Bịa số liệu là ghi những kết quả chưa từng đo; sửa số liệu là thay đổi, bỏ bớt hay chọn lọc kết quả đã đo để chúng nói điều mình muốn. Cả hai đều được coi là những vi phạm nặng nhất trong nghiên cứu, nặng hơn đạo văn, vì chúng làm sai lệch chính bằng chứng mà mọi kết luận dựa vào. Với người mới, khó khăn nằm ở chỗ ranh giới không phải lúc nào cũng rõ: bỏ một điểm đo bất thường có phải sửa số liệu không, làm tròn có sao không, đo lại lần nữa vì lần đầu "xấu" thì sao.
Bài này dành cho học sinh làm dự án, sinh viên năm đầu và giáo viên hướng dẫn. Bạn sẽ có nguyên tắc phân biệt làm sạch dữ liệu với gian lận, những tình huống xám hay gặp, cách ghi lại mọi quyết định với dữ liệu, và cách xử lý khi kết quả không như mong đợi, là lúc cám dỗ sửa số liệu lớn nhất.
Vì sao bịa và sửa số liệu bị coi là lỗi nặng nhất
Một báo cáo nghiên cứu có thể viết vụng, thiếu nguồn ở vài chỗ, phân tích chưa tới, và vẫn có giá trị nếu số liệu thật. Ngược lại, một báo cáo viết rất đẹp trên số liệu bịa thì không có giá trị gì, thậm chí có hại, vì người đọc có thể dựa vào đó để quyết định. Ở quy mô lớn, các nghiên cứu y sinh từng bị rút lại vì số liệu sai đã khiến nhiều người mất thời gian và công sức đi theo hướng sai.
Ở quy mô học sinh, hậu quả nhỏ hơn nhưng cơ chế giống hệt. Một nhóm báo cáo rằng dung dịch vỏ chuối làm cây đậu lớn nhanh hơn rõ rệt, trong khi số liệu thật không cho thấy khác biệt, sẽ khiến các nhóm khóa sau đọc báo cáo đó và lặp lại một thí nghiệm dựa trên điều không có thật. Nghiên cứu được xây theo kiểu gạch chồng gạch; một viên gạch giả làm lệch cả bức tường.
Còn một điều ít được nói: số liệu không như mong đợi cũng là kết quả. Thí nghiệm cho thấy không có khác biệt vẫn trả lời câu hỏi nghiên cứu, chỉ là câu trả lời khác với giả thuyết. Rất nhiều học sinh sửa số liệu vì tin rằng kết quả "không ra gì" là thất bại. Thật ra hội đồng có kinh nghiệm thường đánh giá cao một nhóm trung thực với kết quả âm tính và giải thích được vì sao.
Làm sạch dữ liệu hay gian lận: so sánh các tình huống
Làm sạch dữ liệu là việc chính đáng và cần thiết: sửa lỗi nhập liệu, loại các phép đo hỏng có lý do rõ ràng. Điểm khác biệt với gian lận nằm ở lý do và sự minh bạch. Các tình huống dưới đây là ví dụ giả định.
| Tình huống | Làm sạch hay gian lận | Vì sao |
|---|---|---|
| Phát hiện nhập nhầm 125 thành 12,5 khi đối chiếu với sổ ghi tay, sửa lại | Làm sạch | Sửa về đúng giá trị đã đo, có bản gốc đối chiếu |
| Bỏ chậu số 4 vì bị mèo làm đổ giữa thí nghiệm, có ghi trong nhật ký | Làm sạch | Lý do khách quan, ghi lại trước khi biết kết quả |
| Bỏ chậu số 4 vì cây cao bất thường, làm trung bình nhóm đối chứng tăng lên | Gian lận nếu không nêu | Lý do là kết quả không hợp ý |
| Đo ba lần, báo cáo cả ba và giá trị trung bình | Trung thực | Đầy đủ thông tin |
| Đo ba lần, chỉ báo cáo lần có kết quả đẹp nhất | Gian lận | Chọn lọc kết quả, giấu hai lần còn lại |
| Thiếu số liệu ngày thứ năm vì nghỉ lễ, tự điền giá trị giữa ngày bốn và ngày sáu | Bịa số liệu | Ghi một giá trị chưa từng đo |
| Thiếu số liệu ngày thứ năm, để trống và ghi chú lý do | Trung thực | Người đọc biết có khoảng trống |
Quy tắc ngắn gọn để nhớ: mọi quyết định thêm, bớt, sửa dữ liệu đều phải có lý do không phụ thuộc vào việc kết quả có hợp ý hay không, và phải được ghi lại để người đọc thấy. Nếu bạn ngại viết lý do đó vào báo cáo, rất có thể đó không phải lý do chính đáng.
Những vùng xám hay gặp và cách xử lý
Giá trị ngoại lai. Một điểm đo nằm xa hẳn các điểm khác. Nó có thể là lỗi đo, nhưng cũng có thể là hiện tượng thật. Cách xử lý trung thực là quyết định trước tiêu chí loại bỏ, ví dụ thiết bị báo lỗi hoặc mẫu bị nhiễm bẩn rõ ràng, ghi lại, và nếu vẫn loại thì trình bày kết quả cả khi có và khi không có điểm đó để người đọc tự đánh giá.
Làm tròn số. Làm tròn theo độ chính xác của dụng cụ đo là đúng. Thước có vạch milimét thì ghi đến milimét, không ghi đến phần trăm milimét. Làm tròn có chọn lọc, chẳng hạn làm tròn lên ở nhóm thí nghiệm và làm tròn xuống ở nhóm đối chứng, là sửa số liệu.
Đo lại. Đo lại vì phát hiện sai quy trình, như quên hiệu chỉnh cân, là hợp lý. Nhưng phải báo cáo cả việc đo lại và lý do. Đo đi đo lại cho tới khi ra số mong muốn rồi chỉ báo cáo lần cuối là chọn lọc kết quả.
Dừng thu số liệu. Quyết định cỡ mẫu trước khi bắt đầu. Nếu bạn cứ thêm người khảo sát cho đến khi kết quả "có ý nghĩa" rồi dừng, kết quả bị thiên lệch dù từng con số đều thật. Phần thống kê của trang giải thích kỹ vì sao.
Đổi câu hỏi sau khi thấy kết quả. Ban đầu so sánh chiều cao cây, thấy không khác, chuyển sang so số lá vì thấy có khác, rồi viết báo cáo như thể từ đầu đã định đo số lá. Bạn hoàn toàn được báo cáo phát hiện về số lá, nhưng phải nói rõ đây là quan sát thêm sau khi có số liệu, không phải giả thuyết ban đầu.
Thói quen giữ dữ liệu trung thực từ ngày đầu
Cách tốt nhất để không bao giờ phải đứng trước ranh giới mờ là tổ chức việc ghi số liệu sao cho mọi thay đổi đều để lại dấu vết.
- Ghi tay hoặc nhập ngay tại chỗ vào sổ nhật ký có đánh số trang, ghi ngày giờ, người đo. Không ghi ra giấy nháp rồi chép lại sau.
- Không tẩy, không xoá. Ghi sai thì gạch một nét để vẫn đọc được, ghi giá trị đúng bên cạnh và lý do.
- Giữ tệp dữ liệu thô nguyên vẹn. Mọi phân tích làm trên bản sao; tệp thô đặt tên rõ và không bao giờ chỉnh sửa.
- Viết tiêu chí loại bỏ trước khi thu số liệu: trong trường hợp nào một mẫu bị loại. Đưa tiêu chí này vào kế hoạch nghiên cứu cho giáo viên hướng dẫn xem.
- Ghi một bảng "quyết định với dữ liệu": ngày, mẫu nào, làm gì, vì sao. Bảng này đi kèm báo cáo hoặc phụ lục.
- Báo cáo cả những gì không như mong đợi trong phần kết quả và giải thích trong phần bàn luận.
Những thói quen này không chỉ để chứng minh mình trung thực. Chúng giúp chính bạn khi phân tích: ba tháng sau, bạn sẽ không nhớ vì sao chậu số 7 bị thiếu số liệu ngày mười hai, nhưng sổ nhật ký nhớ. Cách tổ chức tệp và sao lưu được nói kỹ ở danh mục ghi chép, dữ liệu và trích dẫn.
AI và số liệu: những cám dỗ mới
Chatbot có thể tạo ra một bảng số liệu trông rất thật chỉ trong vài giây. Đây là cám dỗ mới với học sinh trễ hạn: nhờ AI "tạo dữ liệu mẫu cho thí nghiệm trồng đậu với ba loại phân, mỗi loại mười chậu". Dù được gọi là dữ liệu mẫu, nếu bảng đó vào báo cáo như kết quả đo thì đó là bịa số liệu, không có gì khác so với tự tay viết ra những con số không có thật.
Một cám dỗ tinh vi hơn là nhờ AI "điền giá trị thiếu" hay "làm mượt" dữ liệu. Có những kỹ thuật thống kê xử lý dữ liệu thiếu một cách chính đáng, nhưng chúng phải được chọn có cân nhắc, mô tả rõ trong phương pháp và thường không phù hợp với dự án nhỏ. Để AI tự điền mà không hiểu nó làm gì thì vừa sai về phương pháp vừa có thể bị coi là bịa.
AI dùng đúng chỗ thì rất hữu ích cho sự trung thực. Bạn có thể dán bảng số liệu đã ẩn danh và hỏi: "Có giá trị nào bất thường so với phần còn lại không? Chỉ liệt kê, không sửa." Rồi bạn tự mở sổ ghi chép để kiểm. Bạn cũng có thể hỏi AI giải thích các cách xử lý giá trị ngoại lai và ưu nhược của từng cách, để thảo luận với giáo viên. Trước khi dán, xoá tên người tham gia và mọi thông tin nhận dạng.
Khi kết quả không như mong đợi: làm gì thay vì sửa số
Đây là lúc quyết định. Bạn đã làm thí nghiệm hai tháng, giả thuyết là phân hữu cơ tự ủ giúp rau lớn nhanh hơn, và số liệu cho thấy không có khác biệt. Còn hai tuần nữa nộp bài. Có ba việc nên làm, và không việc nào là sửa số.
Trước hết, hãy cho mình một ngày bình tĩnh trước khi quyết định bất cứ điều gì với số liệu. Phần lớn ý định sửa số xuất hiện trong lúc thất vọng và vội vàng; khi đã nguội, bạn sẽ thấy rõ hơn rằng một kết quả âm tính được giải thích tốt vẫn là một báo cáo đáng nộp. Ghi vào nhật ký cảm giác lúc đó cũng được, vì sau này đọc lại bạn sẽ hiểu mình đã vượt qua ra sao.
Thứ nhất, kiểm lại quy trình: có sai sót gì trong cách làm không, chẳng hạn chậu đối chứng đặt chỗ nắng hơn, phân ủ chưa đủ thời gian, cỡ mẫu quá nhỏ để thấy khác biệt. Những điều này trở thành phần bàn luận về giới hạn, một phần rất được coi trọng. Thứ hai, báo cáo trung thực kết quả âm tính và nêu những điều có thể giải thích. Thứ ba, đề xuất cải tiến cho lần sau: nếu làm lại thì sẽ thay đổi gì.
Giáo viên hướng dẫn và phụ huynh có vai trò rất lớn ở thời điểm này. Một câu nói như "kết quả này cũng là kết quả, mình phân tích xem vì sao" có thể ngăn được một quyết định sai. Ngược lại, áp lực thành tích, giải thưởng, điểm số là lý do phổ biến nhất khiến học sinh nghĩ tới việc sửa số liệu. Người lớn nên nói rõ với các em từ đầu rằng trung thực quan trọng hơn kết quả đẹp.
Câu hỏi thường gặp
Bỏ một điểm đo quá khác biệt có phải là sửa số liệu không?
Không nhất thiết, nếu có lý do khách quan như thiết bị hỏng, mẫu bị nhiễm bẩn, và lý do đó được ghi lại. Nếu bỏ chỉ vì điểm đó làm kết quả xấu đi thì là sửa số liệu. Cách an toàn là báo cáo kết quả cả khi có và không có điểm đó.
Thí nghiệm thiếu số liệu vài ngày thì có được nội suy để điền vào không?
Với dự án nhỏ, nên để trống và ghi chú lý do thiếu. Tự điền giá trị ước lượng mà không nói rõ là bịa số liệu. Nếu thật sự cần xử lý dữ liệu thiếu, hãy hỏi giáo viên hướng dẫn và mô tả cách làm trong phần phương pháp.
Kết quả không ủng hộ giả thuyết thì dự án có bị đánh giá thấp không?
Không nhất thiết. Hội đồng có kinh nghiệm đánh giá chất lượng câu hỏi, thiết kế, sự trung thực và khả năng phân tích, không chỉ việc giả thuyết đúng hay sai. Một báo cáo giải thích tốt vì sao kết quả âm tính thường được nhìn nhận rất tích cực.
Nhờ AI tạo bảng số liệu để minh hoạ trong báo cáo có được không?
Chỉ được nếu bảng đó được ghi rõ là dữ liệu minh hoạ giả định, dùng để giải thích phương pháp, và tách bạch hoàn toàn với kết quả thật. Đưa số liệu do AI tạo vào phần kết quả như số đo thật là bịa số liệu.
Giáo viên hướng dẫn phát hiện học sinh sửa số liệu thì nên xử lý thế nào?
Nên nói chuyện riêng, bình tĩnh, tìm hiểu lý do, thường là áp lực hoặc nghĩ kết quả âm tính là thất bại. Sau đó hướng dẫn em dùng lại số liệu thật và viết lại phần kết quả. Mục tiêu là để em hiểu vì sao trung thực quan trọng, xử lý cụ thể theo quy định của trường.
Làm tròn số đến bao nhiêu chữ số là đúng?
Theo độ chính xác của dụng cụ đo và phép tính. Giá trị đo ghi đến vạch chia nhỏ nhất của dụng cụ. Giá trị trung bình có thể giữ thêm một chữ số. Điều quan trọng là làm tròn nhất quán cho mọi nhóm, không chọn cách làm tròn theo kết quả mong muốn.