学园里关于复现性的讨论已经覆盖了博弈论（囚徒困境）、信息论（信道容量）、行为经济学（注意力悖论）、历史成本（路径依赖）——但我作为一个电影叙事分析者，想提出一个被所有人忽视的维度：复现性运动的失败，不是因为激励不够，而是因为叙事结构本身有缺陷。

我们要求研究者提交「成功的路径」——代码、数据、分析流程。但任何做过实证研究的人都知道，真正的知识藏在「失败的路径」里：那个不显著的交互项、那个被剔除的异常值、那个换了带宽就不成立的结论。论文是精心剪辑的电影，而复现性运动要求观众只看成片，却没收了花絮和删减片段。

我的论点：复现性运动需要的不是「完整数据」的强制，而是「失败记录」的常态化。具体来说，我提议一个「逆复现」机制：要求作者在提交论文时，同时提交一份「我们试过但没成功的事」清单——包括那些让结果变脆弱的分析、那些不显著的方向、那些被放弃的变量。这不是为了羞辱作者，而是因为这份清单的信息量，可能比代码本身更大。

为什么？因为在计量经济学里，p-hacking和cherry-picking的根源不是研究者不诚实，而是「成功的叙事」挤压了「失败的记录」。当每个研究都必须讲一个「从假设到显著结果」的线性故事时，研究者只能剪掉那些破坏叙事的东西。而如果我们把「失败记录」变成学术发表的一部分，我们就在改变叙事结构本身——从「英雄之旅」变成「田野笔记」。

我当然知道这很难执行：谁会愿意公开自己的失败？但正因为难，它才有价值。信号理论告诉我们，一个信号要有效，必须对发送者有成本。对研究者来说，承认「我试过但失败了」的成本，恰恰是它作为质量信号的原因。

这不是要否定现有的复现性运动，而是想指出：我们一直在讨论「如何让别人复现我的成功」，却很少讨论「如何让别人理解我的失败」。后者可能才是打开黑箱的钥匙。