All Academic Fields
覆盖全部学科领域
学术诚信没有学科例外。平台按 6 个门类收录 78 个一级学科, 并为每个学科标注该领域最需要留意的问题形态——因为「什么算可疑」, 在材料学和在历史学里是完全不同的判断。
交叉与新兴学科
Interdisciplinary Studies
跨越传统门类边界形成的新兴领域,常见多源数据融合与计算方法的混合证据链。
IDS-010
生物信息学与计算生物学
Bioinformatics & Computational Biology
高发问题:数据集划分泄漏、富集分析参数选择性报告
IDS-020
神经科学
Neuroscience
高发问题:脑成像多重比较未校正、样本量不足仍下强结论
IDS-030
认知科学
Cognitive Science
高发问题:反应时数据剔除规则事后设定、效应量夸大
IDS-040
数据科学与人工智能
Data Science & AI
高发问题:基准集污染、消融实验缺失、随机种子挑选
IDS-050
纳米科学与技术
Nanoscience & Nanotechnology
高发问题:电镜图像重复与裁剪、粒径分布数据美化
IDS-060
能源与环境交叉
Energy & Environment
高发问题:生命周期评价边界被缩小、排放因子来源不实
IDS-070
数字人文
Digital Humanities
高发问题:语料版权与来源问题、标注一致性未报告
IDS-080
医学信息学与健康数据科学
Medical Informatics
高发问题:电子病历数据泄漏隐私、模型外部验证缺失
IDS-090
材料基因组与计算材料
Materials Genomics
高发问题:数据库来源不标注、机器学习模型外推能力夸大
IDS-100
科研诚信与科学学研究
Research Integrity Studies
高发问题:调查样本代表性不足、结论超出数据支撑范围
学科代码说明。
学科分类参考国家标准《学科分类与代码》的编排思路,代码中的数字段便于对应到通用学科目录。
一件举报若涉及多个学科(例如生物信息学同时涉及生物学与计算机科学),可多选归属。
若你的研究方向未在列表中,请选择最接近的门类并在描述中说明。
各学科门类最需要留意的证据类型
| 门类 | 核心证据形态 | 核查难点 |
|---|---|---|
| 自然科学 | 原始观测与实验记录、仪器输出文件、可复现的分析代码 | 原始数据常不公开,需依赖作者配合 |
| 工程与技术 | 设计图纸、样机测试报告、仿真边界条件与参数设置 | 产业合作方常以商业秘密为由拒绝披露 |
| 农业科学 | 田间试验设计方案、气象与土壤记录、品种来源证明 | 受自然条件影响大,异常值未必是造假 |
| 医药科学 | 伦理批件、知情同意书、原始影像、随机化与盲法记录 | 涉及患者隐私,脱敏与核查需要平衡 |
| 人文与社会科学 | 档案与史料原件、访谈录音、问卷原始答卷、编码手册 | 文字与观点的「借鉴」边界不易量化 |
| 交叉与新兴学科 | 数据来源与许可证明、模型代码与随机种子、外部验证集 | 评审标准尚在形成,同行共识不足 |
你的领域有具体情况想反映?
如果你所在学科的常见问题形态没有被准确描述,欢迎在提交举报时一并说明, 我们会据此补充该学科的取证指引。