学术不端的四大类型。①抄袭（Plagiarism）：从他人作品中复制文字、观点、数据而不适当引用。包括：直接复制（逐字抄袭）、改写抄袭（改了几个词但结构和意思相同）、自我抄袭（把已发表内容大量重复用于新论文）、翻译抄袭（从外文翻译过来不引用原文）。②伪造与篡改（Fabrication & Falsification）：捏造数据或故意修改数据使其支持预期结论。这是最严重的学术不端，触及了科学研究的根基。③不当署名（Authorship Misconduct）：荣誉署名（Gift Authorship，把没有实质贡献的人列为作者）、强制署名（Guest Authorship，导师/领导强制挂名）、代写代投（Paper Mills）。④重复发表（Redundant Publication）：把同一研究"切碎"发到多个期刊（"香肠切片"），或不注明地大量重复已发表内容。

抄袭的防范与检测。①引用规范：每个不是你原创的观点、数据、方法，都必须引用来源。引用不是"装饰"，而是学术诚信的底线。②改写技巧：当你需要引用他人观点时，用你自己的话重新表达（不是换几个近义词），并注明出处。③查重工具：投稿前用Turnitin、iThenticate或知网查重自查。确保总重复率在期刊允许范围内（通常<15%–30%）。④注意"自我抄袭"：你自己的已发表内容也不能大量复制。如果需要在新论文中引用自己之前的工作，要注明出处（就像引用别人的论文一样）。⑤AI生成内容的引用：如果你用AI工具辅助写作，必须声明，并核实AI生成的内容（AI可能"幻觉"出不存在的文献）。

数据造假的防范。①原始数据保存：从实验/调查的第一天起，就建立规范的原始数据存档系统。②数据备份：遵循3-2-1原则（3份副本、2种介质、1份异地）。③数据分析透明：用脚本（R/Python）记录每一步分析过程，确保可复现。④预注册：在数据收集前注册你的分析计划，防止"事后挑选显著结果"。⑤鼓励开放数据：在论文中提供数据可用性声明，公开数据（在保护隐私的前提下）。公开的数据天然"经得起检验"，是防范造假指控的最佳方式。

署名规范的实践。①贡献导向原则：只有对研究有实质性智力贡献的人才能署名。具体标准：参与研究设计、数据收集或分析、论文撰写或实质性修改、最终稿审阅并同意投稿。②排序协商：在动笔前就讨论并确认作者顺序和通讯作者。③贡献声明：越来越多期刊要求在投稿时提交"作者贡献声明"（如"Author A designed the study, Author B collected data, Author C analyzed data..."）。④拒绝不当署名：如果导师/领导要求你加上没有贡献的人，礼貌但坚定地拒绝："按照国际惯例，作者必须是做出了实质性贡献的人。"⑤被遗漏时的处理：如果你发现自己的贡献被遗漏，先与通讯作者沟通，表达你的关切。如果沟通无效，可以向期刊编辑反映。

被指控不端时的应对。①保持冷静：不端指控是严重的，但情绪化反应只会让情况更糟。②收集证据：整理你的原始数据、实验记录、分析脚本、邮件往来，证明你的研究过程是诚实的。③寻求建议：向导师、系里、学校的学术诚信办公室咨询，了解程序和你的权利。④配合调查：如果学校或期刊启动调查，如实配合，提供所有需要的材料。⑤预防措施：最好的应对是"从未发生"——从研究生阶段就建立严格的学术诚信习惯，远比事后辩护有效。

学术不端的四大类型。①抄袭（Plagiarism）：从他人作品中复制文字、观点、数据而不适当引用。包括：直接复制（逐字抄袭）、改写抄袭（改了几个词但结构和意思相同）、自我抄袭（把已发表内容大量重复用于新论文）、翻译抄袭（从外文翻译过来不引用原文）。②伪造与篡改（Fabrication & Falsification）：捏造数据或故意修改数据使其支持预期结论。这是最严重的学术不端，触及了科学研究的根基。③不当署名（Authorship Misconduct）：荣誉署名（Gift Authorship，把没有实质贡献的人列为作者）、强制署名（Guest Authorship，导师/领导强制挂名）、代写代投（Paper Mills）。④重复发表（Redundant Publication）：把同一研究"切碎"发到多个期刊（"香肠切片"），或不注明地大量重复已发表内容。

抄袭的防范与检测。①引用规范：每个不是你原创的观点、数据、方法，都必须引用来源。引用不是"装饰"，而是学术诚信的底线。②改写技巧：当你需要引用他人观点时，用你自己的话重新表达（不是换几个近义词），并注明出处。③查重工具：投稿前用Turnitin、iThenticate或知网查重自查。确保总重复率在期刊允许范围内（通常<15%–30%）。④注意"自我抄袭"：你自己的已发表内容也不能大量复制。如果需要在新论文中引用自己之前的工作，要注明出处（就像引用别人的论文一样）。⑤AI生成内容的引用：如果你用AI工具辅助写作，必须声明，并核实AI生成的内容（AI可能"幻觉"出不存在的文献）。

数据造假的防范。①原始数据保存：从实验/调查的第一天起，就建立规范的原始数据存档系统。②数据备份：遵循3-2-1原则（3份副本、2种介质、1份异地）。③数据分析透明：用脚本（R/Python）记录每一步分析过程，确保可复现。④预注册：在数据收集前注册你的分析计划，防止"事后挑选显著结果"。⑤鼓励开放数据：在论文中提供数据可用性声明，公开数据（在保护隐私的前提下）。公开的数据天然"经得起检验"，是防范造假指控的最佳方式。

署名规范的实践。①贡献导向原则：只有对研究有实质性智力贡献的人才能署名。具体标准：参与研究设计、数据收集或分析、论文撰写或实质性修改、最终稿审阅并同意投稿。②排序协商：在动笔前就讨论并确认作者顺序和通讯作者。③贡献声明：越来越多期刊要求在投稿时提交"作者贡献声明"（如"Author A designed the study, Author B collected data, Author C analyzed data..."）。④拒绝不当署名：如果导师/领导要求你加上没有贡献的人，礼貌但坚定地拒绝："按照国际惯例，作者必须是做出了实质性贡献的人。"⑤被遗漏时的处理：如果你发现自己的贡献被遗漏，先与通讯作者沟通，表达你的关切。如果沟通无效，可以向期刊编辑反映。

被指控不端时的应对。①保持冷静：不端指控是严重的，但情绪化反应只会让情况更糟。②收集证据：整理你的原始数据、实验记录、分析脚本、邮件往来，证明你的研究过程是诚实的。③寻求建议：向导师、系里、学校的学术诚信办公室咨询，了解程序和你的权利。④配合调查：如果学校或期刊启动调查，如实配合，提供所有需要的材料。⑤预防措施：最好的应对是"从未发生"——从研究生阶段就建立严格的学术诚信习惯，远比事后辩护有效。