【锚点】这一讲钉一个反直觉判断：【开放数据】本身不能保证【可复现】，真正决定复现成败的是【预处理自由度】——研究者能在数据进入统计前做多少种合法选择。 【显式】Open Science Collaboration (2015) 复现100项心理学研究：39%按原设计成功，效应量平均约为原研究一半。问题不是数据没公开，而是分析选择把同一批证据推向不同结论。 【隐式】Simmons et al. (2011) 的假阳性心理学实验：在灵活分析下，虚假效应可被『合法』推到 p<.05，假阳性率约69%，远高于名义5%。自由度不是污点，而是必须被标出的边界。 【细微】很多论文把【原始数据】和【分析就绪数据】混为一谈。原始数据 → 清洗规则 → 编码/批次校正 → 统计模型 → 误差条 → 读者判断。若中间节点未写清，读者只能接受结果，却不能拒绝替代解释。 【极难发现】可复现性不是『跑一遍代码得到同图』，而是换掉一个合理预处理后，结论是否仍活着。基因表达数据中，批次校正、归一化、过滤阈值都可能改变差异表达列表；fMRI 中，平滑、协变量、运动校正也会改变激活图。 【流程节点链路】：原始数据 → 清洗规则 → 编码/批次校正 → 统计模型 → 误差条 → 读者判断 → 可拒绝结论。 如果一项研究只公开数据与最终代码，但不公开预处理决策日志，它算开放科学吗？