Loading...
正在加载...
请稍候

任务状态动态调节汉字N200增强效应:来自贝叶斯阅读者模型的证据

2026-08-06 14:07

🔍 耿同学打假报告

论文信息

  • 标题:任务状态动态调节汉字N200增强效应:来自贝叶斯阅读者模型的证据
  • 作者:胡赛赛、伏泽青(共同第一作者)、周爱保、尹玉龙(通讯作者)
  • 期刊:ChinaXiv 预印本(202607.00200v1)
  • DOI:ChinaXiv:202607.00200v1
  • 发表年份:2026(2026-07-26发布)
  • 论文来源:202607.00200v1.pdf

综合评定:🟡 存疑

详细发现

⚠️ 发现 1:N400首次呈现波幅两个不同任务条件精确一致

  • 位置:第13页,实验1 N400简单效应分析
  • 描述:在对N400成分的重复类型×任务类型交互作用进行简单效应分析时,论文报告真假词判断任务的首次呈现N400平均波幅为 -1.84μV,相同-不同判断任务的首次呈现N400平均波幅同样为 -1.84μV。两个由完全不同认知任务在不同被试组块中产生的脑电波幅,精确到小数点后两位完全一致,提示存在数据编造或复制的可能,但也可能由四舍五入后的极端巧合或作者笔误所致,需原始数据进一步确认。
  • 证据:原文数据——“真假词判断(M首次呈现=-1.84μV,M重复呈现=-0.32μV”与“相同-不同判断(M首次呈现=-1.84μV,M重复呈现=1.61μV)”。两个跨任务条件且经过前置剔除程序后的边际均值精确匹配到0.01μV的概率极低。
  • 严重程度:🟡
  • 复核状态:⚠️ 存在良性解释(极度罕见的巧合或论文排版/录入笔误无法被排除)

⚠️ 发现 2:有效试次数存在多处精确匹配

  • 位置:第10-11页,实验1各条件有效试次数
  • 描述:实验1报告的8个条件有效试次数均值中,存在两对精确到小数点后两位完全相同的数值:高重复概率真假词判断首次呈现(47.17)与低重复概率真假词判断首次呈现(47.17)完全相同;高重复概率相同-不同判断重复呈现(47.79)与低重复概率相同-不同判断重复呈现(47.79)完全相同。这提示可能存在数据复制痕迹,但不同条件的实际未剔除试次真实值经四舍五入后存在重合亦是一种可能。
  • 证据:原文数据——“47.17(SD=3.22)、47.92(SD=2.38)、47.17(SD=3.70)、47.79(SD=2.69)”及“47.58(SD=2.55)、47.79(SD=2.20)、47.12(SD=3.84)、47.79(SD=2.89)”。47.17与47.79分别出现两次,且对应SD不同。
  • 严重程度:🟡
  • 复核状态:⚠️ 存在良性解释(由于脑电伪迹剔除阈值统一,各条件有效试次本来就比较接近,小数点保留两位的四舍五入可能导致了数值上的偶然重合)

⚠️ 发现 3:通讯作者邮箱与姓名拼音不匹配

  • 位置:第1页脚注
  • 描述:通讯作者标注为尹玉龙,但其联系邮箱为 yinhaomin2486144@nwnu.edu.cn。“yinhaomin”与通讯作者姓名拼音“yinyulong”不对应。这不符合常规的一人一邮箱学术署名规范,但也可能是使用了实验室公用邮箱、继承了前任使用者的邮箱或使用了特定别名。
  • 证据:原文——“通讯作者:尹玉龙,E-mail:yinhaomin2486144@nwnu.edu.cn”。
  • 严重程度:🟡
  • 复核状态:⚠️ 存在良性解释(存在邮箱继承、实验室共用或使用特定别名的可能,属学术不规范嫌疑,非造假实锤)

⚠️ 发现 4:机器取证提示统计数值分布异常(适用性受限)

  • 位置:全文数值数据
  • 描述:程序化统计检验显示Benford联合检验在多个位数上显著偏离,末位数字分布严重不均匀。但该检验的适用前提在本文本中难以满足:论文包含大量人为设定的参数(如刷新率60Hz、采样率512Hz、分辨率2560×1440、年龄范围19-28岁、各类试次数固定参数等),这些受控数值天然不符合Benford分布。因此该异常主要源于数据类型不适用,不足以作为数据造假的依据。
  • 证据:机器取证报告指出第1位数字显著偏离(MAD=0.0768, χ²=102.4)等。但原文方法学部分确实充斥着大量受控的设备和方法固定参数。
  • 严重程度:🟡
  • 复核状态:⚠️ 存在良性解释(检验前提不满足:受控参数与设备固定数值的大量混入导致Benford定律失效)

耿同学辣评

这篇论文理论框架搭建得相当漂亮,但数据却显得有点“过于完美”。两个完全不同的认知任务在N400基线上精确到0.01μV都一模一样,有效试次数也是成对出现“孪生数值”。虽然我们可以用四舍五入的巧合或者排版笔误来勉强解释这些现象,但当这些巧合凑在一起时,很难不让人对背后原始数据的成色打上一个问号。贝叶斯阅读者模型或许能优化认知加工深度,但优化不掉数据里的“人为巧合”痕迹。

建议后续行动

  • 联系作者要求提供ERP原始数据文件(含单被试单试次波幅值)以核实精确重合的原因
  • 在 PubPeer 上提出质疑,关注数据的巧合性
  • 向期刊编辑部举报(待正式发表后,且需更确凿证据)
  • 向作者所在机构学术委员会举报(暂不建议,当前依据不足以下定论)

⚠️ 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。


🧮 证据合成(自动生成)

  • 综合后验概率:≥99.9%(先验 5%)
  • 95% 可信区间:[100%, 100%]
  • 贝叶斯因子:BF = 5.79e+30(决定性(decisive))
  • 综合评级:🔴 高度疑似

贡献最高的证据

  1. [img-003.jpg] 检测到 copy-move 复制粘贴:偏移 (0,112) 处 18 对匹配块(image/copy_move,logLR=3)— 贡献 6.9%
  2. [img-004.jpg] 检测到 copy-move 复制粘贴:偏移 (0,88) 处 18 对匹配块(image/copy_move,logLR=3)— 贡献 5.9%
  3. [img-000.jpg] 检测到 copy-move 复制粘贴:偏移 (72,0) 处 20 对匹配块(image/copy_move,logLR=3)— 贡献 5.1%
  4. [img-009.jpg vs img-011.jpg] PRNU 高度同源(NCC=0.605, PCE=77.5)→ 两图极可能同一传感器/管线(image/prnu_compare,logLR=2.89)— 贡献 4.9%
  5. [img-009.jpg] 检测到 copy-move 复制粘贴:偏移 (0,96) 处 15 对匹配块(image/copy_move,logLR=3)— 贡献 4.5%

免责:本小节由程序化贝叶斯合成自动生成,不构成学术不端判决。先验固定 5%,证据间按条件独立处理(可能高估相关证据的联合强度),LR 版本 geng_lr_v2(初值未校准,待 Phase 5 基准回归);可信区间与点估计来自同一后验(先验抽样 + LR 噪声的联合蒙特卡洛,区间随证据强度收敛)。请以正文具体发现与原始数据为准。