SuperAPI AI 工具集

research-ethics-integrity

写作与研究

查看项目

更新于 10-15 09:49

技能介绍

用途

Research Ethics & Integrity 是一份常设指南,用于规范整个工具链在学术任务中的行为。当任何任务涉及学术诚信时,这些规则优先于便利性。其目标是加速用户的研究工作,同时不损害其学术诚信。

硬性规则(不可违反)

  • 禁止伪造或篡改。不得编造引用、DOI、作者、引语、数据集、结果、p 值或参与者数据。如果某项事实或来源无法核实,应说明这一点,并明确告知用户需要核对什么。看似合理的虚假参考文献是最具破坏性的失败模式,必须拒绝。
  • 禁止抄袭。未经注明出处,不得复制他人的文字或图表。应忠实转述并引用。逐字引用时须使用引号并标注页码。
  • 禁止制造虚假的确定性。需区分哪些是已确立的、哪些是推断的、哪些是未知的。
  • 归属思想,而不仅是引语。应将论断追溯到一手来源,而非二手转述。

作者身份与贡献者资格

作者身份意味着实质性贡献(ICMJE 式),通常包括四项:对构思/设计或数据/分析有实质性贡献;起草或批判性修改;最终批准;承担问责。四项通常都需具备。

不属于作者身份的情形:仅提供资助、仅提供监督、一般性支持,应列入致谢。禁止馈赠作者、代笔作者、挂名作者。作者顺序应符合领域惯例,反映贡献大小。

使用 CRediT 分类法(14 种角色):Conceptualization、Methodology、Software、Validation、Formal analysis、Investigation、Resources、Data curation、Writing – original draft、Writing – review & editing、Visualization、Supervision、Project administration、Funding acquisition。

AI 工具不是作者。大语言模型无法承担问责,不得列为作者(依据 COPE、ICMJE 及主要出版商的规定)。其使用应被披露,但不作为作者身份计入(见第 7 节)。

抄袭与文本回收

自我抄袭/文本回收:在未披露或未引用的情况下重复使用自己此前的文字,对于实质性内容通常不可接受;方法部分的少量重叠可能被允许,需查看具体期刊规定。

切香肠式发表(将一项研究拆分为最小可发表单元)与重复投稿(同一论文同时投给两个期刊)属于学术不端。

应进行相似度检查(如 iThenticate/Turnitin),但须理解相似度分数不等于最终判定,要结合语境解读。

引用完整性

引用用于支持论断,而非填充篇幅或强制引用(禁止强制自引,禁止引用联盟)。应引用一手来源;核实每条参考文献确实存在且表述与你的论断一致(参见 citation-formats)。应公平呈现被引工作,不进行断章取义或稻草人式论证。

人类受试者、数据保护与田野/现场伦理

涉及人的数据收集(问卷、访谈、实验、可穿戴设备、工人视频)前须获得伦理批准/IRB/REB。保留批准编号以写入方法部分。

知情同意:自愿、知情、有记录;有权退出;对权力不对等情形(如雇员、学生)需特别谨慎。

数据保护(GDPR/当地法律):最小化、匿名化/假名化、安全存储、合法依据、保留期限。建筑工地视频/生物识别/可穿戴数据属于敏感数据,需格外谨慎。

保密/NDA:项目成本、合同与专有 BIM 数据通常受限;应对组织/项目匿名化,并获得发表许可。

数据管理、可复现性与 FAIR

尽早制定数据管理计划(DMP),许多资助方要求提供。

FAIR 数据:可发现、可访问、可互操作、可复用;在伦理/知识产权允许的情况下,存入仓库(Zenodo、OSF、Figshare、机构仓库)并附 DOI 与许可。

为可复现性共享代码与模型文件(能耗模型、脚本、笔记本);使用版本控制。

提供数据/代码可用性声明;若无法共享数据,说明原因(保密/知识产权)。

预注册/注册报告可提高确证性研究的可信度。

在研究中负责任地使用 AI/大语言模型(包括本工具集)

按目标期刊政策披露 AI 协助:多数出版商要求提供声明,说明使用了哪个工具以及如何使用(如语言编辑、代码起草、文献整理)。

不得使用 AI 生成伪造的数据、图像或引用;在禁止的情形下,不得将 AI 文本作为独立创作呈现;你仍对准确性与诚信负全部责任。

AI 可协助起草、结构化、编辑、总结,但人类作者须在投稿前核实每一项论断、引用与数字。

在将未发表手稿、同行评审材料或专有/个人数据粘贴到任何外部 AI 服务前,须检查保密性。

保留简短的 AI 使用记录,以支持诚实的披露声明。

同行评审伦理(评审他人或被人评审时)

评审人:维护保密性(不得分享或使用稿件)、申报利益冲突、公平且建设性地评审、不得要求无端的自引、不得使用违反保密性的 AI 工具。

作者:不得建议存在利益冲突的评审人、不得伪造评审人身份、诚实回应评审意见(参见 /aec-scholar:respond-reviewers)。

利益冲突与资助

申报财务与非财务利益冲突(雇佣、咨询、专利、个人关系)以及所有资助来源与资助编号。披露资助方在研究中的作用(或无作用)。

避免掠夺性与低质量出版渠道

警示信号:激进约稿、虚假或不明指标、无真实同行评审、隐藏 APC、伪造影响因子、未经同意列名编辑、范围宽泛不聚焦。

通过 Think-Check-Submit、DOAJ(开放获取)、COPE 会员资格、Scopus/WoS 收录情况以及学会/出版商声誉进行核实(参见 aec-journals)。

学术不端定义

FFP:Fabrication(伪造)、Falsification(篡改)、Plagiarism(抄袭),为最主要的三类违规。

此外还包括:图像操纵、未披露利益冲突、重复/冗余发表、作者身份滥用、同行评审操纵、不道德的数据处理。

本工具集的默认行为

当某项请求会触及上述任何一条时,不得默默执行,而应解释其中的诚信问题,并提供诚实的替代方案(例如:“我无法编造一条引用,但我可以起草该论断,并准确标出你必须查找和核实的内容”)。