← DSAI5T09 全部讲次
L05a · 第 6 周

L05a 学术诚信入门:三个问题和四根柱子,从剽窃讲起

学术诚信是一套信任系统:先用 Boundary Test 三问检查一份提交,再用四根失范支柱给问题贴标签,最后把剽窃的范围讲透,含课件横幅例句和拼贴式改写两道题。

一句话版

学术诚信让别人信得过你交出来的东西:你说的话有出处,你做的步骤能复现,你和别人各做了哪一块看得清楚。

这一讲共六页。这一页先立总判据,再认识四根失范支柱,最后把第一根柱子「剽窃」讲透。

先认识这几个词

词 英文 一句人话
学术诚信 academic integrity 诚实地产出、呈现和归属工作,好让别人信得过你
边界检验 Boundary Test 三个问题,交东西前用来自查
失范 misconduct 破坏这份信任的做法,本讲分成四根柱子
剽窃 Plagiarism 把别人的文字、想法、方法或结果搬进来,却不注明出处
署名 attribution / credit 标明一样东西是谁的、从哪来
改写 paraphrase 用自己的话重新讲一遍别人的意思

一个类比:实验室的三本账

一套实验要留下三本账,缺一本,外人就没法相信你交出来的报告。

第一本是出处账:每个数字、每张图、每段关键论述,旁边写着从哪来。第二本是原始账:测出来的数据原样留着,后来删了哪些、为什么删,另页写明。第三本是人手账:谁设计了实验、谁跑了分析、谁写了哪一节。

这三本账,正好对应这一讲的三个问题:能不能追到出处,能不能复现,能不能看出谁做的。

类比在两处失效。实验室还有仪器校准和安全规章,本讲几乎不谈。课程作业还有「任务规则」,比如能不能借用公开代码,实验室里没有直接对应的东西,它却是第四根柱子的关键边界。

从零讲起

1. Boundary Test 三问

它解决什么问题

交作业前,你怎么知道自己的东西「经得起追问」?查重软件只能扫出抄来的句子,扫不出编出来的数字,也扫不出作者栏漏了谁。

课件给了一个更根本的检验:把学术诚信看成一套信任系统。它的定义是诚实地产出(produce)、呈现(present)和归属(credit)工作,好让别人信得过你的主张、你用过的材料和你的贡献。三个动词对应三种被信任的对象。

Boundary Test 把这层意思压成三个问题,让任何一个旁人都能拿来检查你的提交。

直觉

想象你把报告交给一位完全不认识你的同学,他手里只有这份报告和附带的文件。他要能做三件事:

  • 看到任何一个说法,都能顺着引用找到出处
  • 拿到你的数据和脚本,照着做能得到同样的结果
  • 看作者栏和记录,就知道哪一块是谁做的

三件事里有一件做不到,信任就缺了一角。这一讲后面的四根柱子,就是三问答不上来的四种典型失败。

Boundary Test 三问:Trace 主张能追到出处,Reproduce 步骤或计算能复现,See who 看得出谁做了哪一块;三问答不上来对应某根失范支柱

一步一步看

目标:拿一份截图没出处、作者栏只写组长的小组报告逐条套三问,看哪两问答不上、该补什么。

案例:小组报告里有一张网页截图,没写出处;附录脚本能跑,但作者栏只写了组长一个人。下面把三问逐条套上去。

  1. 先问 Trace:截图从哪来?报告里查不到,读者没法顺着找到原网页,这一问答不上。

    判断帧第 1 步:案例是一份带无出处截图、能跑脚本、作者栏只有组长的报告;第一行 Trace 被高亮,答案是不能,截图没写来源

  2. 再问 Reproduce:附录脚本照着跑,能得到同样的结果,这一问答得上。

    判断帧第 2 步:Trace 已判为不能,第二行 Reproduce 被高亮,答案是能,附录脚本照着跑能得到同样的结果

  3. 最后问 See who:作者栏只有组长,其他组员做了什么完全看不见,这一问答不上。

    判断帧第 3 步:前两行已判完,第三行 See who 被高亮,答案是不能,作者栏只有组长,其他人的工作看不见

  4. 下结论:三问里两问答不上。截图要补出处,作者栏要写清分工。

    判断帧第 4 步:三行答案全部列出,底部结论框写着三问里两问答不上,截图要补出处,作者栏要写清分工

怎么判断

拿到任何一份提交,按顺序问三句:

问题 英文 答不上时通常卡在哪
这个说法能追到出处吗 Trace the claim to its source 引文、图、数据没写来源
这一步能照着复现吗 Reproduce the step or calculation 原始数据、脚本、处理规则缺失
看得出谁做了哪一块吗 See exactly who did the work 作者栏、仓库记录、分工说明缺失

意思是:三问管的是「别人能不能核对」,跟你自己觉得做得对不对无关。

常见误解

以为诚信就是交作业前扫一遍查重

课件后面专门有一页标题写 Prevention is a Workflow, Not a Last-Minute Scan,意思是预防是工作流,不是最后一刻扫一遍。查重只覆盖第一问的一部分,第二问和第三问要靠边做边记录才能答上。

以为三问只适用于论文

课程报告、代码仓库、小组展示都适用。只要有人要相信你交出来的东西,三问就用得上。

试一下

一份报告引用了一个公开数据集,写了数据集名称和链接;分析脚本只放了最终版本,删掉了中间的清洗步骤;作者栏写了三位组员并附分工表。三问各答不答得上?

Trace 答得上,数据集有名称和链接。Reproduce 答不上,清洗步骤删了,别人从原始数据走不到最终结果。See who 答得上,有分工表。要补的是清洗脚本。

2. 四根失范支柱

它解决什么问题

知道「三问答不上」还不够,你得说清楚到底犯的是哪一种错,才知道怎么修。课件把典型失败分成四根柱子,按「对记录做了什么」区分。

从哪来(补充)

剽窃、捏造、篡改这三项,是美国联邦科研诚信办公室(ORI)对科研不端的经典定义,常被称为三元组。ORI 的定义同时写明,诚实的错误和观点分歧不算科研不端。出处:ORI: Definition of Research Misconduct。

本课在这三项之外,把代码场景单列成第四根,叫 Code Theft。

直觉

四根柱子各管一种动作:

  • 剽窃(Plagiarism):没署名地搬
  • 捏造(Fabrication):从无到有地造
  • 篡改(Falsification):在真材料上动手脚,让记录失真
  • 代码盗用(Code Theft):把别人的代码当成自己的,或缺许可、缺署名地复用

一次捷径可以同时砸到几根柱子。

四根失范支柱:Plagiarism 未署名地搬,Fabrication 从无到有造,Falsification 操纵至记录失真(披露过的清洗不算),Code Theft 缺许可与署名的复用

一步一步看

目标:拿一份抄了引言又按预期填数的作业逐根柱子问,看一次提交怎样同时踩中两根。

案例:一份作业的引言里有一段从论文抄来、没加引用;结果表里有一行没跑过实验,是按预期填的数。逐根柱子问一遍。

  1. 问材料是不是别人的、署名了没有。引言那段是别人的文字,没署名,命中剽窃。

    判断帧第 1 步:案例是引言抄一段加结果表填一行;第一行问材料是别人的吗被高亮,答案是没署名,命中 Plagiarism

  2. 问数据真的测过吗。那一行从没测过,是照预期填的,命中捏造。

    判断帧第 2 步:第一行已判为 Plagiarism,第二行问数据真的测过吗被高亮,答案是照预期填的,命中 Fabrication

  3. 问真数据有没有被动手脚。其余行都是真测的,也没删改,不涉及篡改。

    判断帧第 3 步:前两行已判完,第三行问真数据被动过手脚吗被高亮,答案是其余行真测且没删改,不涉及 Falsification

  4. 问有没有复用别人的代码。作业没用别人的代码,不涉及代码盗用。

    判断帧第 4 步:前三行已判完,第四行问有没有复用别人的代码被高亮,答案是没有,不涉及 Code Theft

  5. 下结论:一次提交踩了两根柱子,剽窃和捏造。

    判断帧第 5 步:四行答案全部列出,底部结论框写着一次提交踩了两根柱子,Plagiarism 和 Fabrication

怎么判断

给一次失范贴标签,看它对记录做了什么:

它对记录做了什么 支柱 歪曲的是
把别人的东西放进来,没写是谁的 Plagiarism 署名
放进一样从没发生过的东西 Fabrication 证据
把真东西改了、删了,让人误读 Falsification 证据
复用别人的代码,缺许可或缺署名 Code Theft 署名和许可

意思是:先看东西是谁的、是不是真的,再看有没有被改到失真。四根柱子的细节在后面三页逐根展开。

常见误解

以为课件横幅写 all three,就只有三根柱子

横幅写的是传统三元组的说法,版面画的却是四根。传统三元组不含代码盗用,本课因为数据科学场景把它单列。答题时看问的是传统定义还是本讲的框架。

以为一次失范只能贴一个标签

一次捷径常常同时踩几根柱子。课件的横幅例句就是一个提交里同时有捏造和剽窃。

试一下

同学 A 把别人博客里的一张图放进报告,没写来源;同学 B 把实验里三个「难看」的点从图里删了,报告没提。各贴哪根柱子?

A 是剽窃,图是别人的,没署名。B 是篡改,数据是真测的,删点又不说,让读者误读了结果。篡改的判据在下一页细讲。

3. 剽窃:不只是抄句子

它解决什么问题

很多人以为剽窃就是逐字复制,改几个词就安全了。课件专门用一页拆掉这个想法:剽窃管的范围比句子大得多。

从哪来(补充)

plagiarism 这个词来自拉丁语 plagiarius,原意是「绑架者」。罗马诗人马提亚尔抱怨另一位诗人「绑架了他的诗句」,这个词就被借来指偷别人的文字。英语里的 plagiary 由剧作家 Ben Jonson 在 1601 年引入。出处:Wikipedia: Plagiarism。

直觉

课件的定义是:未给适当署名地取用他人的想法、过程、结果或文字。四样东西里,文字只是其中一样。

所以判断剽窃,问的是「借来了什么、标了没有」。你借的是别人的想法或论证结构,哪怕一个词都没照抄,没标出处照样算。

一步一步看

目标:拿换同义词、调段落顺序的改写逐条问,看借来的骨架没变为何仍算剽窃。

案例:同学说,我把原文每个词都换成了同义词,还调了段落顺序,所以不算剽窃。逐条问。

  1. 借来的是什么?原文的论证结构和里面的想法。

    判断帧第 1 步:案例是同学把原文换同义词并调段落顺序;第一行问借来的是什么被高亮,答案是原文的论证结构和想法

  2. 标出处了吗?没有,读者会以为这是同学自己的想法。

    判断帧第 2 步:第一行已答,第二行问标出处了吗被高亮,答案是没有,读者会以为这是同学自己的想法

  3. 合上原文,能换一套结构讲清楚吗?不能,换掉的只是词,骨架还是原文的。

    判断帧第 3 步:前两行已答,第三行问合上原文能否换一套结构讲清被高亮,答案是不能,骨架还是原文的

  4. 下结论:仍是剽窃。剽窃的范围包括想法,换词改变不了借用这件事。

    判断帧第 4 步:三行答案全部列出,底部结论框写着仍是剽窃,剽窃的范围包括想法,换词不改变借用这件事

怎么判断

拿到一段「改写」,按三步判断:

步骤 问题 答案指向
1 这段里有没有别人的想法、结构、结果或文字 有,就要往下问
2 每一处借来的都标了出处吗 没标,就是剽窃
3 合上原文,能用另一套结构讲清吗 讲不清,说明还没理解,要么直接引用,要么回去读懂再写

意思是:标了出处,借用就合法;没标出处,换多少词都还是借用。

避免剽窃,课件给了四条做法:少引并加引号;从自己的理解改写;每个借来的想法都引;复用的图、表、方法要标注。

常见误解

以为换同义词就是改写

从自己的理解改写,要求你合上原文还能讲清楚。只换同义词、保留原来的逻辑和独特类比,课件明确判为剽窃。

以为只有文字需要引用,想法不用

定义里第一个就是想法(ideas)。别人提出的类比、框架、方法思路,哪怕你完全用自己的话写,也要标出处。

试一下

你在一篇论文里读到把注意力机制比作「聚光灯」的类比,觉得很好,用自己的话写了一段解释并沿用这个类比,没有引用。算不算剽窃?怎么修?

算。聚光灯类比是别人的想法,沿用又不标出处,就是剽窃。修法是在这段里引用那篇论文,说明类比出自它。

把它们串起来

这一页搭了全讲的骨架。

学术诚信是一套信任系统,Boundary Test 三问是它的总判据:别人能不能追到出处、能不能复现、能不能看出谁做的。三问答不上,就落到四根柱子中的某一根:剽窃、捏造、篡改、代码盗用。

剽窃是最常见的一根。它的范围包括想法、过程、结果和文字,所以改词序、换同义词都躲不开它。标出处是唯一的解法。

下一页讲捏造和篡改,它们动的是数据本身。

课件里的坑

  • [措辞毛刺] p.4 横幅写 One shortcut can break all three,版面却是四根支柱。传统学术诚信三元组是 Plagiarism / Fabrication / Falsification;本课把 Code Theft 单列。答传统题用三元组,答本讲题用四根
  • [编号错位] 封面印 Lecture 5,进度表同一主题写 L04;课件文件 LT5,按 LTn→L0n 归档为 L05。p.2 Agenda 是全新两条主线,与前两份五项 Agenda 不同
  • [读题提醒] p.3 的定义用了三个动词 produce、present、credit,分别对应主张、材料、贡献三种信任对象;默写定义时三个动词都要写

课后 10 分钟:考点复习

这 10 分钟怎么用:合上页面,先默写 Boundary Test 三问和四根柱子的定义;再做课件例题和变式题;最后回查一个易错点:剽窃的范围包括想法,不只是句子。

必背

  1. 学术诚信是信任系统:诚实产出、呈现、归属,好让别人信你的主张、材料与贡献
  2. Boundary Test 三问:主张能否追到出处、步骤或计算能否复现、能否看出谁做了哪一块
  3. 四根失范支柱:Plagiarism 未署名搬用、Fabrication 从无到有造、Falsification 操纵材料流程或数据使记录失真、Code Theft 缺许可与署名的代码复用
  4. 剽窃的范围包括想法、过程、结果和文字;改词序但保留原逻辑与独特类比、又不引用,仍是剽窃
  5. 避免剽窃四条:少引并加引号、从自己的理解改写、每个借来的想法都引、复用的图表与方法要标注

课件例题

例 1(课件 p.4):捏造一个基准结果,再抄一段图注

题面:横幅例句是 Inventing a benchmark result and copying a figure caption without attribution misrepresents both evidence and authorship。这一个捷径踩了哪几根支柱?各歪曲了什么?

提示

拆成两个动作:「造一个基准结果」和「抄图注不署名」,各对照一根柱子。

解答

捏造基准数字是 Fabrication,歪曲的是证据;不署名地抄图注是 Plagiarism,歪曲的是署名。一次捷径同时砸到两根柱子,所以课件说它 misrepresents both evidence and authorship。

例 2(课件 p.5):拼贴式改写

见下方完整例题。

完整例题

课件 p.5 原题:场景名 THE PARAPHRASE PATCHWORK。一位学生读到别人论文里把神经网络比作交通灯的类比,把它打进自己的文档,改了词序,没有标注出处就交了。这算剽窃吗?应该怎么做?

① 找出借来的东西。借来的是交通灯这个类比,加上原文的逻辑。类比属于想法,逻辑属于过程,都在剽窃定义的范围里。

② 看有没有署名。没有标注出处。读者看到这段,会以为类比是学生自己想的。

③ 看改词序有没有用。课件底部那句就是答案:Changing word order while keeping the original logic and unusual analogy is still plagiarism without citation。改词序、保留原来的逻辑与独特类比,不引用来源,仍是剽窃。

④ 给出正确做法。课件 DO INSTEAD 四条:

  • 少引并加引号(Quote sparingly and use quotation marks)
  • 从自己的理解改写(Paraphrase from your own understanding)
  • 每个借来的想法都引(Cite the source for every borrowed idea)
  • 复用的图、表、方法要标注(Label reused figures, tables, and methods)

本例最直接的修法是第三条:沿用交通灯类比,同时引用原论文。

⑤ 结论。算剽窃。判据是借来的东西有没有标出处,跟改了多少词无关。

变式题(先自己做)

自编情境:小组报告的文献综述部分,组员 D 读了三篇论文,把第一篇的分类框架原样搬来做本组报告的章节结构,每节内容用自己的话写,参考文献里列了这三篇,但正文里没有一处说明框架来自第一篇。另外,报告里有一张从网页截来的流程图,图下写了「来源:网络」。请用 Boundary Test 和剽窃的定义检查这两处。

提示

参考文献列表里有,不等于每个借来的想法都标了;「来源:网络」能不能让读者追到原图,用 Trace 问一下。

判分点与答案

判分点:① 指出分类框架属于想法,需要在正文标明出处;② 指出「来源:网络」过不了 Trace;③ 给出可操作的修法。

分类框架:框架是第一篇论文的想法。参考文献里列了它,但正文没说明框架来自它,读者会以为章节结构是本组自己设计的,构成剽窃风险。修法是在综述开头写明「本节采用某论文的分类框架」并引用。

流程图:「来源:网络」追不到具体出处,Trace 答不上。修法是找回原网页,写清作者、标题和链接;找不到原出处,就换一张能追溯的图或自己重画并说明参考了什么。

闪卡自测

1. 学术诚信的定义用了哪三个动词?分别对应什么信任对象?

produce、present、credit,对应主张、材料、贡献(p.3)。

2. Boundary Test 三问是什么?

Trace(主张追到出处)、Reproduce(步骤或计算可复现)、See who(看得出谁做了哪一块)(p.3)。

3. 四根失范支柱各是什么?

Plagiarism 没署名地搬;Fabrication 从无到有造;Falsification 在真材料上操纵以致记录失真;Code Theft 缺许可与署名的代码复用(p.4)。

4. p.4 横幅写 all three、版面却是四根,怎么答?

传统三元组不含 Code Theft;本课因代码场景单列第四根。看题是问传统还是问本讲(p.4)。

5. 剽窃定义里包括哪四样东西?

ideas、processes、results、words,即想法、过程、结果、文字(p.5)。

6. 避免剽窃的四条做法?

少引并加引号;从自己的理解改写;每个借来的想法都引;复用的图、表、方法要标注(p.5)。

下一讲

下一页 L05a-2 讲第二、第三根柱子:捏造和篡改,以及怎样合规地排除数据。

下一讲 →
L05a-2 L05a-2 捏造与篡改:凭空造和在真数据上动手脚,怎么分

个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。