课程目录
- 揭秘 Frontiers 科研诚信审计团队以及同行评审违规调查主讲人：Frontiers 科研诚信审计专员 – 周翠萍
- 别让一张图毁掉一篇论文：图像与数据诚信的避坑指南主讲人：Frontiers 科研诚信专员 – 蔡天宇
- 评审人的不当行为
- 伪造姓名、邮箱、单位
- 隐瞒与作者存在合作、师生、亲友等利益冲突。
- 审稿人违反科研诚信
- 敷衍审稿流程，让AI 假审，形成不基于专业判断的模板式“代评”
- 收受好处，基于不实意见输送利益
- 强制引用以操纵指标
“Frontiers 对此类违规行为零容忍。作为 COPE 成员，我们严格执行伦理标准；一旦证实违规，撤稿并通报机构，维护学术公信力与读者利益。”
- 发现规律：对成批次稿件、作者群体、审稿网络做数据分析，识别可疑模式；
- 集成调查：发现信号后，由专案组集中、深入调查复杂隐蔽的不端；
- 策略升级：把调查结论沉淀为新的检查策略与政策；
- 预防前置：将新策略嵌入出版全流程，把风险扼杀在源头。
- AIRA 先行：每篇稿件先做 AI 风险扫描；
- 人工复核：高风险稿件由科研诚信专员专业评估；
- 审计迭代：调查经验反哺模型与政策，系统越用越“聪明”
- 树立正确发表观：质量与诚信先于速度
- 如实推荐评审人：确保独立性与胜任度，披露一切潜在利益冲突
- 优先提供机构邮箱：便于身份核验
- 发现异常主动举报：共同守护研究生态。
- 主动回避：有合作/竞争/师生等冲突即向编辑声明
- 披露 AI 使用：最终意见由本人负责，不可“AI 代审”
- 拒绝强制引用：以学术相关性为唯一标准
- 可疑即上报：数据完美、图表重复、作者私联等及时反馈
- 精准与多样化选审：机构/地区/背景多元，避免“外行评内行”
- 披露自身利益冲突
- 识别操纵信号：异常投稿模式、可疑意见等，及时联动科研诚信团队。
- 图像：成像得到原始条带
- 数据：软件量化转为数值
- 图表：数据再被可视化为图表
- 结论：最终支撑或否定假设
-
- 提升可读性和一致性
- 不新增、不删除、不选择性增强
- 不改变原始数据含义
- 所有处理可披露、可复现
注：图片只用于案例展示
- 裁剪拼接
调换 WB 条带位置，直接伪造趋势 - 完全重复
同一张图代表不同实验组却不声明 - 位移重复
从同一张大图裁剪不同区域伪装成不同样本 - 变换重复
旋转、拉伸、调色后“再用一次” - 直接造假
添加不存在内容、抹掉不利信号、过度增强
“ 开放的不只是论文，更是“可信的科学证据”。图像与数据不是附属物，而是科研过程的“原始记录。 “
- 对研究者
- 倒逼形成规范的数据管理习惯
- 帮助编辑和审稿人更准确理解研究全貌
- 提升透明度与可信度，真实扩大论文影响力
- 对学术界
- 促进重复验证，建立更深层次信任
- 减少重复试错，让后来者走得更远
- 打破信息壁垒，让资源有限的团队也能参与竞争
- 高校/科研院所的研究人员、博士后、研究生；
- 需要指导团队发表规范的 PI、课题组负责人;
- 参与论文写作与投稿的通讯作者/第一作者/共同作者；
- 关注学术规范建设的科研管理人员、图书馆/科研办公室同事；
- 希望了解期刊编辑视角与出版流程的研究者。
本系列课程将由 Frontiers 科研诚信团队与期刊一线编辑/管理同事 共同呈现，覆盖科研诚信培训与期刊工作流实践等多项主题：
- 作者署名与作者贡献
- 同行评审造假与图片数据操纵
- 研究伦理与合规要点
- 抄袭与重复发表
- 选刊技巧与论文类型介绍
- 如何与编辑部高效的沟通
- 数据可获取性与数据共享
Frontiers 总部位于瑞士，是全球领先的开放获取（Open Access）出版商，致力于使科学在全球范围内更加开放，其发布的研究文章已被浏览和下载超过 40 亿次，总引用超 1200 万次。欲了解更多详情，欢迎访问 Frontiers 官方网站：www.frontiersin.org.
