🔍 耿同学打假报告

论文信息

• 标题：观点采纳塑造人智协作中的创造性表现 / Perspective Taking Shapes Creative Performance in Human–AI Collaboration
• 作者：张曼、彭洋、王雅洁、胡慧清、陈石、赵庆柏
• 期刊：ChinaXiv预印本（华中师范大学）
• DOI：未提供（ChinaXiv编号 202607.00201v1）
• 发表年份：2026年7月25日发布于ChinaXiv（收稿日期：2026-04-17）
• 论文来源：202607.00201v1.pdf

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：列间差值高度恒定（机器取证证据 S3/S4/S5）

• 位置：表1、表2、表3、表4、表5、附表1（全文统计表格）
• 描述：PHP程序对全文66个列对进行差值恒定检验，三次触发红线（S3、S4、S5），提示"数据非实验测量而是加减法编造"。
• 证据：原文中表2的人智协作与双人协作各列均值与标准差均为标准报告格式（如人智协作流畅性均值=22.51，SD=6.92；双人协作=19.38，SD=9.30），数据本身无法在原文中直接验证其是否符合"自然变异性"。
• 复核分析（反方论证）：心理学实验中均值±SD的呈现形式本身就来源于真实测量结果汇总，差值恒定检验的"红线"在多种心理学量表数据集中可能产生假阳性。该检验对样本量较小（如本研究n=49-55对）、且来自同一实验流程的数据敏感度较高，原文未提供任何指向"加减法编造"的直接证据（如自相矛盾的数据、完全线性的散点）。同时，原文报告了多个变量（新颖性、适用性、流畅性、灵活性、观点采纳等）的均值与标准差，这些数据在真实实验中通常由不同维度独立测量，存在通过差值恒定检验的良性可能（不同变量均来自同一批被试，统计量间存在系统性关联）。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（差值恒定检验对小样本心理学数据敏感，多个独立维度的统计量本就来自同一被试群体，存在系统性关联属正常现象）

⚠️ 发现 2：末位数字分布严重不均匀 + Benford偏离（机器取证证据 S1/S2）

• 位置：全文表格中的均值、标准差、t值、p值、回归系数
• 描述：末位数字分布在χ²检验中达到p=0.0000（χ²=69.5），奇偶比394/846=0.47；Benford联合检验中第1位至第4位数字均呈显著或边缘异常（MAD最高达0.1386，χ²=4518.4）。
• 证据：原文中报告的p值包括p<0.001、p=0.024、p=0.029、p=0.045、p=0.038、p=0.005、p=0.010等，均为标准报告格式。
• 复核分析（反方论证）：Benford定律适用于跨数量级的真实测量数据（如人口、河流长度、经济数据），但不适用于受控范围的心理量表评分（李克特1-7）或标准化回归系数（通常-1到1）；论文中大量变量（如t值、p值、回归系数）的取值范围本身就受限于特定分布，不满足Benford检验的前提条件。末位数字分布在心理学论文中受小数位舍入规则（如报告至两位小数）影响较大，可能产生系统性末位偏好。原文未出现"所有数据均落在某些数字上"的极端异常，且p值分布覆盖了广泛区间（从0.001到0.924），未见系统性p-hacking模式。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（Benford检验前提在受控范围的量表数据/回归系数上不满足；末位分布受小数位舍入影响）

⚠️ 发现 3：图2A与B面板人物素材疑似复用

• 位置：第7页 图2（A、B面板）
• 描述：图2A（双人协作场景）中"房间1"的人物图像与图2B（人智协作场景）中"房间1"的人物图像高度相似，背景与人物姿态几乎完全一致，仅面部细节略有不同。
• 证据：视觉分析摘要标注置信度"中"。论文原文第7页图2注仅描述"A)双人协作场景；B)人智协作场景；C)双人协作网页聊天界面；D)人智协作网页聊天界面"，未提供关于素材来源的说明。
• 复核分析（反方论证）：①示意图中"房间1"均为人类参与者使用电脑的标准场景，使用同一素材绘制不同实验条件的场景是学术示意图的常见做法（避免重新绘图的成本与版权问题）；②论文图注已明确标注四个面板分别对应不同实验条件，即使素材复用，也不影响读者对实验设计的理解；③视觉分析摘要同时指出"置信度：中"，未达到"高度确信"标准；④原文未声明使用了不同人物素材，因此复用同一人物素材不构成"伪造"。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（实验场景示意图中使用同一人物素材绘制不同条件是常见做法，图注已明确标注条件差异）

⚠️ 发现 4：图2C与D面板笔记本电脑模板疑似同一素材

• 位置：第7页 图2（C、D面板）
• 描述：图2C与D中笔记本电脑的硬件外观（边框、键盘、底座阴影、渲染角度、光照方向与桌面阴影）几乎完全一致，仅替换了屏幕内聊天内容。
• 证据：视觉分析摘要标注置信度"中"。论文原文图2注描述"C)双人协作网页聊天界面；D)人智协作网页聊天界面"。
• 复核分析（反方论证）：示意图中笔记本电脑模板复用是学术插图的标准做法（同一硬件设备用于不同实验条件），论文重点展示的是屏幕内的聊天界面差异，而非硬件外观。视觉分析摘要本身将此标记为"轻微"而非"可疑"。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（示意图中笔记本模板复用是学术插图的常见做法）

⚠️ 发现 5：图3、图5、图6小提琴图中AI组数据"过于干净"

• 位置：第12页 图3A、图3B；第15页 图5、图6
• 描述：AI组（红色）数据点分布形态明显更窄，散点几乎全部聚集在中位数附近，缺乏自然数据应有的离散噪声。
• 证据：论文原文第6页明确报告"温度(temperature)= 0.70，核采样参数(top p)= 1.00，存在惩罚(presence penalty)= 0.00，频率惩罚(frequency penalty)= 0.20"以及"每个想法限制在40字以内"。
• 复核分析（反方论证）：GPT-5-mini在固定参数（temperature=0.70, top_p=1.00, frequency_penalty=0.20）下生成的回答本就较为一致，加之40字以内输出约束，导致AI生成想法在类别和长度上的方差天然较小。这是LLM输出行为的固有特征，而非数据造假。视觉分析摘要本身标注"置信度：低"，并提示"也有可能是AI回复本身较为一致所致，需谨慎判断"。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（LLM在固定参数与字数限制下输出方差天然较小，原文已明确报告相关参数）

⚠️ 发现 6：图像取证发现多张统计图存在copy-move嫌疑（I2、I4、I6、I8、I10、I12、I14、I16、I18、I20、I22）

• 位置：img-000至img-010（共11张图）
• 描述：PHP程序对12张图两两比对，发现多张图在不同偏移处出现疑似复制粘贴块（最多达69对匹配块，如I4：img-001.jpg偏移(32,0)处69对匹配块）。
• 证据：原文中图1-图10均为统计图或概念示意图，包含大量规则重复元素（坐标轴边框、刻度线、网格线、面板分隔线、置信区间阴影）。
• 复核分析（反方论证）：统计图（散点图、小提琴图、APIM模型示意图）中存在大量规则重复元素（坐标轴边框、刻度线、网格线、面板分隔线），这些元素本身就容易被Fridrich块匹配算法误判为"同偏移复制"。R语言ggplot2等统计绘图软件的默认渲染输出具有高度统一的像素特征（相同的字体、相同的边框宽度、相同的刻度间距），同一论文中所有图由同一脚本/同一软件渲染时，其"同偏移匹配"是预期结果而非篡改证据。原文未声明使用了不同的渲染工具或不同的图像来源。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（统计图中规则重复元素易导致copy-move算法误判，同一论文批量渲染的统计图天然共享大量像素特征）

⚠️ 发现 7：图像噪声方差不一致/高度不均（I1、I3、I5、I7、I9、I11、I13、I15、I17、I19、I21）

• 位置：img-000至img-010
• 描述：多张图呈现噪声方差CV>1.0（最高1.52），部分被程序标记"疑似图像拼接"。
• 证据：论文原文中的统计图均为软件（R/Python）渲染输出，未提及扫描或翻拍。
• 复核分析（反方论证）：统计图中大面积平坦区域（白色背景、空白面板）会导致高通滤波后有效块数量减少、CV升高。R语言ggplot2的白色背景面板在9×9盒式高通滤波下会产生极低的方差值，与数据区域（包含彩色元素）的方差形成巨大差异，这是统计图的固有特征而非拼接证据。不同面板的数据密度不同（如小提琴图与简单柱状图的数据填充区域面积差异巨大），也会导致CV值显著不同。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（统计图大面积平坦区域与数据区域方差天然不同，软件渲染统计图的CV值受背景面积影响）

发现 8：PRNU弱相似（I23、I24）

• 位置：img-010 vs img-011、img-000 vs img-011
• 描述：两张图的PRNU（相机传感器噪声指纹）比较显示NCC值极低（-0.001、0.048），提示它们不来自同一拍摄设备。
• 证据：论文原文中的所有图均为软件渲染的统计图与概念示意图，无任何相机拍摄内容。
• 复核分析（反方论证）：PRNU主要用于检测照片是否来自同一相机传感器，而论文中的统计图是软件（R/Python）渲染的矢量/位图输出，本身就不含相机传感器噪声。软件渲染图之间的PRNU"弱相似"是预期结果，不构成造假证据。
• 严重程度：⚪
• 复核状态：✅ 成立（PRNU弱相似在软件渲染图中为预期结果，良性解释明确）

⚠️ 发现 9：样本量与剔除标准的表述歧义

• 位置：第5页 第2.1节被试部分；第11页 表1表头
• 描述：正文称"双人协作条件57对，人智协作条件55对"，表1表头写"人智协作(55) 双人协作(114)"。若55对应为110人，则表1数字与正文一致（55对=110人，但表1只列55人）；若57对=114人，则表1列头括号内应为"110"和"114"而非"55"和"114"。
• 证据：论文原文第5页明确报告"从华中师范大学共招募169名被试"、"被试被随机分配至双人协作或人智协作条件，其中双人协作条件57对，人智协作条件55对"、"被试平均年龄为19.57岁(SD=1.26)。其中，男性58人，女性111人"；表1表头显示"人智协作(55) 双人协作(114)"，df=167支持总人数约168-170人的推断。
• 复核分析（反方论证）：①df=167与总人数168人（55+114=169）高度吻合，说明表1括号内的数字确实指人数；②若按55对=110人和57对=114人计算，总人数应为224人而非169人，因此正文中的"55对""57对"可能是"55人""57人"的笔误，或表1括号内的数字才是正确的人数；③此处矛盾属于排版/表述歧义，不涉及数据本身的自相矛盾（如不同表中同一变量的数值不一致），且df值与表1人数自洽；④可能为论文从投稿到ChinaXiv发布过程中的格式转换错误。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足（正文"55对"与表1"55人"存在单位歧义，但df=167与总人数自洽，可能为排版笔误，不构成数据造假证据）

发现 10：时间线合理性核查（GPT-5-mini的可用性）

• 位置：第6页 第2.2节
• 描述：研究选用GPT-5-mini作为AI协作对象，API调用时间为2025年11月8日至2025年12月21日。
• 证据：论文原文明确报告"研究选取 GPT-5-mini作为人智协作条件的互动对象"及"API调用时间为2025年11月8日至2025年12月21日"。
• 复核分析（反方论证）：截至当前日期（2026年8月），GPT-5系列已由OpenAI正式发布并提供API服务，GPT-5-mini作为轻量版本应已上线。论文收稿日期2026年4月17日，晚于API调用结束日期（2025年12月21日），时间线逻辑合理。
• 严重程度：✅
• 复核状态：✅ 成立（无时间线冲突）

发现 11：方法学描述与统计方法

• 位置：第2节、第3节
• 描述：方法部分内部基本一致，使用pwr包确定样本量（d=0.55, α=0.05, power=0.80），与每组最少53对的需求基本匹配；APIM模型设定（含不可区分/可区分二元组、随机截距、均值中心化）描述规范。
• 证据：原文第6页明确报告样本量计算方法及参数选择理由。
• 复核分析（反方论证）：方法学描述详尽完整，APIM模型的统计建模策略（不可区分/可区分二元组的区分使用、均值中心化处理、随机截距设置、似然比检验的模型比较策略）均符合方法学规范。
• 严重程度：✅
• 复核状态：✅ 成立（方法学描述自洽）

发现 12：多重比较与p值分布

• 位置：第3节各表
• 描述：报告了多个p值（如p<0.001、p=0.024、p=0.029、p=0.045、p=0.038等），未观察到典型的p-hacking模式。
• 证据：原文表2、表4、表5中的p值分布广泛，从p<0.001到p=0.924均有报告。
• 复核分析（反方论证）：p值分布总体合理，未见所有p值都恰好在0.04-0.05区间的p-hacking模式，且论文明确报告了大量非显著结果（如适用性p=0.137、灵活性p=0.186等），说明研究结果未经过筛选性报告。
• 严重程度：✅
• 复核状态：✅ 成立（p值分布合理，未见p-hacking）

耿同学辣评

这篇论文选题很有前瞻性——人智协作中的观点采纳确实是一个值得深挖的方向，方法学设计（APIM模型、不可区分/可区分二元组的区分使用）也相当规范。机器取证跑出的几条统计线索（Benford偏离、末位分布异常、列间差值恒定）虽然看起来触目惊心，但仔细想想：Benford定律本就不适用于李克特量表分数和回归系数，差值恒定检验对小样本心理学数据天然敏感——这些"红线"在论文原文中都能找到合理的良性解释。示意图里两间实验室共用同一个演员？这在学术插图里实在太常见了，不值得大惊小怪。唯一真正值得注意的是表1表头的"55"和正文"55对"的表述歧义——到底是55人还是55对？建议作者仔细核实一遍，但这更像是排版笔误而非数据造假。总的来说，这篇论文的数据更可能是真实跑出来的实验结果，只是恰好被统计检验的"火眼金睛"误判了几次。建议后续重点关注的不是数据真伪，而是表述规范的统一性。

建议后续行动

• 联系作者澄清表1表头"55"与正文"55对"的表述歧义（人数vs.组数）
• 建议作者在正式发表版本中统一样本量表述（建议改为"人智协作条件55人(28对)，双人协作条件57人(28对)"或类似明确表述）
• 提供GPT-5-mini的完整API调用日志作为补充材料，增强可重复性
• 当前统计线索（Benford、列间差值恒定、copy-move等）均存在明确良性解释，无需启动正式学术调查
• 建议作者在补充材料中公开原始对话记录与评分者打分原始数据，以便后续研究者复核

⚠️ 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。