2015-重現性危機：心理學的自我審判#

案件摘要#

2015 年 8 月，《科學》刊登 Open Science Collaboration 的報告：100 項心理學頂刊研究，僅 36–39% 在大樣本複製下達到統計顯著；效應量平均腰斬。（→ 心理學史上第一次，學科對自己開了這麼大規模的審判庭！）同年前後還有：2011 年 Bem 的「預知」論文（用標準方法證明超感官知覺——（！方法沒錯，結論荒謬——這是整個體系失效的照妖鏡！））、Stapel 造假案、普林斯頓的 Diederik Stapel 之後的多起撤稿。真兇不是幾個壞人，是一套全產業的激勵結構：發表偏誤、p-hacking、HARKing（先有結果後編假設）、小樣本、不共享資料、期刊只要「新穎顯著」。（→ 本案的後果是方法學的全面改革：預註冊、開放資料、多實驗室聯盟、效應量的誠實報告。）

前因 -- 多因素的局勢#

出版制度的扭曲：期刊只收「顯著、新穎、正向」的結果（file drawer 問題，Rosenthal 1979 就已警告）——不顯著的研究沒人發、沒人看、沒人知（→ 市場只買「好消息」，科學就專產「好消息」！）
統計訓練的空洞：p < .05 被當成「真」，而不是「資料與零假設不相容」；多重檢定、自由度濫用（試多個排除條件、多個量表、多個亂數切點——總有一個顯著： \(\Pr(\text{至少一次顯著}) = 1-(1-.05)^k\) ，試 20 次就保證接近 1！）
Bem 事件（2011）：頂刊 JPSP 刊登九組實驗「證明」預知未來——方法完全符合慣例。若方法能證明預知，方法就有問題（→ 這是本案的引爆點，邏輯上無法反駁！）
資源結構：博士生的畢業、教職的聘任、經費的申請全綁「論文數與頂刊數」——激勵與求真脫鉤（→ 壞制度的受害者與執行者是同一批人！）
技術條件的成熟：網站與資料庫（OSF, Open Science Framework 2013）讓大規模協作複製首度可行——改革也需要硬體！

線索與推理 -- 因素咬合#

線索一：100 項複製的判決書#

OSC 2015 的具體數字：社會心理學複製成功率約 25%，認知心理學約 50%；平均效應量從原始的約 d=0.40 掉到 d=0.20。（！注意偵探的細節：複製失敗≠原始研究造假——可能包含情境差異、樣本差異；但系統性腰斬指向系統性偏差，不是運氣！）此後各軍種接力：Many Labs 計畫（多實驗室同步複製）、心理科學加速器（PSA）、以及對特定經典（啟動效應、自我耗損、權力姿態）的逐一重審。

線索二：p-hacking 的解剖學#

QRP（有問題的研究實務）清單：中途看結果決定收樣、刪除「麻煩」受試者、多重依變項只報顯著的、事後包裝假設（HARKing）、選擇性引用。（→ 每一步單獨看都「只是判斷」，加起來是系統性的假陽性工廠！）Simmons、Nelson、Simonsohn 2011 的示範：用正常手法在真實資料裡「證明」聽披頭四讓人變年輕——「false-positive psychology」成為改革的教科書。

線索三：為什麼是心理學先倒下？#

生物醫學（Amgen 2012：53 項癌症前期研究僅 11% 可複製）、經濟學（2016–2018 複製率約 40–60%）都有同病。（→ 心理學只是第一個動手驗屍的——「危機最重的學科」與「自查最徹底的學科」是同一個！）心理學的先天條件：效應小、樣本易得（大學生）、概念測量浮動、理論彈性大（後設理論不夠硬——這也連回理論傳統的問題：1956-認知革命.md 的隱喻科學性格）。

線索四：改革的資產負債表#

正資產：預註冊（Registered Reports 期刊模式）、開放資料與程式碼、多實驗室常態化、效應量與區間的誠實報告、大樣本（MTurk/Prolific 與 UK Biobank）。負債項：行政成本暴增、新人的職業風險（做複製不被算成果）、以及「改革表演」（形式預註冊、口頭開放）（→ 制度改了，激勵沒全改——本案仍在續審！）

破案時刻#

1979：Rosenthal 警告 file drawer 問題。
2011：Bem 預知論文；Simmons「false-positive psychology」；Stapel 造假爆發。
2012：Amgen 複製報告（生物醫學）；Wagenmakers 等倡議貝葉斯檢驗。
2013：OSF 上線；Nosek 等成立改革陣線。
2015-8：OSC 100 項複製報告（《科學》）。
2018：Many Labs 2（跨文化大聯盟）。
2020s：Registered Reports 擴散、效應量重估、教科書改寫。
結案：危機被證實，改革制度化，審判未終結。

後果 -- 改變了什麼#

方法學正典改寫：預註冊、開放科學成為博士訓練必修；頂刊（Nature Human Behaviour 等）採用 Registered Reports。
經典的重審：史丹佛監獄實驗（1971-史丹佛監獄實驗.md）、米爾格蘭（1963-米爾格蘭服從實驗.md）、前瞻—啟動效應群——教科書的明星名單大換血。
跨學科的傳染與示範：經濟學、神經科學（1990-fMRI與認知神經科學.md）、機器學習（再現性與資料洩漏）相繼自查——心理學從「重災區」變成「改革樣板」。
理論的自省：從「效應有無」轉向「理論能否預測效應量與邊界條件」——累進式科學的返鄉。

因素影響筆記#

出版激勵(只要顯著新穎) ─┐
統計訓練空洞(p<.05 崇拜) ┼─→ p-hacking/file drawer 常態化
職業結構(論文綁升遷) ────┘              │
        Bem 事件(2011 照妖鏡) ─────────┤
              OSF/網路協作(技術條件) ──┤
                                     ↓
                      OSC 100 項複製（2015 判決書）
                                     │
      ┌──────────────────────────────┼─────────────────────┐
      ↓                              ↓                     ↓
 預註冊/Registered Reports    開放資料/多實驗室聯盟     經典重審/教科書改寫
                                     │
                                     └→ 跨學科自查（經濟/神經/ML）

偵探結語：這樁案件最驚人的地方在於兇手的人數：不是十個造假者，是整整一代正常運作的科學家——他們只是在壞規則下做了「理性」的選擇。當期刊只收顯著、升遷只看論文、審查只問新穎，p 值就從檢驗工具變成了通行證，科學就從求真事業變成了內容產業。Bem 用完全合規的方法證明預知，等於替全行業做了測謊——方法經得起證明預知，就什麼都經不起。心理學值得記功：它第一個把自己按上驗屍臺。但偵探提醒結案期限未到——改革目前改的是流程，不是錢。錢不變，十年後會有下一樁。