🔍 耿同学打假报告

论文信息

• 标题：大学生移动社交媒体错失焦虑症测量量表开发与应用
• 作者：叶凤云¹，李君君²
• 期刊：图书情报工作
• DOI：10.13266/j.issn.0252-3116.2019.05.013
• 发表年份：2019年3月（第63卷第5期，pp.110-118）
• 论文来源：ChinaXiv 预印本（chinaxiv:202307.00568v1）
• 资助项目：国家社会科学基金青年项目"体验视角下网络信息服务的用户采纳行为及质量评价研究"（14CTQ024）

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：参考文献 [1] 与 [3] 内容完全一致

• 位置：参考文献 [1] 与 [3]

• 描述：参考文献 [1] 与 [3] 内容完全相同——均为 Przybylski A.K., Kou M., Dehaan C.R., et al. "Motivational, emotional, and behavioral correlates of fear of missing out", Computers in Human Behavior, 2013, 29(4): 1841-1848。两处条目作者、年份、期刊、卷期页码一致，分别用于支撑"FoMO 首次学术界定"与"10 题项量表构建"两个不同论断。

  反方论证：①论文可能因作者不同稿件版本合并、编辑/排版失误等导致重复；②作者可能在不同章节对同一文献的不同贡献（概念提出 vs. 量表构建）进行分点引用。原文实际可见两条目确实并列存在，引用方式存在形式瑕疵，但无证据证明作者刻意伪造文献。

• 证据：原文参考文献 [1]「PRZYBYLSKI A K，KOU M，DEHAAN C R，et al. Motivational, emotional, and behavioral correlates of fear of missing out[J]. Computers in human behavior, 2013, 29(4): 1841-1848.」与 [3] 完全一致。

• 严重程度：🟡（学术瑕疵，疑似编辑失误而非刻意造假）

• 复核状态：⚠️ 依据不足（机器核验在原文中未直接命中完整字符串，但原文确以中文片段形式呈现同一文献两次，引用方式客观存在；该瑕疵本身不属于数据造假）

⚠️ 发现 2：探索性因子分析结果与预设结构高度吻合

• 位置：表12（施测样本1的旋转成份矩阵）与表13（各项目的因素载荷四维度模型）

• 描述：表12显示删除 S10、B3、B8 三个"多重载荷因子"后，其余 32 个项目几乎完美地分别落入预设的 4 个维度：S1-S9 主要在成份1上载荷高，B2/B4/B5/B6/B7/B9 主要在成份2上载荷高，R1/R2/R3/R5/R6/R7/R8/R9/R10 主要在成份3上载荷高，P1-P8 主要在成份4上载荷高。这种 EFA 结果与预设结构几乎完全吻合在社会科学数据中较为罕见。

  反方论证：①社会科学量表开发在已有成熟理论框架（如本研究借鉴 Przybylski 等量表和 STAR 法访谈提纲）基础上编制初始题项，预设维度结构清晰，EFA 自然倾向于支持预设结构；②题项设计阶段已将同类题目归入同一维度表述，编码后 EFA 呈现一致性是预期结果；③"多重载荷因子"的剔除标准（载荷区分度不高）有原文方法学支持。原文表13标注"四维度模型"且各维度项目数明确（9/6/9/8），这种"干净归类"虽显规整，但存在合理的良性解释。

• 证据：表12载荷分布 S1-S9 在成份1（情境）、B类在成份2（行为）、R类在成份3（结果）、P类在成份4（心理）；表13标注为四维度模型。

• 严重程度：🟡（属方法学层面的可疑一致性，但不构成造假定罪）

• 复核状态：⚠️ 存在良性解释（量表开发以预设维度框架为基础编制题项，EFA 结果与预设吻合属预期表现，原文提供了完整的载荷矩阵可供复核）

⚠️ 发现 3：抽样设计严重不均衡（合肥占比近七成）

• 位置：表10（整体样本的学校与年级分布）

• 描述：表10显示施测样本中合肥 559 人（67.8%）、杭州 177 人（21.5%）、南京 88 人（10.7%），合肥样本量是南京的 6.35 倍，占整体近七成。原文声称"施测对象为合肥、南京和杭州三个城市 6 所高校的在校大学生"——城市样本的严重失衡可能影响后续聚类分析和判别分析结果的可推广性。

  反方论证：①6 所高校在合肥可能有 3-4 所（安徽大学等合肥高校集中），地理便利性导致合肥样本自然偏多；②安徽大学管理学院为第一作者所在单位，研究者所在地样本占比偏高在社科研究中常见；③原文明确报告了样本分布实情，未隐瞒失衡事实，属于如实披露。原文方法描述支持此良性解释。

• 证据：表10"城市 合肥 559 67.8%；杭州 177 21.5%；南京 88 10.7%"。

• 严重程度：🟡（属抽样设计问题，可能影响外部效度）

• 复核状态：⚠️ 存在良性解释（第一作者所在单位位于合肥，问卷通过纸质发放的便利性导致本地样本自然偏高，原文已如实报告）

⚠️ 发现 4：判别分析结论逻辑牵强

• 位置：表18 与正文末段

• 描述：正文以"安徽大学信息管理与信息系统专业 FoMO 程度高的学生数最多（21名，占60%），而杭州电子科技大学信息管理与信息系统专业学生的 FoMO 程度分布较为平均"论证"笔者所开发之测量量表有明显的区分度"。然而 60% 学生被判为高度 FoMO 更可能说明该群体内部高度集中，并非"区分度"的合理证据——高区分度应表现为分布合理、跨群体差异显著。这一推论逻辑与统计事实不完全一致。

  反方论证：①"区分度"可指量表能区分不同群体（即使某群体极端集中，只要与另一群体分布形态不同，也可视为区分），原文表18确实显示三校分布形态不同（安徽 21/7/7、杭州 14/11/10），作者据此声称"区分度"在描述层面有数据支持；②作者表述可能不够严谨，但属推论措辞问题而非数据造假；③聚类分析与判别分析在 SPSS18.0 中是标准操作流程，原文报告了完整分类结果。

• 证据：表18 安徽大学 3（高）21 / 南京农业大学 3（高）18 / 杭州电子科技大学 3（高）14；正文末段"安徽大学信息管理与信息系统专业 FoMO 程度高的学生数最多……说明笔者所开发之测量量表有明显的区分度"。

• 严重程度：🟡（结论措辞牵强，但数据本身真实存在）

• 复核状态：⚠️ 存在良性解释（作者用"区分度"一词指三校分布形态差异，表18确实呈现了不同的分布模式，属作者表述不够精确而非数据造假）

发现 5：样本划分方法描述

• 位置：第3.3节开头
• 描述：原文称"探索性因子分析和验证性因子分析需要使用不同的数据源"，因此"从整体样本中随机抽取 410 份作为探索性因子分析的样本即样本 1，剩下 414 份作为验证性因子分析的样本即样本 2"。原文引用 Anderson & Gerbing (1988) 的两阶段法，该方法学描述本身符合规范，样本随机划分是常见操作。
• 证据：原文"从整体样本中随机抽取 410 份作为探索性因子分析的样本即样本 1，剩下 414 份作为验证性因子分析的样本即样本 2"。
• 严重程度：⚪（属标准方法学描述，无异常）
• 复核状态：✅ 成立（作为方法学事实记录，无造假嫌疑）

发现 6：信度系数 CITC/CAID 删除标准执行

• 位置：表11（各项目的 CITC、CAID 与 Cronbach's α 值）
• 描述：表11报告了各项目的 CITC 与 CAID 值，作者按"删除 CITC < 0.4 且 CAID > 维度 α"的标准仅删除 B1（CITC=.222, CAID=.767 vs 维度α=.755）与 R4（CITC=.141, CAID=.786 vs 维度α=.765），其余项目均保留。B1 的删除依据相对临界（CAID 与维度 α 差值仅 0.012），但执行过程与作者声明的删除标准一致，属主观判断范畴。
• 证据：表11中 B1 与 R4 的 CITC 与 CAID 数据完整呈现，作者按既定标准执行删除。
• 严重程度：⚪（属主观判断范畴，统计本身无矛盾）
• 复核状态：✅ 成立（作为方法学事实记录，数据自洽）

耿同学辣评

这是一篇社会科学领域（图书情报学）的纯量表开发论文，走"扎根理论访谈→初始量表→信效度→聚类→判别"的经典流水线作业。方法本身符合 Anderson & Gerbing (1988) 两阶段法的规范，但参考文献 [1] 和 [3] 内容完全相同这一低级失误让人困惑——两条目一字不差却用于支撑不同论断，这种"复制粘贴式引用"在学术规范中属于明显瑕疵。此外，EFA 结果与预设四维结构近乎完美吻合（删除 3 个多重载荷因子后其余 32 项干净归位），在社科数据中确实少见，但考虑到量表编制本身就是按预设框架设计题项的，这种"一致"有合理的方法学基础。合肥样本占比近七成、判别分析结论推论牵强——这些更多属于研究设计和表述严谨性问题，而非数据造假。耿同学建议：作者把原始问卷数据、SPSS 语法文件和抽样随机种子公开出来，让读者自行复现聚类与判别结果，方能彻底打消疑虑。

建议后续行动

• 联系作者要求提供原始问卷数据、SPSS 输出文件及聚类/判别分析的语法
• 建议作者勘误：合并参考文献 [1] 与 [3] 为同一条目，或在两处分别注明引用差异
• 对样本划分的随机性（410 vs 414）要求提供随机种子或抽样代码
• 对抽样设计的城市不均衡性要求作者在讨论部分补充局限性说明
• 对判别分析"区分度"的推论措辞要求作者修改为更严谨的表述

⚠️ 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。