鉴 明鉴 学术监督公开平台
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。

10 个一级学科
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。

提交举报