رسوایی‌ها در زمینه تقلب‌های علمی در دانشگاه‌های آمریکایی استنفورد و هاروارد نشان می‌دهد دستکاری در تحقیقات با وجود رشد «کارآگاهان داده» همچنان یک مساله است.
به گزارش ایرنا از فایننشال تایمز، طرفداران «علم باز» نسبت به تقلب گسترده دانشگاهی هشدار می دهند. «علم باز» دانش در دسترس و شفافی است که از طریق شبکه‌های تعاملی به اشتراک گذاشته می‌شود و توسعه می‌یابد. در واقع علم باز، جنبش در دسترس قرار دادن تحقیقات علمی، انتشارات، داده‌ها و نرم‌افزارها و ترویج تحقیقات علمی میان تمام سطوح پرسشگران جامعه آماتور یا حرفه ای است. علم باز شامل شیوه‌هایی مانند انتشار پژوهش باز، مبارزه برای دسترسی آزاد و تشویق دانشمندان به عمل بازکردن یادداشت‌های علمی خود و به‌طور کلی آسان‌ترسازی انتشار و ارتباطات دانشی و علمی است. یک دهه بعد از آغاز ابتکار برایان نوسک برای مقابله با تقلب دانشگاهی، تلاش‌ها برای اعمال مسئولیت‌پذیری بیشتر در تحقیقات در چند هفته گذشته به افشای دو مورد از برجسته‌ترین تقلب های دانشگاهی انجامید. مارک تسیر-لاوین، عصب شناس برجسته و رئیس دانشگاه استنفورد، در این رابطه استعفا کرد و متعهد شد مجموعه ای از مقالات را در مجلات معتبر پس از اینکه یک تحقیق مستقل به این نتیجه رسید که از داده های دستکاری شده در آنها استفاده شده، پس بگیرد. دانشگاه هاروارد هم خواهان بازپس‌گیری مقالاتی است که یکی از نویسندگان آنها پروفسور فرانچسکا گینو استاد دانشکده بازرگانی است. نوسک، استاد دانشگاه ویرجینیا و یکی از بنیانگذاران مرکز علوم باز، با اشاره به فرهنگ شفافیت گفت: مشاهده تقلب قطعاً در حال افزایش است، اما خروجی آن را نمی‌دانیم. نوسک هشدار داد که دستکاری در تحقیقات همچنان گسترده است. هنوز انگیزه‌های زیادی برای نویسندگان، مؤسسات و مجلات برای جعل و تفسیر نادرست داده‌ها وجود دارد. او خواستار اشتراک گذاری گسترده تر روش ها و داده ها در مورد یافته های دانشگاهی شده است. این پدیده صنعت کوچک "کارآگاهان داده" را به وجود آورده است. ایوان اورانسکی، یکی از بنیانگذاران دیده بانی که مقالات تحقیقاتی حذف شده از انتشارات دانشگاهی را شناسایی می کند، گفت: حتی اگر همه مقالات تسیه-لاوین بازپس گرفته شوند، این تعداد قطره ای در اقیانوس تخلفات واقعی است که روزانه اتفاق می افتد. سالانه ۵ هزار مورد بازپس‌گیری مقالات را دنبال می کنیم. طبق داده‌های این دیده بان، این رقم در سال ۲۰۰۲ کمتر از ۱۲۰ مورد بود. از نظر فرضی، مجلات دانشگاهی قبل از انتشار، نیازمند بررسی دقیق سایر متخصصان است. در عمل بررسی دقیق، اغلب محدود است، بسیاری از یافته‌ها هنوز عمدتاً برپایه اعتماد است و ویراستاران اغلب تمایلی به پس گرفتن کار در صورت بروز نگرانی‌های بعدی ندارند. با افزایش الزامات برای اینکه مطالعات قبل از انجام پیش ثبت نام شوند، بهبودهایی در این زمینه حاصل شده است. این اقدام به جلوگیری از «پی هکینگ» یا «صید داده» کمک می کند. «پی هکینگ» تلاش برای یافتن الگوها پس از تولید داده ها، به جای رعایت روش علمی طرح فرضیه و سپس آزمایش فرضیه ها است. مجلات آکادمیک در حال حاضر اغلب خواستار افشای مجموعه داده های اساسی هستند. الیزابت بیک، کارشناسی که بررسی های دقیق او به هزار مورد بازپس‌گیری مقالات منجر شده است، توانست تصاویر سلولی و دی ان ای فتوشاپ را در مقالاتی که توسط تسیر-لاوین نوشته شده بود، بارگیری و مشخص کند. افشای داده ها به گسترش پلتفرم پاب پیر (PubPeer) منجر شده است، جایی که محققان می توانند به طور ناشناس نگرانی های خود را مطرح کنند. DataColada وبلاگ دیگری است که تقلب های متعددی را افشا کرده است. این وبلاگ با بررسی مقالات جینو و همکارانش در نرم افزار صفحات گسترده، یک دسته اشکالات را شناسایی کرد. اما لیف نلسون از دانشکده بازرگانی هاس برکلی که یکی از مشارکت‌کنندگان DataColada است، بر ضرورت اشتراک‌گذاری داده‌های اولیه تحقیقات منتشر شده و همچنین همکاری بیشتر دانشکده‌ها و دانشگاه‌ها تاکید کرد. افشاگری دیتاکولادا باعث شد هاروارد تقریباً دو سال بعد درخواست بازپس گیری مقالات مجله جینو را بدهد. اما لیف گفت که این دانشگاه از تأیید اینکه بررسی در این زمینه در دست انجام است، خودداری کرد، چه رسد به اینکه دامنه یا یافته‌های آن را به اشتراک بگذارد. دانشگاه استنفورد با بهره گیری از کارشناسان مستقل خارج از دانشگاه، گزارش خود را درباره Tessier-Lavigne منتشر کرد، اما بررسی دقیق خود را به ۱۲ مقاله دانشگاهی محدود کرد. در حالی که واکنش بسیاری از دانشگاه‌ها مبهم است، انگیزه‌های دیگری برای دستکاری تحقیقات وجود دارد.تا زمانی که فرهنگ انتشار مقالات علمی برای کسب موفقیت دانشگاهی وجود دارد که عامل آن رتبه‌بندی دانشگاه‌ها بر اساس انتشارات دانشگاهیان در مجلات معتبر است، این شرایط ادامه دارد. نوسک تاکید کرد که پایبندی به اصول علم باز همچنان ناهمگون است.