《科學的假象：造假、偏見、疏忽與炒作，如何阻礙我們追尋事實》-Stuart Ritchie
科學為當今最有公正力的學科，因為仰賴其客觀、理性、務實及可重複性，相對其它，科學較有說服力。不過科學發表的論文，卻可能出現造假、偏見、炒作等錯誤，日積月累下來會造成無法挽回的後果。一篇論文要能讓大眾看見大多藉由期刊發表，而期刊又需要經過重重關卡，其中的論文主題、同行審查、與期刊編輯的反覆交談，不乏有論證、數據不齊全需要修改、調整，一篇論文到真的發表可能要花費數個月的時間。
另外，為了保持好名聲以及更高的討論度，期刊的編輯大多偏好題材新又正面的新聞，大大影響科學家再投稿的想法及意願，而研究失敗的論文更不可能出現在期刊上面。這邊跳出來說，對於為什麼失敗的論文也需要發表？ 目的是為了讓之後的學者能夠不用再重蹈覆轍。而且對於在同一個領域的研究發展起到很大的作用，因為可以在該領域的綜合分析提供更完整的資訊，減少研究數據的偏誤。
一個學術研究在實驗期間，通常需要引用不少已經刊登的論文，而期刊幾乎不刊登失敗的論文，導致整體期刊發表的論文偏向正面，造成綜合分析的結果也會往正面看齊，導致結果偏離真相。
-
在發表論文之前，同儕審查的目的就是為了防止出現錯誤、評估研究的質量以及幫論文發表者去背書。但是許多科學家不願提供太多的研究數據給同儕審查，一方面是擔心提供太多數據後反被同行轉去發表，一方面可能是為了掩飾數據的不完整或是錯誤。另外，一項研究通常需要花費數個星期甚至好幾個月，有些被委託的科學家自身也有研究在進行，不太可能有待多的時間去仔細審查，導致許多地方疏漏，造成許多論文的發表在沒經過仔細的審查後，就急忙上架。
-
在論文當中，統計學是很重要的工具，大多數的科學家會去計算P值(Probability Value)
，P值主要目的是用來判斷觀察到的結果是否足夠強烈，以至於不太可能是隨機誤差所造成的。P值的計算方式及驗證的原理這邊就不贅述，如果有興趣可以上網查詢詳細了解。作者要提的是「P值操控」，P值有一個閾值為：0.05，研究的數據如果小於0.05，意味著實驗結果的顯著性不太可能是隨機變異造成的。為了達成0.05，許多科學家會進行一次又一次的計算，甚至只驗算或修改對結果有利的數據，那這篇論文的客觀性將不復存在。為了達成顯著性，科學家可能有意或無意的情況下修改數據，或是運用「化妝術」去修飾未達顯著性的研究，讓人看起來好像有一回事。
不過，P值終究不是萬能的。單獨依賴P值來判斷結果的意義可能會導致誤解。過度依賴可能會忽略結果的實際重要性。因此，學術研究中，P值通常應與其它統計指標一起使用。
-
科學研究本該客觀、無私及公正，不過許多機構或學校會提供論文發表的獎勵，或是利用論文的發表數來給予相對的輔助。例如：某間知名之國際藥廠，為了能夠推銷新的成藥產品，委託科學家做出相對正面的論文來支持其產品，而科學家可以拿到學術研究的補助。
在著名的期刊上發表也可以影響科學家的名聲及地位，這會造成大家想盡辦法只求發表越快速越好，標題越聳動越好，持續發表不可重複性、錯誤百出，甚至是造假的論文。科學家也需要生活，為了研究更需要資金；科學家也是人，人人都會受到誘惑，所以需要有相對應的做法來限制。
-
作者提出一個方法，將研究的數據一切公開透明。通常一篇論文從提出構想到發表之前，都是不公開的。但是如果從提出研究主題就公布大眾，除了可以避免被人抄襲，也可以證明自己的做法沒有任何嫌疑。相對來講，公開這些數據也可以更容易說服編輯，也不會受人猜忌。公開記錄每一個步驟，除了可以讓大家幫忙驗證錯誤，也可以表明自己對研究的項目一切都有信心，就算研究的結果是失敗的也無訪。另一方面還幫你建立聲譽，展現自己是一名誠實的科學家。
另一個方法就是重新檢視獎勵機制，如何能夠讓科學家在研究之餘兼顧生活的品質。也許可以用抽獎的方式來提供研究資金。但這需要眾多科學家一起討論出一個公平又合理的答案。
-
看完這本書才知道，現在除了假新聞的氾濫，連科學研究的造假也是我們需要注意的，並不是所有研究論文都一定是正確的，我們需要去了解論文的透明度、可重複性、樣本數量是否符合研究本身、P值的數據來源、研究是否有偏見、編撰論文的科學家是否有立場的考量。這都不是一朝一夕可以解決的，需要耐著性子去面對這些。對已知與未知的事物保持謙遜，是持續精進的關鍵。
