Capítulo 9 Práticas questionáveis em pesquisa


9.1 Práticas Questionáveis em Pesquisa


9.1.1 O que são práticas questionáveis em pesquisa?

  • Práticas questionáveis em pesquisa são más condutas ou comportamentos impróprios, realizados desde o planejamento até a publicação dos resultados.104,105


9.1.2 Por que práticas questionáveis em pesquisa devem ser combatidas?

  • Práticas questionáveis em pesquisa são prevalentes.106

  • Práticas questionáveis em pesquisa comprometem a integridade científica, a confiabilidade dos resultados e a confiança do público na ciência.104,105

  • Práticas questionáveis em pesquisa inflam artificialmente o tamanho do efeito e poder estatístico.105

  • Práticas questionáveis em pesquisa parecem contribuir para a crise da replicação na ciência, onde muitos estudos não conseguem ser replicados ou reproduzidos.105


9.2 Prática não intencional e má conduta


9.2.1 Quais são as categorias de práticas questionáveis em pesquisa?

  • Práticas questionáveis podem ser classificadas em más condutas e não intencionais.107

  • Más condutas são aquelas que são deliberadamente realizadas com o objetivo de enganar ou manipular os resultados, enquanto práticas não intencionais são aquelas que ocorrem devido a falta de conhecimento, treinamento inadequado ou outras razões.REF?

  • Práticas na zona cinzenta são aquelas que podem ser interpretadas de diferentes maneiras, dependendo do contexto e da intenção do pesquisador.REF?


Tabela 9.1: Classificação das práticas questionáveis em pesquisa segundo sua intencionalidade.
Prática Intencionalidade Definição
Data fabrication Má conduta Inventar dados inexistentes
Data falsification Má conduta Alterar ou manipular dados reais
Fake authorship Má conduta Inserir autores fictícios ou inexistentes
Fake peer review Má conduta Criar revisões falsas para facilitar publicação
Honorary authorship Má conduta Incluir autores sem contribuição real
Gold authorship Má conduta Atribuir autoria como forma de prestígio ou recompensa
Ghost authorship Má conduta Omitir autores que participaram do estudo
Duplicate publication Má conduta Publicar o mesmo estudo em mais de uma revista
Spin (doloso) Má conduta Apresentar os resultados de forma a exagerar efeitos positivos
Data distortion Má conduta Modificar dados ou gráficos para torná-los mais convincentes
SPARKing Má conduta Ajustar o tamanho da amostra após a coleta dos dados para obter significância estatística
HARKing Zona cinzenta Criar hipóteses após ver os dados (sem pré-registro)
Storytelling Zona cinzenta Construir uma narrativa forçada para justificar os achados
Selective reporting Zona cinzenta Relatar apenas os resultados favoráveis ou positivos
P-hacking Zona cinzenta Testar múltiplas análises até encontrar p<0.05
Data peeking Zona cinzenta Analisar dados antes do término da coleta, parando quando um efeito aparece
Cherry picking Zona cinzenta Selecionar apenas os resultados que apoiam a hipótese
Salami slicing Zona cinzenta Dividir artificialmente um estudo em vários artigos para inflar publicações
Embellishments Zona cinzenta Embelezar tabelas, gráficos ou resultados para torná-los mais atraentes
P-hacking reverso Não intencional Forçar análises para que não haja significância estatística
Fishing expedition Não intencional Procurar achados sem plano prévio
Data dredging Não intencional Explorar excessivamente os dados para encontrar associações irrelevantes
File drawer problem Não intencional Não publicar estudos com resultados negativos ou nulos
Publication bias Não intencional Tendência geral das revistas em favorecer publicações com resultados positivos


9.2.2 Quais práticas questionáveis podem ocorrer durante o planejamento do estudo?

  • Hypothesizing After Results are Known (HARKing) consiste em formular hipóteses após a análise dos dados, o que pode levar a resultados enviesados e não replicáveis.108

  • Storytelling é a prática de criar narrativas convincentes para justificar os resultados, mesmo que não sejam suportados pelos dados.REF?


9.2.3 Quais práticas questionáveis podem ocorrer durante a coleta de dados?

  • Data falsification é a prática de manipular ou inventar dados para obter resultados desejados.REF?

  • Data fabrication é a prática de inventar dados ou resultados que nunca foram coletados.REF?


9.2.4 Quais práticas questionáveis podem ocorrer durante a análise dos dados?

  • P-hacking é a prática de manipular os dados ou análises para obter resultados estatisticamente significativos, como realizar múltiplos testes sem correção adequada.109–111

  • P-hacking reverso é a prática de manipular os dados ou análises para obter resultados não estatisticamente significativos, como realizar múltiplos testes sem correção adequada, o que pode levar a conclusões enviesadas e enganosas.112

  • SPARKing (Sample size Planning After the Results are Known) é uma mal prática que envolve o ajuste do tamanho da amostra após a coleta dos dados, com o objetivo de obter resultados estatisticamente significativos.113

  • Data peeking é a prática de analisar os dados repetidamente antes de completar a coleta, visando interromper a coleta quando um resultado desejado é alcançado.114

  • Fishing expedition refere-se à exploração dos dados sem uma hipótese pré-definida, o que pode levar a conclusões enganosas e enviesadas, uma vez que os resultados podem ser meramente acidentais.110

  • Data dredging refere-se à exploração excessiva dos dados para encontrar padrões ou relações que não são teoricamente fundamentados, o que pode resultar em conclusões enganosas e enviesadas.110

  • Selective reporting é a prática de relatar apenas os resultados que suportam uma hipótese específica, ignorando aqueles que não a apoiam, o que pode levar a conclusões enganosas e enviesadas.115


9.2.5 Quais práticas questionáveis podem ocorrer durante a apresentação dos resultados?

  • Cherry picking consiste em selecionar apenas os resultados que suportam uma hipótese específica, ignorando aqueles que não a apoiam, o que pode levar a conclusões enganosas e enviesadas.110

  • Spin é a prática de apresentar os resultados de forma a enfatizar aspectos positivos ou minimizar aspectos negativos, o que pode levar a interpretações enganosas e enviesadas dos dados.116,117

  • Embellishments é a prática de manipular gráficos ou tabelas para aumentar impacto visual com mudanças de escala, perspectiva, cores, rotação, omissão de tendências, alterações de linha do tempo e/ou classes.118

  • Data distortion é a prática de modificar ou omitir informações nos dados para induzir interpretações específicas.118


9.2.6 Quais práticas questionáveis podem ocorrer durante a publicação e revisão por pares?

  • Honorary authorship refere-se à inclusão de autores que não contribuíram significativamente para o estudo, o que pode distorcer a atribuição de crédito e responsabilidade.119

  • Ghost authorship é a prática de não reconhecer autores que contribuíram significativamente para o estudo, o que pode distorcer a atribuição de crédito e responsabilidade.119

  • Gold authorship é a prática de atribuir autoria em troca de prestígio, recursos ou favorecimento político, independentemente da contribuição acadêmica.119

  • Fake authorship refere-se à inclusão de autores fictícios ou inexistentes em uma publicação.119

  • Fake peer review refere-se à prática de criar revisões por pares falsas ou fraudulentas para apoiar a publicação de um estudo, o que compromete a integridade do processo de revisão por pares e pode levar a conclusões enganosas.120

  • File drawer problem refere-se à tendência de não publicar estudos com resultados negativos ou não significativos, o que pode levar a uma visão distorcida da literatura científica e dificultar a replicação de estudos.121,122

  • Salami slicing é a prática de dividir os resultados em múltiplas publicações para aumentar o número de publicações, o que pode levar a uma má interpretação dos dados e à fragmentação do conhecimento.123

  • Publication bias é a tendência de publicar apenas resultados positivos ou significativos, o que pode levar a uma visão distorcida da literatura científica e dificultar a replicação de estudos.124

  • Duplicate publication é a prática de publicar o mesmo estudo ou resultados em mais de uma revista, o que pode levar a uma superestimação da importância dos resultados e à confusão na literatura científica.125


9.3 Prevenindo práticas questionáveis em pesquisa


9.3.1 Como prevenir práticas questionáveis?


9.4 Reações éticas e institucionais práticas questionáveis em pesquisa

  • Post-publication peer review é a prática de revisar e discutir criticamente publicações após sua divulgação, permitindo identificar erros, inconsistências metodológicas e problemas éticos que podem não ter sido detectados durante o processo tradicional de revisão por pares.128,129

  • Corrigendum é uma correção publicada para ajustar erros atribuídos aos autores em um artigo já publicado, sem comprometer necessariamente as conclusões centrais do estudo. Seu objetivo é preservar a integridade e a precisão do registro científico.129

  • Erratum refere-se, em geral, à correção de erros introduzidos durante o processo editorial ou de publicação, como falhas tipográficas, de formatação ou produção.129

  • Expression of concern é uma manifestação formal emitida por periódicos científicos para alertar os leitores sobre possíveis problemas relacionados à integridade, confiabilidade ou ética de um estudo, especialmente quando ainda há investigações em andamento ou evidências inconclusivas.129

  • Retraction é a retirada formal de uma publicação científica quando há evidências de resultados não confiáveis, erro grave, má conduta científica, plágio, duplicação indevida ou pesquisa antiética. O objetivo principal é corrigir a literatura científica e preservar a confiabilidade do registro acadêmico.129

  • Retraction Watch é um blog que monitora e relata casos de retratações e preocupações éticas em publicações científicas, fornecendo informações sobre práticas questionáveis e promovendo a transparência na pesquisa.130




Citar como:
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,


Referências

104.
John LK, Loewenstein G, Prelec D. Measuring the Prevalence of Questionable Research Practices With Incentives for Truth Telling. Psychological Science. 2012;23(5):524–532. doi:10.1177/0956797611430953
105.
Bausell RB. Too Much Medicine: Not Enough Health. Em: The Problem with Science: The Reproducibility Crisis and What to do About It. New York: Oxford University Press; 2021:56–C3.P203. doi:10.1093/oso/9780197536537.003.0004
106.
Neoh MJY, Carollo A, Lee A, Esposito G. Fifty years of research on questionable research practises in science: quantitative analysis of co-citation patterns. Royal Society Open Science. 2023;10(10). doi:10.1098/rsos.230677
107.
Kleinert S. COPE’s retraction guidelines. The Lancet. 2009;374(9705):1876–1877. doi:10.1016/s0140-6736(09)62074-2
108.
Kerr NL. HARKing: Hypothesizing After the Results are Known. Personality and Social Psychology Review. 1998;2(3):196–217. doi:10.1207/s15327957pspr0203_4
109.
Groot AD de. The meaning of “significance” for different types of research [translated and annotated by Eric-Jan Wagenmakers, Denny Borsboom, Josine Verhagen, Rogier Kievit, Marjan Bakker, Angelique Cramer, Dora Matzke, Don Mellenbergh, and Han L. J. van der Maas]. Acta Psychologica. 2014;148:188–194. doi:10.1016/j.actpsy.2014.02.001
110.
Andrade C. HARKing, Cherry-Picking, P-Hacking, Fishing Expeditions, and Data Dredging and Mining as Questionable Research Practices. The Journal of Clinical Psychiatry. 2021;82(1). doi:10.4088/jcp.20f13804
111.
Stefan AM, Schönbrodt FD. Big little lies: a compendium and simulation ofp-hacking strategies. Royal Society Open Science. 2023;10(2). doi:10.1098/rsos.220346
112.
Chuard PJC, Vrtílek M, Head ML, Jennions MD. Evidence that nonsignificant results are sometimes preferred: Reverse P-hacking or selective reporting? PLOS Biology. 2019;17(1):e3000127. doi:10.1371/journal.pbio.3000127
113.
Sasaki K, Yamada Y. SPARKing: Sample-size planning after the results are known. Frontiers in Human Neuroscience. 2023;17. doi:10.3389/fnhum.2023.912338
114.
Armitage P, McPherson CK, Rowe BC. Repeated Significance Tests on Accumulating Data. Journal of the Royal Statistical Society Series A (General). 1969;132(2):235. doi:10.2307/2343787
115.
Hutton JL, Williamson PR. Bias in Meta-Analysis Due to Outcome Variable Selection Within Studies. Journal of the Royal Statistical Society Series C: Applied Statistics. 2000;49(3):359–370. doi:10.1111/1467-9876.00197
116.
Horton R. The rhetoric of research. BMJ. 1995;310(6985):985–987. doi:10.1136/bmj.310.6985.985
117.
Chiu K, Grundy Q, Bero L. ‘Spin’ in published biomedical literature: A methodological systematic review. Boutron I, org. PLOS Biology. 2017;15(9):e2002173. doi:10.1371/journal.pbio.2002173
118.
Krok E. Visualization on charts manipulations and distortions. Procedia Computer Science. 2021;192:3932–3944. doi:10.1016/j.procs.2021.09.168
119.
Picano E. Who is the author: genuine, honorary, ghost, gold, and fake authors? Exploration of Cardiology. 2024;2(3):88–96. doi:10.37349/ec.2024.00024
120.
Haug CJ. Peer-Review Fraud Hacking the Scientific Publication Process. New England Journal of Medicine. 2015;373(25):2393–2395. doi:10.1056/nejmp1512330
121.
Rosenthal R. The file drawer problem and tolerance for null results. Psychological Bulletin. 1979;86(3):638–641. doi:10.1037/0033-2909.86.3.638
122.
Wagner JA. The influence of unpublished studies on results of recent meta-analyses: publication bias, the file drawer problem, and implications for the replication crisis. International Journal of Social Research Methodology. 2021;25(5):639–644. doi:10.1080/13645579.2021.1922805
123.
Adams NN. Salami Slicing: clarifying common misconceptions for social science early-career researchers. SN Social Sciences. 2022;2(7). doi:10.1007/s43545-022-00389-6
124.
Montori VM, Smieja M, Guyatt GH. Publication Bias: A Brief Review for Clinicians. Mayo Clinic Proceedings. 2000;75(12):1284–1288. doi:10.4065/75.12.1284
125.
Emanuele E. Duplicate Submission, Zero Consequences: A Reviewer’s First-Person Case Study. Cureus. dezembro 2025. doi:10.7759/cureus.99518
126.
Nosek BA, Ebersole CR, DeHaven AC, Mellor DT. The preregistration revolution. Proceedings of the National Academy of Sciences. 2018;115(11):2600–2606. doi:10.1073/pnas.1708274114
127.
P. Simmons J, D. Nelson L, Simonsohn U. Pre-registration: Why and How. Journal of Consumer Psychology. 2021;31(1):151–162. doi:10.1002/jcpy.1208
128.
Knoepfler P. Reviewing post-publication peer review. Trends in Genetics. 2015;31(5):221–223. doi:10.1016/j.tig.2015.03.006
129.
Teixeira da Silva JA, Dobránszki J. Notices and Policies for Retractions, Expressions of Concern, Errata and Corrigenda: Their Importance, Content, and Context. Science and Engineering Ethics. 2016;23(2):521–554. doi:10.1007/s11948-016-9769-y
130.
Collier R. Shedding light on retractions. Canadian Medical Association Journal. 2011;183(7):E385–E386. doi:10.1503/cmaj.109-3827
131.
Hartgerink C, Aust F. retractcheck: Retraction Scanner.; 2025. https://github.com/chartgerink/retractcheck.