Δε Ντέιτα Ιζ Ρονγκ

Ή σε απλά ελληνικά, "the data is wrong". Αυτό δε φοβούνται όλοι όσοι έχουν γράψει κάποιο επιστημονικό άρθρο στη ζωή τους, ότι θα τους κοπανήσει ο επιμελής και παντογνώστης reviewer της χλιδάτης journal? Υπάρχουν βέβαια και άλλες, μεγαλύτερες φοβίες, όπως για παράδειγμα ότι ο reviewer θα σου ανοίξει τα μάτια αποκαλύπτοντας ότι ο ιδρώτας δύο χρόνων απλά αναπαρήγαγε κάτι που είχε δημοσιευθεί από την εποχή του χαλκού (μα καλά, τον τροχό πήγες να ανακαλύψεις κι εσύ?) ή ότι θα τερματήσει την καριέρα σου (ίσως πριν καν αρχίσει) σχολιάζοντας: "Ολόκληρο το άρθρο είναι ένα μάτσο σκατά!" Με αυτές τις φοβίες όμως δε θα ασχοληθώ επί του παρόντος. Μόνο με προβλήματα που αφορούν τα "δεδομένα", όπου "δεδομένα" βάλτε εσείς ότι είναι σχετικό με το εκάστοτε άρθρο, όπως για παράδειγμα τις συνθήκες εκτέλεσης ενός "πειράματος" ή την ανάλυση των αποτελεσμάτων (να ζήσει το excel!). Βέβαια, αν το άρθρο φτάσει να κερδίσει Νόμπελ στατιστικής επειδή ασχολείται με ένα θέμα υψίστου σημασίας, όπως η σχέση μεταξύ ύψους, μεγέθους πατουσών και μεγέθους ... εργαλείου (μα σας ορκίζομαι κυρίες μου, αυτά που φοράω δεν είναι παπούτσια κλόουν, τόσο μεγάλες είναι στ' αλήθεια οι πατούσες μου!), τότε πάει καλά, δε σε απασχολεί και τόσο μήπως υπάρχει κάποιο λάθος στα δεδομένα. Η δημοσίευση ενός σημαντικού άρθρου όμως μπορεί να σε βάλει στο πάνθεον του τομέα σου, οπότε ανησυχείς λιγάκι μήπως πάει κάτι στραβά. Ανησυχείς φυσικά μόνο αν έχεις λίγη τσίπα πάνω σου. Σε αντίθετη περίπτωση, αλλάζεις απλώς τα δεδομένα όπως σε βολεύει για να παρουσιάσεις ό,τι έχεις κάνει, σαν τη μεγαλύτερη ανακάλυψη από τότε που βγήκε το ψωμί σε φέτες. Δυστυχώς (ή ευτυχώς για όλους εμάς), καμιά φορά σε ανακαλύπτουν και σε στέλνουν από εκεί που ήρθες.

Βέβαια, δε χρειάζεται να παραποιήσεις δεδομένα για να κάνεις τη ρουφιανιά. Μπορείς να αποκρύψεις, να εμπλουτίσεις ή ακόμα και να εκμαιεύσεις! Παραθέτω μερικά παραδείγματα τα οποία μου εκμυστηρεύτηκαν φίλοι μου μάγοι (στη δημοτική λέγονται και κομπιουτεράδες) μέσα από το περιβάλλον των πανεπιστημίων, που θα μπορούσαν να είναι και αληθινά.


Συνομιλία μεταπτυχιακού φοιτητή με τον supervisor του:

- Το πρόγραμμά μου πραγματικά τα θαλάσσωσε σ' αυτό
  το σετ δεδομένων. Είναι πιο αργό και από ριπλέι. Πως
  να το αναφέρω στο άρθρο για τα άπαντα της πληροφορικής
  που γράφω? Σε ξεχωριστή παράγραφο?
- Δεν το αναφέρεις καθόλου φυσικά!


Συνομιλία μεταπτυχιακών φοιτητών της ίδιας ερευνητικής ομάδας:

- Φίλε μου! Να σε αγγαρέψω για ένα λεπτό? Κάνω αυτό
  το review σε ένα άρθρο ενός ανταγωνιστή μου. Το
  πρόγραμμά του γαμάει και δέρνει. Αλλά στο άρθρο του
  δεν αναφέρει αρκετές λεπτομέρειες για την υλοποίηση,
  οπότε δεν μπορούμε να τον αντιγράψουμε! Σαν reviewer,
  θα τον πιέσω να γράψει περισσότερα.
- Κι εγώ που κολλάω?
- Θα ήθελα να γράψεις εσύ το review! Αλλά μην ανησυχείς,
  θα σου πω εγώ τι να γράψεις. Απλώς εσύ θα τα γράψεις
  με δικά σου λόγια!
- Ποιο το νόημα? Γιατί δεν τα γράφεις μόνος σου?
- Αν τα γράψω εγώ, θα με καταλάβει από το στυλ μου!


Παρουσίαση έρευνας μεταξύ συγγενών και φίλων:

- Και αυτές είναι οι καινούριες κλάσεις πολυπλοκότητας
  που ορίζουμε σε αυτό το άρθρο (η διαφάνεια περιέχει
  κάτι σύμβολα της μορφής: Ψ₁, Ψ₂, Ψ₃ ... Ψ_n ).
- Εκτός από την πρώτη, οι υπόλοιπες μου φαίνονται περιττές.
  Είναι πράγματι χρήσιμες ή τις βάλατε απλώς για να γράψετε
  περισσότερα άρθρα στο μέλλον?
- Εεεεε ... τώρα που το λέτε, μάλλον παραπανήσιες είναι!


Συνομιλία καθηγητών με ... βαρίδια (ή αλλιώς tenure):

- Φοβερή αυτή η μικροαλλαγή που κάναμε σε εκείνον τον
  πανάρχαιο αλγόριθμο, έτσι? Τα αποτελέσματα στο
  πρόβλημα που μας ενδιαφέρει είναι τέλεια.
- Και που ν' ακούσεις τι ανακάλυψα! Υπάρχουν περίπου
  10 διαφορετικοί τομείς, άσχετοι όμως με το δικό μας
  και ασήμαντοι για την επιστήμη, όπου μπορούμε να
  εφαρμόσουμε τον παραλλαγμένο αλγόριθμο χωρίς να
  χρειάζεται καμία τροποποίηση.
- Και που είναι η καινοτομία σ' αυτό? Θα γράφουμε τα
  ίδια και τα ίδια.
- Ναι, αλλά θα γράφουμε εύκολα άρθρα μέχρι να πεθάνουμε!