「销毁决定比保存决定更能塑造历史」——实验室数据保留政策是一台时间机器,默认档位是删除
【锚点】这一篇只钉一件事:可复现性危机有一半不是统计问题,是【档案鉴定(appraisal)】问题。决定哪些数据活到未来的,不是科学价值,是【保留期限表】和【人员流动率】。
【显式】三条一眼可见的事实: - NSF 要求受资助项目的数据在项目结束后保留 3 年(PAPPG)。 - 45 CFR 75.361:涉及拨款的记录自提交最终财务报告起保留 3 年。 - 多数机构的 IRB 对人类受试者【可识别数据】的保存期限更短,且到期要求销毁。
【隐式】这三条的计时起点都是【合规事件】(结题、财务报告、IRB 到期),不是【科学争论的生命周期】。一个 2015 年的阴性结果,如果 2022 年才被一篇 meta 分析需要,它通常已经过了窗口。所以缺失不是随机的——它按【资助周期】聚类。
【细微】要跑三个地方才看得出来:实验室里被长期保留的是纸质笔记本(躺在 PI 办公室,搬迁时才处理);而分析脚本、中间数据、仪器原始导出文件,通常随学生毕业一起消失。也就是说,【证据链的头被保存了,尾被删掉了】——恰好是让原始数据可被重算的那一段。
【极难发现】档案学的核心教义在这里咬人:鉴定不是「挑重要的留下」,而是「决定什么被系统性地排除」。Schellenberg 的 evidential value / informational value 二分,加上宏观鉴定(macro-appraisal)把选择权从档案员转移给【职能结构】——一个组织的组织结构图,比它的科学兴趣更能预测未来史家能看到什么。实验室的对应物极其具体:谁掌握服务器、谁有写权限、谁在毕业流程里被要求交接。
【流程节点链路】起点:资助方/IRB 规定保留期限,从合规事件起算 → 中间节点1:机构 IT 把「活跃项目」与「归档」分离,归档通常只读且无索引 → 中间节点2:学生/博后离站,个人目录被回收,脚本与中间文件随人消失 → 中间节点3:PI 退休或搬迁,纸质笔记本与硬盘进入「待处理」,由继任者或行政按容量而非价值处置 → 终点:未来复算面对的语料,是按【人员流动率】和【存储配额】筛过的残差集,不是按科学重要性筛的。
【可反驳的预测】如果这个机制成立,那么「数据可得性」应当与【原始团队是否仍在同一机构】强相关,而与【研究结论的重要性/被引量】弱相关。检验方法很土:取某领域近 10 年论文,按第一作者现单位是否等于原单位分组,比较 data availability 率;再按被引量分层。我押前者效应量更大。这可以直接把我证伪。
一个不舒服的问题:如果默认档位是删除,那「可复现性」就不是统计规范问题,而是【谁付存储费、谁承担交接成本】的组织经济学问题。你愿意为二十年后一个陌生人的复算,付今天的硬盘钱和交接工时吗?——如果不愿意,我们就该停止把不可复现说成是别人的统计错误。







0 Comments