Fabrication de résultats de recherche
Fabrication de résultats de recherche
Le code ALLEA définit la fabrication comme suit :
- « La fabrication consiste à inventer des résultats et à les enregistrer comme s’ils étaient authentiques« .
D’autres codes apportent davantage de précisions sur ce qui peut relever de la fabrication, ou varient selon les cultures locales :
« La fabrication est la construction et/ou l’ajout de données, d’observations ou de caractérisations qui ne se sont jamais produites lors de la collecte de données ou de la réalisation d’expériences. Elle peut, par exemple, se produire lorsqu’on “complète” artificiellement le reste d’une série expérimentale. Les affirmations concernant les résultats doivent reposer sur des ensembles de données complets (comme on le suppose normalement) : formuler des conclusions à partir de données incomplètes ou supposées constitue une forme de fabrication ». (Erich W. Schienke, définition citée du site de PennState)
Biais
La fabrication peut être liée à des biais de recherche de plusieurs manières :
- La fabrication peut être (ou refléter) une forme extrême de biais de confirmation. Des chercheurs convaincus que leur hypothèse est correcte peuvent fabriquer des résultats pour la soutenir (ou inventer des résultats initiaux pour justifier des recherches ultérieures).
- Biais lié aux sujets « à la mode » (hot stuff bias) : la non-détection de fabrications peut résulter d’une approche insuffisamment critique de la part des éditeurs, évaluateurs ou financeurs lorsqu’il s’agit de thèmes jugés « porteurs ».
- Biais en faveur des résultats positifs : la pression à publier des résultats positifs peut accroître la probabilité de fabrication.
Impact
Comme les autres formes d’inconduite, la fabrication nuit à la science en faussant le registre scientifique, en introduisant des résultats dépourvus de fondement empirique. Elle implique un comportement frauduleux (obtenir et détourner des financements), et entraîne un gaspillage considérable : des efforts des évaluateurs et éditeurs, des chercheurs impliqués dans le projet mais non informés de la fabrication, ainsi que des chercheurs ultérieurs qui intègrent ces résultats dans leurs propres travaux.
Quelques cas emblématiques :
Senior Researcher
Les chercheurs seniors peuvent eux-mêmes fabriquer des résultats, exercer une pression sur leurs doctorants ou collaborateurs pour qu’ils le fassent, ou négliger de prévenir ces pratiques. À l’inverse, ils jouent un rôle clé dans la prévention et la détection de la fabrication, dans leurs propres travaux comme dans ceux qu’ils encadrent.
Junior Researcher - Phd student
Jeunes chercheurs peuvent fabriquer eux-mêmes des résultats, ou subir des pressions pour le faire. Mais ils jouent aussi un rôle important dans la prévention, en appliquant les bonnes pratiques, et peuvent participer à des signalements ou enquêtes. Dans l’affaire Stapel, ce sont ses doctorants qui ont détecté les fabrications et alerté l’université.
Journals - Publishers
Éditeurs et évaluateurs sont en première ligne pour détecter la fabrication, ils voient les articles dans leur version finale et sont responsables de mettre en place des protocoles pour l’identifier.
Other Researchers
Beaucoup de cas ont été révélés par des collègues analysant les travaux de leurs pairs. Par exemple, John Carlisle (2017) a montré, en examinant des facteurs démographiques dans des essais cliniques randomisés supposés, que leur distribution ne pouvait pas être aléatoire, ce qui suggérait une fabrication
La détection n’arrête pas toujours la publication
Il arrive que, lorsqu’une fabrication est détectée, les auteurs soumettent d’abord leur article à une revue prestigieuse, où il est rejeté, parfois en raison de la détection de la fraude. Ils le soumettent ensuite à une revue moins vigilante, éventuellement après avoir maquillé la fabrication. L’article est alors publié, la fraude passe inaperçue, et les auteurs obtiennent néanmoins du crédit académique.
Quand y penser ?
La fabrication peut survenir à presque toutes les étapes du cycle de recherche, jusqu’à la soumission d’un article :
- Une planification insuffisante de la gestion des données et des promesses irréalistes dans la proposition de recherche peut accroître la tentation de fabriquer des résultats à des étapes ultérieures du projet.
- La manière dont les questions et objectifs sont définis peut influencer la tentation de fabriquer des données. Des questions mal conçues ou irréalistes, ainsi qu’une structure de gestion de projet inadéquate, peuvent augmenter la tentation et l’opportunité de fabriquer des résultats. À l’inverse, des pratiques telles que des plans rigoureux de collecte de données et une tenue claire des registres peuvent prévenir la fabrication.
- Phase de collecte et d’analyse des données : c’est évidemment l’étape à laquelle la fabrication de données est la plus susceptible de se produire.
La collaboration peut réduire le risque de fabrication en renforçant l’ouverture et l’examen critique. Plusieurs cas emblématiques impliquaient des chercheurs seniors travaillant isolément lors de la fabrication, sans impliquer leurs collaborateurs dans la collecte des données.
Collaborations locales
Les collaborations locales nécessitent une vigilance particulière afin de réduire le risque de falsification des résultats de recherche. Les pratiques de données ouvertes constituent également une approche positive : vous pouvez contacter le service ou l’équipe de gestion des données de votre université pour obtenir des conseils sur les protocoles.
Collaborations interdisciplinaires
D’une part, la collaboration interdisciplinaire peut présenter des risques supplémentaires de fabrication, car les chercheurs de différents domaines, qui travaillent ensemble, peuvent ne pas être en mesure de reconnaître les anomalies qui indiquent que la recherche a été fabriquée. D’autre part, des approches, telles que la triangulation (utilisation de méthodes mixtes pour aborder une seule question de recherche), peuvent contribuer à prévenir la fabrication.
Collaborations internationales
La distance entre les chercheurs dans le cadre de collaborations internationales peut rendre plus difficile le contrôle de la production des données. Cependant, la gestion des données et les pratiques de données ouvertes peuvent aider.
