本科论文数据记录要做到可追溯：哪些环节容易变成选择性报告

很多本科生是在答辩现场才第一次意识到数据记录的重要性：老师问“你回收了160份问卷，为什么分析里只有121份”，你张口想说“有些填得不认真”，却拿不出任何判定标准、剔除记录和时间点。你并没有编造数据，但论文里的每一个数字都无法回溯到它的来源，这在规范层面已经构成问题。《负责任研究行为规范指引》（2023）在数据管理部分把要求概括为三个词：研究数据的采集、记录应完整、准确、可追溯，并明确“不得有选择地记录、使用数据以获得特定结果”。这句话约束的不只是编造数据，也包括只记录某一类数据、只使用某一类数据。

一、规则要求：可追溯到底指什么

可追溯不是“数据还在”，而是“从论文里的一个数字，能一路倒推回它最初产生的那一刻”。这意味着至少三层信息必须同时存在：数据本身、数据产生的过程、数据被处理过的痕迹。缺任何一层，别人（包括三个月后的你自己）都无法复核。

高校对原始记录的通行要求大体一致，一份合格的记录单元通常应包含：课题名称；记录日期与实验或调查的环境条件；唯一编号（避免不同批次混淆）；本次的目的与拟解决的问题；方法与操作过程（详细到他人可据以重复）；原始数据本身，而不是整理后的结果；观察到的现象、异常与偏差；本次的结果与分析；记录人签名。

配套的还有两条常被忽视的硬性规则。其一，原始记录不得随意删除、修改或增减数据；确需修改的，应在修改处划一斜线（不可完全涂黑），保证修改前的记录仍可辨认，并签名、注明日期。其二，书面记录应使用页码连续、符合保管要求的记录本，不留空白页、不留大片空白区域——空白处事后可被填入任何内容，这正是它被禁止的原因。

问卷、访谈等非实验类研究同样适用这套逻辑，只是要素换成：问卷编号与发放回收时间、回收渠道、无效问卷的判定标准、访谈录音与转录稿的对应关系、知情同意材料、编码与匿名化处理记录。

二、五个容易滑向选择性报告的环节

选择性报告很少以“我要挑一个好看的结果”开始，它通常以“整理一下数据”的名义发生。

具体到最常见的三个场景：

把“没做成的实验”排除在记录之外。 反应没跑出来、被试中途退出、问卷预测试信度很低——这些往往被认为“不值得记”。但正是这些信息决定了你最终报告的结果有多少说服力。记录的完整性首先体现在“失败的也留下”。

清理标准事后确定。 你在看到描述统计之后才决定“答题时间少于30秒的算无效”，这个标准本身可能是合理的，但如果它没有在清理前以书面形式固定下来，就无法区分“规范剔除”和“定向剔除”。区别不在结果，在时间顺序和留痕。

把数据可得性写成一句套话。 “数据可向作者索取”是常见的结尾，但如果原始数据已经不存在、或只剩一个清洗后的表格，这句话就是不成立的承诺。更稳妥的写法是具体说明数据层级：原始问卷、编码后数据集、分析脚本分别以什么形式保存、保存多久、在什么条件下可以提供。

还要提醒一点：规范的约束对象是“记录和使用”，不只是“发表”。一个只出现在你电脑里、未进入论文的数据集，如果不完整、不可追溯，同样会影响导师和评审对整篇论文的信任判断。

三、合规做法：把留痕变成低成本动作

把数据分成三层分别存放。 原始层只读不改，包括扫描件、录音、原始导出文件；清理层记录每一步变换，包括剔除、重编码、缺失值处理；分析层对应论文里的每一张表。三层之间用文件命名和日志连接，任何一层都不能覆盖上一层。

写一份数据清理日志。 不必复杂，一个表格即可，逐条记录：日期、操作内容、涉及样本编号、理由、操作人。日志的价值在于，它把“我删掉了一些数据”变成“我在某个时间依据某个标准剔除了某类样本”，性质完全不同。

保存决策痕迹而不只是结果。 你调整过问卷题项、改过访谈提纲、换过编码框架，这些都是研究过程的一部分，记下来反而能说明方法的严谨性。论文方法部分对样本流失、无效样本比例、缺失情况的交代，应当能与日志一一对应。

答辩前做一次倒推测试。 随手挑论文里的三个数字，问自己：它从哪来？中间经过哪些处理？如果答不上来，说明记录链断了。

自查清单要点

• 每次采集都有唯一编号、日期和环境信息，记录本无空白页；
• 原始数据与整理后数据分开存放，原始层未被覆盖；
• 修改处划斜线可辨认，并有签名与日期；
• 剔除标准在清理前已书面确定，清理日志可查；
• 论文报告的样本量与回收量之间的差额有明确说明；
• 访谈录音、转录稿、匿名化编码三者可对应；
• 论文中对数据保存形式、保存期限、可得条件的描述与实际一致；
• 能对任意一个报告数字完成倒推。

数据记录做得完整，最大的受益者其实是你自己：当评审追问细节时，你不需要回忆，只需要翻到那一页。