В предыдущей статье мы разобрали путь научной работы, от идеи и экспериментов до публикации в журнале. Теперь следующий шаг: узнать подробнее про условия, которые влияют на написание статей.
В этом материале мы разберём три ключевые проблемы современной науки:
зомби-цитирование (zombie citations), плохой дизайн исследования, и чуть чуть коснемся структуры статей и как их читать.
Этап 1: Как статья попадает в журнал (и где скрываются ошибки)
Чтобы понимать текст статьи, нужно знать контекст её создания. Давайте углубимся в процесс публикации.
Представим: мы выдвинули гипотезу, получили грант и провели эксперименты.
Важное отступление: правильный порядок именно такой. К сожалению, часто встречается мошенничество типа HARKing (Hypothesizing After Results are Known) или по другому post-hoc (after-the-fact), когда ученые сначала получают результаты, а потом «подгоняют» под них гипотезу, делая вид, что так и задумывали. Это в корне неверно.
Итак, статья написана под критерии конкретного научного журнала (у каждого они свои). Куда она идет дальше?
1. Внутренняя редактура
Вы сами перечитываете и редактируете текст, затем отдаете его редактору, который причешет вашу статью и сделает её читабельной, после этого вы готовы отправить свою рукопись в журнал.
2. Фильтр редактора (The Editor)
Ваша рукопись попадает к главному или ассоциированному редактору журнала. Важно не путать его с корректором. Это опытный ученый, который решает: достойна ли тема журнала? Достаточно ли новизны? Если исследование выглядит слабым, редактор отклонит его сразу (desk reject), даже не отправляя на рецензию.
3. Рецензирование (Peer Review)
Если редактор дал добро, статья отправляется рецензентам (обычно 2–3 человека), экспертам в вашей узкой области. В большинстве случаев они работают бесплатно, на энтузиазме или ради строчки в резюме.
В идеальном мире рецензент должен проверить всё: расчеты, логику, каждую ссылку цитирования. Но в реальности у них есть своя работа, дедлайны и усталость.
И на этом этапе мы получаем проблему «зомби-цитирования» (Zombie Citations)
Именно на этапе рецензирования часто пропускается одна из главных проблем науки «зомби-цитаты», или эффект «испорченного телефона».
Как это происходит?
Представьте: Ученый А написал статью в 1990 году с важным нюансом в выводах. Ученый Б сослался на него, но нюанс упустил. Ученый В прочитал только работу Б (поленившись открыть оригинал 1990 года) и сослался на неё уже с полностью искаженным смыслом.
Эту ситуацию также хорошо иллюстрирует анекдот про сосиски:
Почему не проверяют статьи в цитировании?
Лень и нехватка времени: Авторы и рецензенты часто не читают первоисточники. Проверяется лишь наличие ссылки, а не её содержание.
Google Scholar, или «SEO для науки»: Многие исследователи ищут источники, просто вбивая ключевые слова в Google Scholar. Недобросовестные авторы этим пользуются: они специально насыщают статьи популярными поисковыми фразами и делают громкие заголовки, которые звучат «цитируемо». Расчет прост: ленивый ученый увидит релевантный заголовок в топе выдачи и сошлется на него, даже не читая текст. (Примерно так работают AI paper mills, когда ищут источники для генерации внешне правдоподобных статей.)
«Игра в числа»: От молодых ученых требуют огромного количества публикаций. Иногда научные руководители заставляют вставлять десятки ссылок просто «для веса», и аспиранты копируют их из других работ, не глядя.
Ошибки софта: Программы для библиографии (например, EndNote) могут сбоить, а автор не проверяет результат вручную.
В итоге мы получаем цепочки ложных утверждений, которые живут десятилетиями. Бывает, что статья ссылается на источник как на доказательство, хотя оригинал утверждает прямо противоположное!
Проверить, не отозвана ли статья из-за ошибок, можно, например, на ресурсе Retraction Watch.
4. Публикуемся в журнале
В современной науке публикация почти всегда связана с деньгами. Во многих журналах авторы платят article processing charge (APC) или плату за публикацию, которая может составлять от сот��н до нескольких тысяч долларов за одну статью. Формально это оправдывается «открытым доступом», но на практике создаёт конфликт интересов: журналу выгодно публиковать как можно больше статей, потому что каждая из них, доход.
А статьи, доступ к которым продаётся читателям, работают по другой, но не менее странной модели. В так называемых paywalled journals авторы обычно не платят (или платят меньше), зато платят университеты, библиотеки и отдельные люди, за подписки и доступ к PDF.
При этом возникает парадокс: учёные делают исследования за государственные или грантовые деньги, пишут статьи бесплатно, рецензенты проверяют их тоже бесплатно(либо им платит журнал зарплату), а потом издатель продаёт этот результат обратно тем же университетам за огромные суммы. Крупные изда��ельства вроде Elsevier или Springer Nature зарабатывают на этом миллиарды, имея маржинальность выше, чем у многих IT-корпораций.
Для качества науки это имеет последствия. Закрытый доступ означает, что:
независимые исследователи и учёные из бедных стран не могут проверить работу;
ошибки и манипуляции дольше остаются незамеченными;
статьи читают меньше, но цитируют по цепочке, что усиливает эффект зомби-цитирования.
Ирония в том, что и open access за деньги, и paywall для читателей создают разные, но сходные искажения: в одном случае журналу выгодно печатать больше, в другом выгодно держать доступ закрытым. В обоих случаях экономическая модель начинает конкурировать с научной честностью.
На этом фоне расцветают хищнические журналы (predatory journals), издания, которые имитируют рецензирование, но на деле готовы напечатать почти что угодно, если автор заплатит. Они рассылают спам-приглашения, используют названия, похожие на престижные журналы, и создают иллюзию научной легитимности. В результате в научный оборот попадает огромное количество слабых, нереплицируемых и фальшивых исследований, которые потом станут частью того самого «зомби-корпуса» научных цитат на Google scholar.
Как ученые пишут статьи (и что идет не так)
Теперь, когда мы знаем, как статья проходит путь к публикации, давайте вернемся на шаг назад и рассмотрим, как же ученые пи��ут свои статьи в таких условиях после проведенных экспериментов.
Проблема 1: Пассивный залог и безличный язык
Почему мы пишем таким сложным безличным языком? Просто потому что пассивный залог снимает фокус с того, что мы сделали, и переносит его на то, что было сделано. Есть даже шутка на английском: пассивный залог придумали, чтобы снимать с себя ответственность (Passive voice was invented to avoid responsibility). Не «мы провели эксперимент», а «эксперимент был проведен», как будто он сам как-то случился.
Как пишет один из исследователей: «Я слышал, как люди утверждают, что удаление личных местоимений каким-то образом придает объективность вашей статье. Я думаю, это просто неправильно. Вы и ваша команда разработали, провели и интерпретировали эксперименты. Писать так, будто эксперименты просто как-то произошли сами собой вводит в заблуждение. Эксперименты и анализ не материализовались из воздуха. Возможно, удаление личных местоимений создает иллюзию большей объективности, но это, безусловно, не делает науку более объективной».
Интересно, что споры об активном и пассивном залоге в написании научных статей ведутся уже давно.
Проблема 2: Намеренное усложнение текста
Из этого следует другая проблема, статью начинают усложнять и «лить воду» например:
Используют множество акронимов и сокращений, которые не общеприняты, чтобы когда вы увидели абстракт, вы даже не хотели читать статью дальше и сразу оценили её по сложности и серьезности на все 100.
Часто в описании статьи могут быть округления и обобщения, а на самом деле в секции результатов вместо, например, «2 лет наблюдения» на самом деле 1,5 года.
Часто бывают ошибки нумерации: ссылки на таблицы,текст и картинки ведут не туда или в никуда.
Отдельного внимания заслуживают ненужные синонимы, когда простые слова намеренно заменяют громоздкими описаниями, чтобы текст казался «умнее» и солиднее. В журналистике и академическом письме это давно стало объектом насмешек, например:
банан превращается в «удлинённый жёлтый фрукт» (banana → “the elongated yellow fruit”)
бобер — в «пушистое млекопитающее с хвостом-лопатой» (beaver → “the furry, paddle-tailed mammal”)
усы — в «подносовые заросли волос» (mustache → “under-nose hair crops”)
молоко от коровы — в «витаминами насыщенную жидкость» из «коровьей молочной фабрики» (milk from a cow → “the vitamin-laden liquid” from a “bovine milk factory”)
Примеры собраны в: «The Press: Elongated Fruit – TIME.» Time
Проблема 3: Авторство
Ещё один скрытый источник искажений, авторство статьи. В научных публикациях имена под работой далеко не всегда означают, что эти люди действительно её писали или даже читали. Существуют разные формы фиктивного авторства: ghost authors, «авторы-призраки», обычно нанятые фармкомпаниями или лабораториями, которые фактически пишут статью, но не указываются в списке; guest authors, «гостевые авторы», чьё известное имя добавляют, чтобы повысить престиж работы, хотя они почти не участвовали в исследовании; и honorary или noble authors, начальники, заведующие кафедрами и профессора, которые автоматически получают авторство просто за свой статус. В итоге статья может выглядеть как продукт уважаемой научной группы, хотя реально её написали совсем другие люди с совсем другими интересами. Для читателя это означает простую вещь: подписи под статьёй, это не гарантия ни качества, ни независимости, ни честности исследования, а ещё один слой социального и карьерного компромисса, встроенного в современную науку.
Проблема 4: Плохой дизайн исследования
Плохой дизайн - это когда само устройство эксперимента не позволяет получить надежные выводы, даже если все расчеты выполнены правильно.
Классические примеры плохого дизайна:
Слишком маленькая выборка: Исследование на 10 участниках не может претендовать на обобщение результатов на всё население. Но авторы делают именно это, используя красивые графики и статистику, которая при такой выборке просто не имеет смысла.
Отсутствие контрольной группы: Если вы тестируете новое лекарство без группы плацебо, вы не можете знать, помогло ли лекарство или люди выздоровели сами. Удивительно, но статьи без контрольных групп всё ещё публикуются.
Смешивание переменных (confounding): Представьте, что исследование показало: люди, пьющие кофе, живут дольше. Звучит здорово! Но если не учесть, что любители кофе чаще занимаются спортом и следят за здоровьем, вывод может быть ложным. Связь есть, но она не причинно-следственная.
Неподходящие методы измерения: Если вы изучаете влияние стресса на продуктивность, но измеряете стресс через самоотчеты участников раз в месяц, а не объективными методами (например, уровень кортизола и тут еще можно поспорить, а правильный ли это метод измерения), ваши данные будут ненадежными.
Подмена цели (outcome switching): Иногда исследователи заявляют, что будут измерять один показатель (например, выживаемость пациентов), но когда результаты оказываются неутешительными, вдруг переключаются на другой (например, «качество жизни»), который выглядит лучше. Это мошенничество, но его трудно заметить, если не сравнивать финальную статью с изначально зарегистрированным протоколом исследования.
Как устроена научная статья (и почему эта структура обманчива)
“Extraordinary claims require extraordinary evidence.” Sagan’s standard.
Почти все научные статьи следуют одному и тому же шаблону:
Abstract → Introduction → Methods → Results → Discussion → References.
Это называется формат IMRaD (Introduction, Methods, Results, and Discussion), и он создаёт ощущение аккуратного, линейного научного процесса: сначала идея, потом эксперимент, потом выводы. Но в реальности так почти никогда не работает, гипотезы меняются по ходу дела, анализ переделывается, данные фильтруются, а неудачные эксперименты исчезают. Статьи - это отредактированная история успеха. ( А неудачные исследования чаще всего не публикуют, иначе так можно загубить карье��у, поэтому все те исследования, что мы видим это selection bias)
Abstract (аннотация) - Именно абстракт читают чаще всего. Абстракт можно сравнить с рекламным буклетом. Здесь язык максимально сглажен, уверенный и округлённый: «мы обнаружили», «мы показали», «результаты свидетельствуют». Все ограничения, допущения и сомнения либо исчезают, либо превращаются в одну осторожную фразу в конце. Если где-то и начинается зомби-цитирование, то именно здесь, потому что большинство людей цитирует статью, не читая ничего дальше абстракта.
Introduction (Введение) - рассказывает историю о том, почему это исследование было необходимо. Но эта история почти всегда написана задним числом: авторы уже знают результаты и подбирают прошлые работы так, чтобы их гипотеза выглядела логичным и неизбежным продолжением науки. Неудачные теории и противоречивые данные сюда обычно не попадают.
Methods (методы) - самая «объективная» часть, но и здесь хватает трюков. Описания могут быть расплывчатыми, какие-то параметры опущены, а ключевые решения спрятаны в сносках или дополнительных материалах. Если методы описаны так, что другой учёный не может воспроизвести эксперимент, это уже серьёзный красный флаг, даже если результаты выглядят впечатляюще.
Results (результаты) - это не сырые данные, а уже их интерпретированная версия: таблицы, графики, агрегированные показатели. Сюда не попадает большая часть того, что «не сработало». Именно здесь живёт p-hacking: из множества анализов выбираются те, которые дали статистически значимый результат, а остальные просто исчезают.
Discussion (обсуждение) - место, где данные превращаются в историю. Здесь авторы объясняют, почему их результаты важны, как они вписываются в предыдущие работы и что всё это значит для мира. Именно здесь часто делаются самые смелые обобщения, иногда далеко выходящие за пределы того, что реально показал эксперимент.
References (литература) - выглядит как скучный список, но именно здесь скрываются зомби-ссылки.
Если читать научную статью линейно, от абстракта до списка литературы, вы почти гарантированно попадёте в ловушки, о которых мы говорили выше. Более эффективная стратегия выглядит иначе.
Начните с вопроса «что именно здесь проверяли?», отсеивая работы с размытыми целями, и сразу переходите к методам: если например в медицинских работах выборка мала или нет контрольной группы, результаты не имеют в таком случае много веса. Пытайтесь интерпретировать графики и таблицы до прочтения выводов авторов, чтобы заметить возможные преувеличения, а затем вернитесь к аннотации, проверяя её на излишнюю уверенность и подмену корреляции причинностью. Наконец, выборочно проверяйте старые или громкие ссылки, чтобы убедиться, что перед вами не тиражируемая ошибка или «зомби-цитата».
Этот текст, не про недоверие к науке и не про «всё плохо». Он про условия, в которых сегодня создаются научные статьи. Современная наука - это живой процесс с ограничениями, давлением публикаций, редакционными правилами и экономическими моделями журналов. Всё это неизбежно отражается на том, как выглядят исследования и как они читаются. Понимание этих условий помогает воспринимать научные статьи более трезво: видеть не только результаты, но и их границы, допущения и контекст. Это не делает науку слабее - наоборот, делает взаимодействие с ней более осмысленным.
