大数据时代须警惕假数据
大数据时代须警惕假数据
当下，各行各业都在大力寻求挖掘、利用大数据之道，科研领域亦不例外。然而，但凡撰写过学位论文者，都会有这样的经历：围绕某个主题查找了大量的国内外相关研究资料，但在认真研读后发现，这些资料中真正可用、可信的东西甚少，倒是大量充斥废话、不着边际的话和似是而非的数字。这不能不提醒我们，要警惕大数据现象背后的假数据。那么，大科学时代的假数据来自何处?
一是来自主观故意。今年3月底，英国大型学术医疗科学文献出版商——现代生物出版公司宣布，撤销存在同行评议造假的43篇论文。此非个例。2012年，生物科技公司安进发现，在关于癌症研究的53项重大成果中，只有6项可被复制。本世纪最初10年，应用于临床的研究专利大约有8万份被撤销，因为它们都是错误的。
二是来自文本不全或方法不当。过去十几年间，大陆学人在论证富国与强军的关系时，几乎千遍一律地引用一个神话。它来自英国已故经济学家麦迪森于2001年出版的《世界经济千年史》一书：“中国清代gdp(国内生产总值)曾长期占据世界第一宝座，1820年时占全球总量的33%(英国为5.2%)，直到1900年仍高达11%。”这个神话出现在大量的学术论文、学术著作、教材和讲台上，却偏偏无人在这个稍加思考就会发现破绽的通用注脚上画出过问号。直到2013年11月，几位记者通过追溯神话的出处以及该神话制造的过程和在国外得到的评价，向我们传递了这样一个信息：原来被我们奉若圭臬的麦迪森的gdp数据对比，竟然是“猜测性的”。
三是来自学术浅薄。美国科学计量学家普赖斯曾在上世纪50年代得出科学知识呈指数增长的结论，其依据是各国期刊文献的数量增长。此后，有关知识爆炸的说法甚嚣尘上。现在看，普赖斯的判断未免草率，因为期刊文献数量与人类知识量显然是不能画等号的，否则就会得出我们撤销某些期刊就是限制知识增长的荒唐结论。当下，期刊市场早已良莠不齐，鱼龙混杂，更不用说那些明码标价的收费期刊了。
总之，当泥沙俱下且呈雪崩式的大数据袭来时，我们更应保持清醒的头脑，用中国的古训来说，就是要防止以目废心。
