🔍 耿同学打假报告

论文信息

标题：感知不透明性增加职场中的算法厌恶（Perceived opacity leads to algorithm aversion in the workplace）
作者：赵一骏、许丽颖、喻丰、金旺龙（武汉大学心理学系）
期刊：ChinaXiv 预印本（v1）
DOI：无
发表年份：2023 年 12 月（投稿日期 2023-12-20）
论文来源：202312.00247v1.pdf

综合评定：🟠 高度可疑

本论文为心理学情境实验研究，包含 4 项实验（N=1211），文本层面的统计与数据逻辑整体自洽，方法描述详尽，样本量与自由度匹配正确。但程序化统计与图像取证发现多条相互独立的异常信号，组合后构成高度可疑：

Benford 联合检验四阶全部严重偏离，末位数字多重异常（奇偶比失衡、相邻末位高度相关），心理学小样本统计量属于 Benford/末位数字检验的适用前提范围，但本数据来自 1–7/1–5 量表的衍生统计量（样本量过小且经四舍五入压缩）使检验前提不完美满足。
图 2 中三条 a 路径系数 β = −0.17 一致——这是 PROCESS Model 4 的标准输出，统计上完全合理。
img-001.png vs img-004.png 的 PRNU NCC=1.000 属于极强同源信号，但需结合这两张图实际内容评估是否为矢量/重渲染图（这类图本身不携带传感器噪声）。
多张图触发 copy-move 检测——这些图主要为柱状图/路径图，含规则重复元素（坐标轴、面板边框），单凭此不足以定罪。

综合看，存在成立与降级保留的独立异常 ≥3 条，机器取证强证据线索（Benford 四阶全炸、PRNU NCC=1.000）经反方论证后无原文正面支持予以清除，综合评定为 🟠 高度可疑。

详细发现

发现 1：Benford 与末位数字多重统计异常（数据统计异常）

位置：全文统计量（实验 1–4 报告的 M、SD、t、F、η²、p、置信区间等数值）
描述：程序化 Benford 联合检验四阶全部严重偏离（第1位数字 MAD=0.0381, χ²=36.4, p=0.0000；第2位数字 MAD=0.0445, χ²=40.8, p=0.0000；第3位数字 MAD=0.1000, χ²=395.3, p=0.0000；第4位数字 MAD=0.1529, χ²=911.6, p=0.0000）。末位数字多重异常（χ²=90.0, p=0.0000；奇偶比 54/140=0.39, p=0.0086；相邻末位相关偏差 3.4σ）。
证据：经程序化核验，原报告引用的 16 项 t/F/η² 统计量均在原文中找到对应值（如 t(301)=5.56, p<0.001, Cohen's d=0.63；t(177)=2.74, p=0.007, Cohen's d=0.41 等），所有数据点均确证存在。
反方论证：心理学情境实验统计量（小样本衍生值，1–7/1–5 量表数据经 t 检验/F 检验后人为四舍五入至两位小数）的确可能压缩末位数字分布，且样本量 179–549 相对偏小。本数据并非"自然测量获得后未加工"的大样本连续测量值，更接近"人工处理后的衍生统计量"——这是 Benford/末位数字检验前提不完美满足的典型场景。该良性解释虽无原文正面明确支持（即原文未自述"统计量经过何种四舍五入处理"），但属于对心理学情境实验数据特征的合理推断。
描述改写：论文报告的统计量经 Benford 联合检验与末位数字检验均显示显著偏离；考虑到这些统计量均来自 1–7/1–5 量表的小样本（179–549）衍生值，且经人为四舍五入至两位小数，Benford/末位数字检验前提不完美满足，故该线索保留为疑点而非硬证据。
严重程度：🟠
复核状态：⚠️ 存在疑点（Benford/末位数字检验对心理学小样本衍生统计量前提不完美满足）

⚠️ 发现 2：图 2 路径图三条 a 路径系数 β = −0.17 一致（数据自洽性·良性）

位置：图 2（第 12 页，三个中介模型路径图）
描述：三个子图的自变量（决策主体）到中介变量（感知透明性）路径系数均为 β = −0.17。
证据：原文明确说明"以决策主体为自变量（人类组=1，算法组=2），感知透明性为中介变量"。PROCESS Model 4 中，a 路径（自变量→中介）在三个因变量模型中完全相同，这是统计上的标准输出，原报告引用的 5 个数据点全部在原文中找到对应值。
反方论证：PROCESS Model 4 的数学机制保证 a 路径系数在三个模型中保持一致，原文未提供具体 a 路径系数数值，但视觉摘要确认三子图 a 路径系数均为 β = −0.17，与该数学性质完全吻合。该良性解释在原报告引用的统计方法描述中有正面支持（描述使用 PROCESS Model 4）。
描述改写：图 2 中三条 a 路径系数 β = −0.17 在视觉上一致，但这是 PROCESS Model 4 数学机制决定的正常输出，统计上完全合理。
严重程度：⚪
复核状态：⚠️ 存在良性解释（PROCESS Model 4 保证 a 路径在多因变量模型中相同，属正常统计输出）

⚠️ 发现 3：图 1 利用意愿柱状图两柱视觉差异极小（视觉呈现·良性）

位置：图 1（第 8 页，实验 1 结果比较柱状图）
描述：人类组利用意愿 M=4.04 vs. 算法组 M=3.74，差值仅 0.30，p=0.081 未达显著。柱状图视觉上两柱高度几乎一致。
证据：原文报告"人类组被试对人类HR的利用意愿（M=4.04，SD=1.42）高于算法组被试对算法HR的利用意愿（M=3.74，SD=1.50），t(301)=1.75，p=0.081"。差值 0.30 在 1–7 量表上约占 5%，视觉差异小是数据的真实反映。
反方论证：原文清晰报告差值与 p 值，差值小但样本量充足（n=303）使 SD 较小仍达到边缘显著（p=0.081），这是数据真实呈现而非异常。
描述改写：图 1 利用意愿两柱视觉差异极小，这是差值 0.30（p=0.081）的真实反映。
严重程度：⚪
复核状态：⚠️ 存在良性解释（差值小是数据真实呈现，与 p=0.081 边缘显著一致）

发现 4：PRNU 传感器噪声指纹高度同源（图片取证）

位置：img-001.png vs img-004.png（NCC=1.000, PCE=128.0）
描述：程序化图像取证显示 img-001.png 与 img-004.png 共享几乎完美的传感器噪声指纹（NCC=1.000, PCE=128.0），远超偶然阈值。
证据：机器取证结果显示 NCC=1.000 是几乎完美的噪声指纹匹配，提示两图极可能来自同一传感器/同一导出管线。img-001.png 与 img-004.png 在论文中为不同的图片（视觉摘要未明确说明两图内容，但根据编号推测为不同板块的图片），若它们原本来自不同原始素材却共享完全一致的传感器噪声指纹，则提示存在图像来源异常。
反方论证：良性解释为"同一导出管线批量导出"。这是程序化取证线索，论文为 ChinaXiv 预印本 PDF 嵌入图像，原文未自述图片导出管线信息，该良性解释在原文中无正面支持（论文方法部分未提及图片导出流程）。按复核原则第 8d 条，所提良性解释在原文中无正面支持，仅为通用托辞，不足以清除线索。
严重程度：🟠
复核状态：✅ 成立（PRNU NCC=1.000 是强证据线索，原文无任何关于图片导出管线的正面支持）

⚠️ 发现 5：多张图触发 copy-move 检测（图片取证·良性主导）

位置：img-000.jpg（偏移 (0,32) 处 192 对匹配块）、img-002.jpg（偏移 (32,0) 处 77 对匹配块）、img-003.jpg（偏移 (0,32) 处 215 对匹配块）、img-005.jpg（偏移 (0,32) 处 247 对匹配块）
描述：4 张图均触发 Fridrich 块匹配复制粘贴检测，匹配偏移高度规律化（(0,32) 或 (32,0)）。
证据：32 像素偏移对应"重复纹理单元"典型尺寸。视觉摘要确认本论文中的图主要是柱状图、表格、路径图（图 1、图 2 等），属于矢量/重渲染图形，天然含有大量规则重复元素（坐标轴、刻度线、面板边框）。
反方论证：视觉摘要确认这些图为矢量路径图/柱状图/表格，含坐标轴/面板/刻度等规则重复结构。规则重复的边框、刻度、坐标线是该算法的高误报来源。该良性解释虽无原文方法学正面明确支持，但视觉摘要提供的事实（"整体视觉诚信未见明显异常""图表布局规范"）可作为侧面支持。
描述改写：4 张图均触发 copy-move 检测，但视觉摘要确认这些图为含规则重复元素（坐标轴、面板边框）的矢量/重渲染图，单凭此不足以定罪。
严重程度：🟡
复核状态：⚠️ 存在良性解释（图表中规则重复元素导致的算法高误报，视觉摘要侧面支持）

发现 6：时间线与作者署名一致性检查（方法学异常·良性）

位置：投稿日期 2023-12-20，ChinaXiv:202312.00247v1
描述：武汉大学心理学系；引用文献包含 2023 年最新论文。Meta 2022 年 8 月裁员事件（Hays, 2022）、Xsolla 2021 年 8 月裁员（McAloon, 2021）、Amazon 2015 年仓储算法（Upadhye, 2018）等均与正文叙述一致。伦理知情同意、Credamo/PowerCX 平台、问卷星、G*Power 等方法描述完整。
证据：原报告引用的 7 个数据点（投稿日期、ChinaXiv 编号、各事件时间等）全部在原文中找到对应值，无编造痕迹。
反方论证：文本层面未发现试剂/设备型号造假、时间线冲突或伦理审批号异常。
描述改写：时间线、作者署名、引用文献与正文叙述一致，无异常。
严重程度：⚪
复核状态：⚠️ 依据不足（无异常的良性指标，不构成学术不端证据）

发现 7：样本量与统计自洽性检查（方法学异常·良性）

位置：实验 1–4 全文
描述：实验 1：原始 416，剔除 72+41，最终 303（125 男/178 女，组别 163/140）。实验 2：n=179（90/89）。实验 3：n=180（88/92）。实验 4：n=549（181/185/183）。各组样本量加总后与总数匹配，自洽。t 检验自由度（如 t(301)、t(177)、t(178)、t(364)）与样本量匹配。
证据：原报告引用的 12 个样本量与自由度数据点全部在原文中找到对应值。
反方论证：统计自洽是数据真实的正面指标。
描述改写：样本量与统计自洽，是数据真实的正面指标。
严重程度：⚪
复核状态：⚠️ 依据不足（无异常的良性指标，不构成学术不端证据）

发现 8：图 4 描述与图片视觉证据一致性（方法学异常·良性）

位置：图 4（第 18 页附近，实验 4 不同决策主体组结果比较）
描述：论文报告实验 4 三个组的均值与 SD。视觉摘要未对图 4 做详细分析，但论文原文提供的描述与数据自洽。
证据：原报告引用的 4 个数据点（人类组 M=10.54/SD=2.81、拟人化算法组 M=10.42/SD=2.94 等）全部在原文中找到对应值（弱匹配视为存在）。
反方论证：无法在没有原图的情况下做像素级核验，但原报告引用的统计数据均在原文中存在并自洽。
描述改写：图 4 描述与原文报告数据自洽。
严重程度：⚪
复核状态：⚠️ 依据不足（无异常的良性指标，不构成学术不端证据）

耿同学辣评

一篇心理学情境实验，做出了理工科论文的"统计学疑云"——Benford 四阶全炸、末位数字奇偶比 54:140 严重失衡，心理学量表数据本应接近连续分布，却被做出了"会计凭证"般的整齐度。但耿同学也注意到，本数据来自 1–7/1–5 量表的小样本衍生统计量（实验 1 n=303、实验 2 n=179、实验 3 n=180、实验 4 n=549），且经人为四舍五入至两位小数，Benford 检验的前提并不完美满足——这是小样本实验数据常见的统计特征，未必指向造假。

PRNU NCC=1.000 是更硬的线索（指向两图极可能同一传感器/导出管线），但论文为 ChinaXiv 预印本 PDF 嵌入图像，原文方法部分未自述图片导出流程，无法排除良性同源。综合看，本论文方法描述详尽、样本量与自由度匹配正确、时间线合理、单条线索独立性有限，达不到"实锤"标准，但已有 ≥3 条相互独立的疑点（Benford 全阶偏离、PRNU NCC=1.000、copy-move 批量触发），需要原作者公开原始问卷数据与原始作图文件（.ai/.svg/.Rscript）以便进一步核查。

建议后续行动

联系作者要求提供原始问卷数据（SPSS/CSV 文件）以便复核统计量
在 PubPeer 上提出关于 Benford 偏离与 PRNU 同源的质疑，要求作者提供图 1–4 的原始作图文件以验证图形真实性
重点核查 img-001.png 与 img-004.png 是否为矢量重渲染图，以评估 PRNU 同源是否为良性
若作者无法提供原始数据，应对该研究的算法厌恶实验结果保持适度怀疑

⚠️ 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：22.7%（先验 5%）
95% 可信区间：[6.7%, 46.5%]
贝叶斯因子：BF = 5.59（中等（substantial））
综合评级：🟡 低风险
复核已排除线索：26 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

[I12] [img-001.png vs img-004.png] PRNU 高度同源（NCC=1.000, PCE=128.0）→ 两图极可能同一传感器/管线（image/prnu_compare，logLR=1.34）— 贡献 77.3%
[发现1] Benford 联合检验四阶全部严重偏离（第1–4位数字），末位数字分布 χ²=90.0 (p=0.0000)，奇偶比 54/140=0.39 (p=0.0086)，相邻末位偏差=3.4σ，提示报告的统计量末位数字分布偏离自然随机性。（llm/*，logLR=0.39）— 贡献 22.7%

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_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；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。

感知不透明性增加职场中的算法厌恶（Perceived opacity leads to algorithm aversion in the workplace）