系。如果是随机数生成器编造的数据，往往会在这些基础数学换算上露出马脚，但本文的算术非常扎实。
严重程度：✅ 无异常
复核状态：✅ 成立

发现 2：统计学方法选择严谨（无 p-hacking 痕迹）

位置：Table S4 - S9, S17 - S21, S24 - S31
描述：作者在正态性检验（Table S4）中发现部分数据不符合正态分布，于是同时报告了单因素方差分析（ANOVA）和非参数检验。在进行事后检验时，由于方差不齐（Table S5），正确地放弃了常用的 Tukey 检验，转而使用了专门针对方差不齐的 Tamhane's T2 检验。
证据：在两独立样本比较（Table S29）中，作者根据 Levene 检验的结果，对 Pleasure 使用了 Welch's t-test，对 Arousal 使用了 Student's t-test。这种根据数据前提假设动态调整统计方法的操作，展现了极高的统计学素养，绝非敷衍了事的“P值伪造者”。
严重程度：✅ 无异常
复核状态：✅ 成立

发现 3：混合效应模型逻辑自洽

位置：Table S32 - S40
描述：文本后段使用了线性混合效应模型来处理重复测量数据，并加入了年龄作为协变量，指定了 AR(1) 协方差结构。
证据：Table S32 明确指出“对照组的 Phase 2 和 Phase 4 无法估计”，并在后续的 Estimated Marginal Means (Table S39) 中严格遵循了这一逻辑，没有强行为对照组的这俩阶段捏造数据。这种“知之为知之，不知为不知”的数据报告方式，让人放心。
严重程度：✅ 无异常
复核状态：✅ 成立

发现 4：排版/文本提取的遗留碎片（轻微观察）

位置：Table S3.7, Table S3.8 等表格标题及注释行
描述：表格标题后常带有孤立的数字（如 TableS3.7，TableS4.11，以及注释末尾的 9, 10, 13, 14 等）。
证据：这属于典型的 PDF 复制提取过程中，原文档的行号、页脚或图表自动编号被错误提取为正文文本的产物。
严重程度：🟡 存疑（仅排版问题，与学术诚信无关）
复核状态：✅ 成立

耿同学辣评

看惯了各种“PS大师”和“随机数生成器战神”，这份补充材料简直是一股清流！不仅算术算得明白，连方差齐性、正态分布不满足时该换什么非参检验都门儿清。这篇论文的作者如果是造假的，那他绝对是个把统计学教材背得滚瓜烂熟的“硬核造假者”——但更合理的解释是，这数据大概率是真实跑出来的。耿同学今天 unemployed 了，没假可打，只能含泪给大家点个赞。

建议后续行动

无需联系作者提供原始数据（数据逻辑已非常严密）
无需在 PubPeer 上提出质疑
无需向期刊编辑部举报
（可选）建议作者在提交最终版时检查一下 PDF 换行和排版问题

⚠️ 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。
(注：由于本次输入仅包含文本格式的表格和问卷条目，未包含 Western Blot 等图像图片，因此耿同学六式中的“图片复用/拼接检测”无法执行。基于现有纯数据与文本的审查，未发现任何学术不端痕迹。)

Supplementary Materials (具体论文标题未在文本中提供，推测为关于“风景园林建造实践对学生心理与生理影响”的实证研究)