国际科学编辑isechina的官方博客分享 http://blog.sciencenet.cn/u/isechina

博文

公开同行评审或成为解决公共卫生错误信息的关键

已有 1569 次阅读 2022-7-5 10:13 |个人分类:ScienceOpen|系统分类:科普集锦

编者按:本文作者Rebecca Lawrence是F1000的常务董事。Faculty of 1000(简称F1000)是一家成立于2000年,为生命科学家和临床研究人员提供服务的出版商。它于2020年1月被Taylor & Francis集团收购。

F1000 Research在2020年出版哪些亮眼的中国研究

F1000Research:Taylor & Francis Group旗下开放研究出版平台

公开1.png

https://f1000.com/#

猴痘在全球爆发刚一个多月,科学界已经在与错误信息作斗争。正如新冠大流行一般,广泛的传播和数字化信息的快速交流,使得全球范围内的联系比以往任何时候都更加紧密,这给科学家在抗击疾病和促进科学真理方面带来了前所未有的挑战。

数字化、开放性的出版物帮助科学家分享数据,并促进了全球公共卫生事业的发展及合作。愈加开放的数据政策改善了对研究发现所依据的数据的获取。与此同时,预印本使研究结果的交流更加迅速。但这些转变本身并没有消除围绕科学信息的阴谋论。拼图中缺失的一块是开放的、去匿名化的同行评审模式。

这乍一看似乎是反直觉的。相反的论点是,“黑箱 ”式的同行评议方法通过掩盖现实生活中对科学的争论而增强了公众对科学的信任,从而投射出一种确定性的感觉。Rebecca Lawrence不同意这样的观点。在她看来,有许多案例已表明,封闭式的评审系统导致了严重的错误和不良科学的推广,破坏了公众的信心,对公众造成了重大的损害。麻疹疫苗的争议和各种后来被撤回的Covid-19文章只是冰山一角。而且更糟糕的是,这种失败会进一步助长错误信息和阴谋论的势头。

这就引出谁该为科学和公众信心负责任的话题了。数据本身已经不足以说明问题了。正如2021年麻省理工学院的一篇论文所示那样,反公共卫生的线上讨论并非没有数据,反而是利用官方的数据集来“反可视化”,以论证与基于原始数据的公共卫生建议相反的内容。这听起来相当复杂。需要承认的是,我们不能仅仅通过科学方法和共享数据来规定人们可能从已发表的科学文章中读出哪些“言外之意”。


公开2.png

https://news.mit.edu/2021/when-more-covid-data-doesnt-equal-more-understanding-0304

我们还需要认识到,科学并不是非黑即白的。在许多研究领域,都存在着各种不同的观点,而非单一明确的事实。即使在某些方面取得了广泛的共识,也可能会有进一步的调查显示先前发表的有关理论是错误的。

研究人员需要有足够的信心来揭开科学进步的面纱:在实验、数据收集、分析和同行辩论的熔炉中检验基于证据的假设。如果公众能够更深入地了解为什么研究人员有时前一分钟还在说其一,后一分钟又开始言其二,才更有助于建立对科学的信任。科学研究的读者不仅需要知道新的发现是否经过了专家的评审,而且需要自己明确地看到究竟是谁审查了这些发现,以及他们对这些发现的评价。

有强有力的证据表明,开放的同行评审可以增强研究过程本身。开放式同行评审为科学界提供了一个机会,允许后者公开透明地检验研究结果,并更好地理解他人的观点;同时以身作则,说明如何在公共领域对科学进行有效的讨论和审查。

随着人们对研究的可重复性和完整性越来越重视,我们更需要去关注新的发现,以识别出潜在问题和关键点。我们还需要更多地分享研究本身背后的基本要素,如它们使用的方法或结论所依据的数据等。

传统意义上的同行评审都是以匿名方式进行的。只有期刊编辑知道审稿人身份,他们说了什么,是否工作到位。也只有编辑清楚自己在决定是否接受或拒绝稿件时,在多大程度上借鉴了这些评审意见。没有真正的问责制,也少了对审稿人的信任。

从根本上说,公开的同行评审是为了让人们相信,在科学专业知识的推动下,辩论和真理的阳光会对有毒的错误信息进行彻底消毒,从而减少对科学和公共健康的威胁。

https://www.timeshighereducation.com/blog/open-peer-review-key-tackling-public-health-misinformation

翻译:Yulia

校对:HB

本文由ScienceOpen公众号原创翻译,欢迎转载!




https://m.sciencenet.cn/blog-3387871-1345932.html

上一篇:重磅!AMM最新研究|猴痘病毒的全蛋白质组结构预测
下一篇:标题党或成为增加引文的新方式?——揭秘这些捷径背后的谎言与沉默

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 06:44

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部