為什麼諸多頂級期刊論文中的觀點也不靠譜?

演算法與數學之美發表於2019-01-08

12月10日,東北大學的某位教授來京出差,順便看望了我們。聊天時,我們問道“您平常看什麼期刊的文獻?”他答曰“常看《Nature》和《Science》期刊或本領域權威期刊發表的論文,這些論文靠譜。”我們迴應道“未必,若這些論文中的觀點都是正確的,諾獎評審委員會得忙的頭昏腦漲,都不知道把獎頒給誰了。”


誠然,因為多數自然現象的演化極其複雜,科學探索通常不會一步到位找到其本質規律,一般需要漫長的過程。科研人員取得了階段性成果,肯定樂意發表在所謂的頂級期刊,但若發表需要通過編輯的初審和專家的詳審。大多數編輯只知道誰是最理想的審稿人,但缺乏辨別原創性的能力。審稿專家如何評審呢?還不是主要看邏輯鏈與證據。對前者,有一定科研經驗的科研人員足以把握;對後者,通過實驗或觀測得到的結果,在沒有充分理由質疑的情況下,審稿專家只能選擇信任。是啊,專家是人不是神。若某項研究或是學界關注的熱點問題,或足夠吸引眼球,在頂級期刊上發表論文也並非特別困難。然而,證據是否靠譜值得商榷,如有些實驗有“水分”(剔除不利的資料),有些實驗或觀測結果有時間依賴性,有些實驗受環境的影響大。因此,即使作者不是故意造假,有時自己也會被實測結果矇蔽,導致出現不靠譜的結論。


我們讀過在《Nature》和《Science》期刊上發表的有關地震機理和預測方面的大多數文章,認為諸多觀點簡直是搞笑。例如,曾看過一篇《Nature》發表的論文“Slow earthquakes triggered by typhoons”,這個標題足夠吸引眼球,但仔細推敲覺得作者是被“巧合”欺騙了,因為:(1)地球上很多慢地震並不發生在臺風期間;(2)若颱風能觸發慢地震或正常的構造地震,前提條件是能引起作用在斷層上應力的足夠變化,但颱風本身的作用力很小,再考慮到這種作用力(可視為附加應力)隨深度快速衰減,不過幾十米就可忽略啦,能觸發什麼地震?我們再做一個類比,這些年北京新建了許多高樓大廈,人口和汽車數量等猛增,這些荷載疊加起來比颱風厲害多了,為何沒能觸發較大的地震?嗯,北京地下是有活動斷層滴,歷史上也曾發生多次不小於6.0級地震。


快速判斷某篇文獻的觀點是否靠譜,確有訣竅可依。如可快速瀏覽摘要、圖件和結論,知道作者大概講什麼;然後,試試能否找一個或多個反例出來,若能則認為其觀點錯誤,因為正確的認識不可能與客觀事實相矛盾。


確實,頂級期刊不一定發表頂級質量的論文,許多獲得諾獎的處女作也並沒有發表在所謂的頂級期刊,而是名不見經傳的普通期刊。潘碧峰先生【1】曾坦率地說“Nature論文中,存在大量資料和結論不可信的論文,存在著大量水平低劣的論文,存在著大量濫竽充數的論文,存在著大量空洞無物的論文,存在著大量的資料造假的論文。”對此,要有清醒的認識。


寫這篇博文時,湊巧看到12月11日《文匯報》發表的一篇對日本諾獎得主本庶佑的採訪文章【2】,本庶佑說“媒體經常報導某個觀點來自《自然》或是《科學》,但是我認為《自然》、《科學》這些雜誌上的觀點9成是不正確的,10年過後就會知道只有1成是真的。所以我首先不相信論文或者其它文章。只相信自己的眼睛能確認的觀點,這就是我對《科學》雜誌採取的態度和做法。也就是說,只有通過自己思考,覺得可以理解才會接受。”


我們有位海歸朋友曾在《Nature》期刊上發表過論文,前些日子碰到他,聊天時談到論文發表的事兒,我們笑問道“您那篇論文的影響力怎樣?”他答曰“別哪壺不開提哪壺啦,當時心太急,實驗中考慮的因素太少,那篇文章的依據不充分。”


大家曉得,質疑與批判是科學精神的重要組成部分。因此,閱讀文獻時不要盲目相信頂級期刊論文中的觀點,也不要迷信權威作者,在基本邏輯判斷的基礎上,利用“反例”這把利劍,定能把各種忽悠斬於馬下。


參考:

【1】淺談如何發表Nature論文

http://blog.sciencenet.cn/blog-2904218-1098984.html

【2】日本諾獎得主本庶佑:《自然》《科學》上的觀點有九成不正確,唯有好奇心永存

https://baijiahao.baidu.com/s?id=1619522706278485906&wfr=spider&for=pc

相關:

如何發表NI(Nature Index)論文? 

http://blog.sciencenet.cn/blog-575926-1100706.html

學界必須遵守“早發表,晚評價”的基本原則 

http://blog.sciencenet.cn/blog-575926-1069662.html

END

∑編輯 | Gemini

來源 | 秦四清科學網部落格



更多精彩:

☞  哈爾莫斯:怎樣做數學研究

☞  祖克伯2017年哈佛大學畢業演講

☞  線性代數在組合數學中的應用

☞  你見過真的菲利普曲線嗎?

☞  支援向量機(SVM)的故事是這樣子的

☞  深度神經網路中的數學,對你來說會不會太難?

☞  程式設計需要知道多少數學知識?

☞  陳省身——什麼是幾何學

☞  模式識別研究的回顧與展望

☞  曲面論

☞  自然底數e的意義是什麼?

☞  如何向5歲小孩解釋什麼是支援向量機(SVM)?

☞  華裔天才數學家陶哲軒自述

☞  代數,分析,幾何與拓撲,現代數學的三大方法論


演算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、演算法、計算機、程式設計等相關領域,經採用我們將奉上稿酬。

投稿郵箱:math_alg@163.com

相關文章