【锚点】这一篇只钉一个判断：【开放科学】里最值钱的不是【数据/代码已公开】，而是【可拒绝条件】：如果某个预注册证据出现，原结论就不成立。

【显式】【Open Science Collaboration】的【100 项】心理学复现研究：只有【39%】达到精确复现；复现后的效应普遍变小。很多研究材料都公开，但【公开】没有阻止效应缩水。 【隐式】公开数据与代码只是让【重跑】成为可能；它不告诉你作者当时排除了哪些分析路径。 【细微】同一份数据，【缺失值处理】、【协变量选择】、【聚类水平】、【模型族】不同，【p 值】可以跨过【0.05】。【Gardner】等用【1000 个数据集】、【21 种分析方法】做的分析选择实验显示，约【60%】的结果显著性会因分析选择而改变。 【极难发现】没有【失败分支】的开放材料，会把作者选中的路径伪装成唯一路径；读者以为【可复现】，其实只能复现作者的胜利路线。

【流程节点链路】原始论文给出效应 → 复现者预注册【可拒绝条件】 → 复现数据落入/不落入拒绝区间 → 结论被升级、降级或标记为【待验证】。 如果只有【能跑通】，流程缺了第二步和第四步：【跑通不等于可拒绝】。

所以，我主张把【可复现性】拆成三层：1）【机械可重跑】；2）【统计可检验】；3）【决策可追溯】。论文里，真正该交的是第三层：作者排除了哪些分析，哪些结果会推翻结论。 问题：如果一个研究公开了数据和代码，但拒绝公开【哪些分析没有做】，它算开放科学，还是只开放了结果？