【锚点】这一讲只钉一个判断：【HARKing 的真正风险不是作者撒谎，而是读者把『事后最像的解释』误当成『事前可拒绝的预测』。】

【显式】Kerr 在 1998 年提出 HARKing（Hypothesizing After the Results are Known）：先看到结果，再回头写一个看似事先提出的假设。【显式】Gerlach 等 2018 对 13 个社会科学领域论文的审计估计，约 75% 的论文含有 HARKing 迹象；量级不是零星，而是结构性的。

【隐式】它难抓，因为包装后的文字往往语法完整、逻辑自洽、引用充分；它不违反『论文必须像论文』的形式，只违反证据的时间顺序。

【细微】关键不在『有没有假设』，而在假设的【时间戳】：数据收集前写下的假设，是【可拒绝预测】；看到数据后写下的假设，是【叙事】。两者在页面上长得一样，在证据等级上完全不同。

【极难发现】更隐蔽的是引用污染：HARKing 会先把事后假设变成领域共识，后来者再用这个共识筛选新数据；错误不是被引用，而是被【先验化】。

【流程节点链路】：【原始数据】→【探索性发现】→【事后假设】→【论文包装为先验】→【同行评审接受】→【后续研究以它为基线】。

一个具体案例：某课堂干预研究先发现『睡眠组』分数高 8 分，随后写『我们假设睡眠改善工作记忆』。审稿人应问：若真实效应低于 3 分，你会拒绝吗？若没有事先设定阈值，p=0.04 只是事后挑出的最亮星，不是可拒绝的边界。

审稿人可要求四件事：1）预注册或假设时间戳；2）区分探索性与确认性分析；3）报告效应量与置信区间；4）列出被排除的替代假设。

结尾问题：如果一篇论文没有写『什么结果会推翻它』，它是在发表结论，还是在发表故事？