发论文必须“交出”原始数据？220本顶刊10年政策大变局

长期以来，我们阅读科学新闻、查阅学术论文，往往只能看到科学家们精心整理后的“结论”和漂亮的“图表”。至于这背后的原始数据——那些成千上万行的Excel表格、显微镜下的原始图像、或是复杂的代码——通常被锁在实验室的抽屉里，或者静静地躺在研究者的硬盘深处。

普通人或许觉得这无关紧要，但在科学界，这曾是一个巨大的隐患。没有原始数据，同行无法验证实验的真伪，后来者难以复现研究成果，甚至连造假都变得“死无对证”。

然而，这种“数据黑箱”的时代正在终结。一项跨越10年的追踪研究揭示了一个震动学术界的趋势：想在顶级期刊发论文，你越来越难以对原始数据“藏着掖着”了。

1. 科学界的“信任危机”与“开放运动”

如果说科学的基石是“可重复性”，那么数据的透明度就是这一基石的水泥。过去，当你质疑一项研究结果时，作者可能会以“数据包含隐私”或“整理极其复杂”为由婉拒提供。这种不透明不仅阻碍了科学进步，还滋生了学术不端。

为了解决这个问题，全球科学界发起了一场“开放科学（Open Science）”运动。核心诉求很简单：把证据摆在桌面上。

但是，口号喊得响，实际执行得如何？各大学术期刊真的“动真格”了吗？为了搞清楚这个问题，来自日本文教大学的研究人员Ui Ikeuchi进行了一项严谨的“十年大考”。

1.1 220本顶刊的“大摸底”

研究团队并没有试图统计所有期刊，而是采用了“擒贼先擒王”的策略。他们依据ESI（基本科学指标数据库）的分类，从22个主要学科中，分别挑选了影响因子（Impact Factor）排名前10的顶级期刊，总计220本。

这220本期刊代表了物理、化学、医学、经济学等各个领域的“最高门槛”。如果它们的风向变了，整个学术界的风向也就变了。

如图[1]所示，研究人员像侦探一样，制定了严密的筛选流程。他们不仅确认了期刊的身份，还分三个时间点（2014年、2019年、2023年），地毯式地搜索了这些期刊官网上的“投稿指南”和“数据政策说明”，试图从字里行间通过“考古”挖掘出政策演变的轨迹。

2. 从“随你便”到“必须给”：10年巨变

这项研究最核心的发现，是一条令人印象深刻的上升曲线。研究将期刊的数据共享政策（Data Sharing Policy）分成了四个等级：

• 无政策（No policy）： 根本不提这茬，想不想给全凭作者自觉。
• 接受（Accept）： 允许你附带数据，但不强求。
• 建议（Recommend）： 鼓励你分享数据，最好能给，不给也不卡你。
• 强制（Require）： 这是发表的前提条件。必须将数据上传到公共存储库，否则免谈。

2.1 强制共享成为新常态

让我们看看这10年间发生了什么。研究人员统计了这220本期刊在三个时间节点的政策强度分布，结果令人震惊。

如图[2]所示，2014年时，深蓝色的“无政策”区域还占据了相当大的比例，意味着当时许多顶刊对数据去向根本不闻不问。而代表最严格要求的橙色“强制”区域（Require），虽然已经存在，但并未占据绝对主导。

然而，到了2023年，情况发生了翻天覆地的变化：

• “无政策”几乎绝迹： 那个深蓝色的色块在2023年的条形图中已经被压缩得微乎其微。这意味着，现在的顶刊几乎都在明文规定如何处理数据。
• “强制”成为主流： 橙色区域大幅扩张，占据了半壁江山。这意味着，在超过一半的顶刊上发表论文，“交出数据”不再是一个选项，而是一道命令。

这一变化不仅仅是文字游戏，它代表了学术发表游戏规则的根本性重塑。过去科学家可以把数据当私产，现在数据被视为公共知识的一部分。

2.2 “补充材料”的兴衰

除了将数据上传到专业的公共存储库（如GitHub, Figshare等），还有一种传统做法是将数据作为论文的“附件”或“补充材料”（Supplementary Materials）上传到期刊网站。

图[3]展示了关于“补充材料”的政策变化。虽然变化趋势与数据共享类似，但我们可以发现一个有趣的细节：相比于把数据锁在期刊自己的网站上（补充材料），科学界似乎更倾向于第一种模式——即要求作者把数据放到更专业、更开放的第三方存储库中。这反映了“专业的人做专业的事”这一理念：期刊负责发文章，数据存储库负责管数据。

3. 并非“铁板一块”：不同学科的“温差”

虽然大趋势是走向开放，但如果你认为所有科学家都步调一致，那就大错特错了。这项研究揭示了一个有趣的现象：不同学科对待“交出数据”的态度，存在着明显的“温差”。

如图[4]所示，研究人员将220本期刊按学科细分为22个类别，绘制了详细的政策演变图。这张图就像是学术界的“晴雨表”，让我们一眼就能看出哪些领域是开放先锋，哪些领域还在犹豫观望。

3.1 生命科学：最激进的“开放派”

从图[4]中可以清晰地看到，代表分子生物学与遗传学（MOL GEN）的条形图，早在2014年就拥有了极高比例的橙色（强制共享），到了2023年更是几乎全员“强制”。

这并不难理解。在基因研究领域，如果不公开基因序列数据，其他科学家根本无法验证你的发现。共享数据早已写入了这个学科的DNA中。同理，生物学与生物化学（BIOL BIOCHEM）等生命科学领域也紧随其后，成为了数据共享的坚定践行者。

3.2 经济学与社会科学：后来居上

让人眼前一亮的是经济学（ECON）和社会科学（SOCIAL）。在2014年，这些领域还相对保守，许多期刊处于“无政策”或仅“接受”的状态。但到了2023年，你可以看到橙色区域（强制）出现了爆发式的增长。

这反映了社会科学正在经历一场“可信度革命”。过去，心理学和经济学曾饱受“无法复现”的争议困扰（即著名的“复现危机”）。为了挽回公信力，这些领域的顶刊开始下猛药，强制要求作者公开实验数据和统计代码，试图用透明度重塑信任。

3.3 数学与工程：特立独行的“慢热派”

相比之下，数学（MATH）和工程学（ENG）的步调则显得有些不同。在图[4]中，数学领域的条形图中，橙色的“强制”比例相对较小，更多的是黄色的“建议”或蓝色的“接受”。

这倒不是说数学家们喜欢藏私。数学论文的核心往往是逻辑推导和证明过程，本身就写在了论文里，对额外“数据集”的依赖不如实验科学那么大。而工程领域可能涉及商业机密或专利技术，要求完全公开数据在操作层面确实面临更多现实阻力。

4. 这跟我们普通人有什么关系？

你可能会问：“科学家分不分享数据，关我月薪三千什么事？”

事实上，这场发生在象牙塔里的变革，与你的生活息息相关。它决定了你未来看到的“科学结论”有多靠谱，也决定了新药研发的速度有多快。

• 少交“智商税”： 当数据必须公开时，学术造假的成本将无限拔高。过去那种靠编造数据吹嘘“神药”或“神奇疗法”的行为，在原始数据必须“见光”的规定下将无处遁形。这意味着，未来基于科学研究的健康建议、消费指南将更加可信。
• 加速医疗突破： 数据共享的最大价值在于“复用”。张三研究癌症产生的数据，李四拿来可能发现了治疗阿尔茨海默病的新线索。这种“一份数据，多次利用”的模式，能极大地加速药物研发流程，也许能让你我更早用上救命药。
• 喂饱AI助手： 我们现在使用的强大AI，离不开高质量数据的投喂。科学界的数据大开放，将成为未来AI模型学习人类知识的重要“燃料”，最终转化为更智能的医疗诊断系统或新材料发现工具。

5. 结语：没有数据，以后可能只是“一家之言”

从“愿意给就给”到“不给别想发”，这10年间，学术界完成了一次从观念到制度的深刻转型。虽然不同学科的步伐尚不一致，但方向已不可逆转。

这一趋势告诉我们，在未来的科学界，数据将不再是论文的附属品，而是和结论同等重要、甚至更重要的核心资产。

对于我们普通读者而言，这或许是一个信号：下次当你看到一个惊世骇俗的科学新闻时，不妨多问一句——“他们的原始数据公开了吗？”如果答案是否定的，那么或许我们可以先让子弹再飞一会儿。

这场“阳光下的运动”，才刚刚开始。

论文信息

• 标题：Longitudinal dataset of journal data sharing policies across 22 disciplines for 2014 2019 and 2023.
• 论文链接：https://doi.org/10.1038/s41597-025-06434-2
• 论文一键翻译：点击获取中文版 ➡️
• 发表时间：2025-12-13
• 期刊/会议：Scientific data
• 作者：Ui Ikeuchi

---

本文由超能文献“资讯AI智能体”基于4000万篇Pubmed文献自主选题与撰写，并经AI核查及编辑团队二次人工审校。内容仅供学术交流参考，不代表任何医学建议。