把研究倫理寫進論文：作者署名、利益揭露與資料誠信

當一篇好論文，因為「誰是作者」而被撤稿

想像這樣的場景：一個研究團隊花了三年完成一份漂亮的實驗，數據紮實、寫作流暢、投到頂尖期刊順利接受。半年後，論文卻被撤稿（retracted）。原因不是數據造假，也不是抄襲，而是——一位掛名第一作者的「資深教授」其實從頭到尾沒參與研究，只是因為他是計畫主持人，依「慣例」掛了名；而真正做完所有實驗的博士生，名字被排在第四位。被同領域研究者匿名檢舉後，期刊調查、團隊內鬨、撤稿，整份心血付諸流水。

這個故事的殘酷之處在於：問題完全不在於「研究做得好不好」，而在於「研究這件事，誰該負責、誰有功勞、誰拿了什麼好處，有沒有被誠實地寫清楚」。學術寫作的倫理，從來不只是「不要造假」這麼一句口號。它牽涉到三件具體、可操作、而且常被忽略的事：作者署名（authorship）、利益揭露（disclosure of conflicts of interest）、以及資料誠信（data integrity）。這三件事都得用文字寫進論文裡，而怎麼寫，本身就是一門需要學習的技藝。

這篇文章要談的，正是「如何把研究倫理，正確地寫成文字」。

作者署名：掛名不是人情，是責任的宣告

許多研究新手以為，作者列表（author list）是一種「論功行賞」的排名，誰貢獻多誰排前面。這個理解只對了一半。國際醫學期刊編輯委員會（ICMJE, International Committee of Medical Journal Editors）給出的四項標準至今是各領域的共識基準：一個人要列為作者，必須同時滿足四點——對研究構想或資料分析有實質貢獻、參與論文撰寫或關鍵修改、核准最終版本、並且願意為整份研究的正確性負責（accountable for all aspects of the work）。

注意最後一點。掛名意味著「出事我也有責任」，而不只是「成功了我也有功勞」。這就排除了兩種常見的學術歪風：

• 掛名作者（honorary / gift authorship）：把沒參與的長官、資深者掛上去換取人情或資源。
• 幽靈作者（ghost authorship）：真正執筆或做事的人（例如受雇的醫學寫手、業界代筆）反而不出現在作者列表。

在「貢獻聲明」（author contributions statement）這個段落，怎麼寫才專業？來看對照。

不佳寫法：

All authors contributed to the paper.

這句話等於什麼都沒說，審稿人一看就知道是敷衍，也無法釐清責任歸屬。

改良寫法（採用 CRediT 分類法）：

J.L. conceived the study and designed the experiments. M.C. collected and curated the survey data. J.L. and M.C. performed the statistical analysis. M.C. drafted the manuscript. K.W. supervised the project and revised the manuscript critically for intellectual content. All authors read and approved the final version.

改良版用了 CRediT（Contributor Roles Taxonomy） 這套國際通行的貢獻角色分類，把「誰做了什麼」拆解成 conceptualization（構想）、methodology（方法）、data curation（資料整理）、formal analysis（統計分析）、writing – original draft（初稿撰寫）、supervision（督導）等具體角色。這不只是格式要求，它讓貢獻可被檢驗，也保護了真正出力的人。

看一個例子：通訊作者的「責任語言」

通訊作者（corresponding author）在投稿信（cover letter）中常需聲明原創性與作者同意。比較以下兩種表達。

不佳：

This paper is original and all authors agree to submit it.

語氣含糊，沒有具體承諾，無法承載法律與倫理重量。

改良：

On behalf of all co-authors, I confirm that this manuscript is original, has not been published elsewhere, and is not under consideration by any other journal. All listed authors have made substantive contributions, have approved the submitted version, and have agreed to be accountable for the integrity of the work.

改良版具體承諾了三件事：原創未重複投稿（no duplicate submission）、所有作者實質貢獻、且共同對研究誠信負責。每一個動詞都是一項可被追究的承諾，而這正是學術寫作中「責任語言」的核心。

利益揭露：不是承認有罪，而是讓讀者自己判斷

很多學生對「利益揭露」（conflict of interest disclosure）有個誤解，以為一旦揭露了「我收受某公司資助」，就等於承認研究有偏差、不可信。恰恰相反。揭露的目的不是定罪，而是把判斷權交還給讀者——讓讀者在知道完整脈絡的情況下，自行評估研究結論的可信度。

利益衝突不只有金錢一種。常見類型包括：

• 財務性（financial）：研究經費來源、顧問費、持股、專利權利金。
• 非財務性（non-financial）：個人信念、學術競爭、與受試對象的關係。
• 機構性（institutional）：所屬單位本身與研究結果有利害關係。

關鍵原則是：有疑慮就揭露（when in doubt, disclose）。揭露從不會讓一篇論文減分；隱瞞被發現才會致命。

不佳寫法（含糊或迴避）：

The authors have nothing to declare.

如果其實有資助卻寫這句，是嚴重的學術不誠信。即使真的沒有，這種寫法也不如下面具體。

改良寫法（如實揭露）：

This work was supported by Grant No. 113-2410-H-008 from the National Science and Technology Council (NSTC), Taiwan. Author K.W. has served as a paid consultant for Company X, which manufactures one of the devices evaluated in this study. The funder had no role in study design, data collection, analysis, or the decision to publish. The remaining authors declare no competing interests.

注意改良版的精妙之處：它不只說「有誰拿了什麼」，還明確聲明「資助者沒有介入研究設計與發表決定」（the funder had no role...）。這一句話極其重要，它直接回應了讀者最關心的疑慮——「拿了錢，結論會不會被買通？」用文字劃清界線，反而強化了研究的可信度。

改良寫法（確實沒有利益衝突時）：

The authors declare no competing financial or non-financial interests. This research received no specific grant from any funding agency in the public, commercial, or not-for-profit sectors.

即使沒有任何利益衝突，也要寫得具體——明確涵蓋財務與非財務、並說明經費狀況，而不是丟一句模糊的 "nothing to declare"。

動手試試：把一段「藏起來」的揭露改寫清楚

假設你的研究用了某公司免費提供的軟體，且第二作者是該公司的兼職員工。試著評估以下寫法：

原句：

We thank Company Y for technical support.

這句把利益關係偽裝成「致謝」（acknowledgements），把實質的利益衝突藏在客套話裡，是典型的迴避。請改寫為：

改良：

Company Y provided the analysis software used in this study free of charge. Author S.H. is a part-time employee of Company Y. These relationships are disclosed here as potential competing interests; Company Y had no role in data interpretation or in the preparation of this manuscript.

改良版把關係從「致謝」移到「利益揭露」的正確位置，並交代了該公司在資料詮釋上沒有角色。位置（放在哪個段落）和措辭一樣重要——倫理資訊不能藏在容易被略過的角落。

資料誠信：寫作時的每一個動詞，都在承諾一件事

資料誠信（data integrity）是三者中最容易「不小心」出問題的，因為它常常不是蓄意造假，而是寫作時的措辭，悄悄誇大或扭曲了實際做過的事。學術寫作的倫理紅線，往往就藏在那些看似無害的動詞與量詞裡。

幾種常見的「灰色地帶」迷思，先破除：

• 「修圖讓圖更清楚不算造假」——錯。對影像做局部增強、刪除不利的資料點、拼接電泳圖（gel splicing）而不標示，都屬於資料竄改（falsification）。對全圖做的調整必須在圖說中聲明。
• 「p 值差一點，四捨五入一下無妨」——錯。把 p = 0.058 寫成 "approached significance"（趨近顯著）已是邊緣操作；直接寫成 p < 0.05 則是明確造假。
• 「先看數據再決定假設，反正結果是真的」——這叫 HARKing（Hypothesizing After Results are Known，先看結果再編假設），會嚴重高估發現的可信度，是公認的可疑研究操作（QRPs, questionable research practices）。

來看資料描述的句子對照。

不佳（誇大、模糊責任）：

Our method dramatically outperforms all existing approaches and proves that the proposed model is superior.

問題重重：dramatically（戲劇性地）是主觀渲染；all existing approaches（所有現有方法）幾乎不可能驗證；proves（證明）在實證科學中是過強的字眼——你能提供的是證據（evidence），不是數學意義上的證明。

改良（精確、可被檢驗）：

On the three benchmark datasets tested, the proposed model achieved higher accuracy than the two baselines we re-implemented (mean improvement of 4.2 percentage points, 95% CI [2.1, 6.3]). These results suggest that the approach is competitive within this evaluation setting, though generalization to other domains remains to be verified.

改良版做對了四件事：限定範圍（the three benchmark datasets tested）、給出量化證據與信賴區間、用 suggest 而非 prove、並主動承認限制（remains to be verified）。誠實的限制陳述（limitation statement）不會削弱論文，反而展現研究者的成熟。

再看一組關於資料處理透明度的對照。

不佳（隱去了關鍵操作）：

Outliers were removed and the data were analyzed.

被刪掉了什麼？依什麼標準刪？刪了多少？讀者完全無從得知，這讓結果無法重現（reproducibility 受損）。

改良（透明可重現）：

Following our pre-registered protocol, we excluded 7 of 213 responses (3.3%) that fell beyond 3 standard deviations from the mean reaction time. All exclusion criteria were defined before data collection. Analyses including these outliers are reported in the Supplementary Material and did not change the direction of the main findings.

改良版交代了排除標準、比例、是否事先設定（pre-registered，預先註冊），並提供了「含離群值的分析」作為穩健性檢驗（robustness check）。這就是資料誠信在寫作層面的具體實踐——讓別人能跟著你的文字，走回你走過的每一步。

重點回顧

• 作者署名是責任宣告，不是人情排名：滿足 ICMJE 四項標準才該掛名，並用 CRediT 分類法具體寫出每人貢獻，杜絕掛名作者與幽靈作者。
• 利益揭露的目的是還權於讀者：有疑慮就揭露，並明確聲明「資助者未介入研究設計與發表決定」，把疑慮轉化為可信度。
• 資料誠信藏在動詞裡：用 suggest 取代 prove、限定結論範圍、給出量化證據與信賴區間，避免 dramatically、all、proves 這類無法驗證的渲染詞。
• 透明就是誠信：資料排除標準、修圖操作、分析流程都要寫清楚，讓研究可被重現。
• 誠實的限制陳述是加分項：主動承認研究邊界，展現的是研究者的成熟，而非弱點。

深入探討（研究所視角）

進入研究所階段，研究倫理的寫作不再只是「避免犯規」，而會升級為一套對知識生產社會契約（the social contract of knowledge production）的理解。以下三個延伸視角，值得深思。

第一，從「個人誠信」到「系統性誘因」的結構分析。 學界近年的「再現性危機」（replication crisis）讓研究者意識到，許多可疑研究操作（QRPs）並非源於個人道德缺陷，而是學術激勵結構的產物——「不發表即淘汰」（publish or perish）的壓力、期刊偏好新奇正向結果的發表偏誤（publication bias）、以及對顯著性（statistical significance）的過度崇拜，共同誘導研究者走向 p-hacking 與 HARKing。對應的制度性解方，正在改寫學術寫作的樣貌：預先註冊（preregistration） 把假設與分析計畫在收資料前公開鎖定；註冊報告（Registered Reports） 讓期刊在看到結果前就依研究設計決定是否接受；開放科學徽章（Open Science Badges） 則獎勵資料與程式碼的公開。學會在論文中嵌入這些機制的語言（如 "This study was preregistered at OSF; the analysis plan is available at..."），是新世代研究者的基本功。

第二，作者署名的哲學張力：貢獻 vs. 責任的不對稱。 CRediT 分類法解決了「誰做了什麼」的描述問題，卻沒解決一個更深的倫理難題：當一篇多作者論文出問題時，功勞可以細分，責任卻往往無法切割。一位只負責統計分析的作者，是否該為他人偽造的原始資料負責？這在大型跨國合作（如高能物理動輒上千作者的論文）中尤其尖銳。學界正在發展的「貢獻者角色問責制（contributorship accountability）」試圖讓署名從二元的「是/否作者」過渡到光譜式的責任分配，這也呼應了 Uedu 倡議的 Ethicomics 維度——把倫理規範、同意機制、責任歸屬本身當作可記錄、可分析的研究資料。

第三，跨領域連結：當 AI 進入寫作流程，作者性如何重新界定。 生成式 AI 的普及帶來全新的署名難題。多數主流期刊（含 Nature、Science 與 ICMJE）已明確規定：大型語言模型不能列為作者，因為它無法「為研究負責」——這恰恰印證了本文一再強調的「作者性的核心是 accountability（問責）而非 contribution（貢獻）」。但研究者必須揭露 AI 的使用方式，這把 AI 使用從「資料誠信」延伸到了「利益與工具揭露」的範疇。一段合格的 AI 使用聲明會這樣寫：

The authors used a large language model (GPT-4 class) to improve the grammar and readability of the manuscript. The authors reviewed and edited all AI-assisted text and take full responsibility for the content of this publication. No AI tool was used to generate, analyze, or interpret the research data.

請留意這段聲明如何把三條倫理線索編織在一起：它揭露了工具（disclosure）、限定了使用範圍（僅潤飾、不涉資料）、並重申了人類作者的最終問責。這正是研究倫理寫作的精髓——用精確的文字，誠實地交代研究是怎麼被做出來的，以及誰，為它的每一部分，負責到底。當你能把這件事寫清楚，你寫的就不只是一篇論文，而是一份對學術社群可信賴的承諾。