开放科学与科研诚信
开放科学与科研诚信近二十年的关键变化，是把“研究者应诚实”改写成可公开、可复算、可追责的基础设施。第一幕从公共获取、数据计划、试验注册、可重复性项目、TOP指南、注册报告、数据引用和贡献角色开始；第二幕进入FAIR、开放徽章、Plan S、开放评审、可执行环境、论文工厂侦测、复制预测、香港原则、UNESCO开放科学、CARE数据治理、研究安全与生成式AI溯源。开放不再等同“放上网”，诚信也不再只等于抓作弊，而是设计奖励、版本、权限、共同体权利和纠错路径。
2006—2016年前后的共同动作，是让隐藏在发表背后的方案、数据、代码、失败和贡献进入公共账本。八条分别建立访问、管理、注册、复制、期刊政策、预审、引用与角色责任。
甲、公共获取政策：受资助论文必须回到公众Public Access Mandates for Funded Research
长期以来，制度把下列差异压成同一格：早期开放获取主要依赖作者自愿和期刊政策，受资助论文即使由纳税人支持，公众与小机构仍可能无法阅读。NIH把存档义务嵌入基金管理，若把早期样本重新分类，关键不是多收一列数据，而是承认“未正确关联基金、无DOI、作者离职及只公开不可重用扫描件的成果”也属于研究对象，否则所谓改进可能只是把困难移到账外。
与旧解释相比，这项转向把立场明确为本条声称，决定公共可及性的只有成果是否在规定时限进入可持续开放库，而不是期刊是否提供一页免费摘要。合规必须连接稿件、基金和存档，把解释责任压到可观测结果上，把分子、分母与阈值分别改变一次，只有方向对合理口径保持稳健，“决定公共可及性的只有按期进入开放库”才具有可迁移意义。
决定本条能否站住的，是原始材料中的读数而非口号：NIH 2008要求适用论文提交PubMed Central，并在正式发表后不迟于12个月公开。2024新政策进一步取消最长12个月禁运，计划自2025年起实现无禁运公共获取，从三笔材料的责任分工看，National Institutes of Health（2008）建立基线，Suber P（2012）暴露边界，National Institutes of Health（2024）补充新条件，三者共同指向“公共资助研究的同行评议成果不应长期锁在订阅墙后”而不是彼此替代。
研究共同体随后发现，方向会在以下条件下改变：作者版本、出版社版本和许可不同，合规检查可能遗漏；开放阅读也不等于可重用。期刊费用若转为高额APC，会把障碍从读者移给作者，把限制写进主结论后，必须把“当开放成本转为作者付费时，读者可及率越高，资源不足作者的发表机会反而可能下降”当作可检查的反例入口。NIH政策把存档与基金合规连接，承认市场本身不会自动开放；开放统计却常不核对版本与许可。
这项思想的价值还表现在它重写了资助者应自动关联基金、DOI、版本、许可和公开日期，向作者提示缺口；同时报告未存档原因和无APC路径，避免开放只服务资源充足机构，在审计或复盘中，需要记录谁生成按政策时限开放的适用论文数／全部适用受资助论文数、谁解释它、谁因该读数受益或受损，以及谁有权纠正错误，责任链不能停在技术部门。
这一比较给出清楚的分工判据：它与第197号“出版与阅读”第17条的开放获取对撞：出版研究关注商业与读者，本块关注资助合规与证据链；两边共同决定障碍是被消除还是转移，本条的外部边界可由另一套账本检验，若外部领域在相同对象上得到相反方向，就应寻找未记录的选择、反馈或制度成本，而不是把一方判为例外。
乙、数据共享政策：从“可索取”转向管理计划Data Sharing and Management Plans
在2011年的争论里，最先暴露的漏洞来自论文末尾“可向作者索取”把共享依赖于邮箱、人员和善意，数年后常失效。管理计划把数据生命周期移到研究设计与预算，在第一次统计之前，关键不是多收一列数据，而是承认“受控访问、无法去标识、未整理和研究人员离职后无人接管的数据”也属于研究对象，否则所谓改进可能只是把困难移到账外。
本条的锋利处在于拒绝平均分担责任：本条把决定性路径锁定为数据从采集、整理、去标识到存储和访问的预先计划，而不是发表后上传一个文件。计划必须对应真实对象，其排他性可以从一个替代口径开始检验，把分子、分母与阈值分别改变一次，只有方向对合理口径保持稳健，“决定共享质量的只有全生命周期管理路径”才具有可迁移意义。
本条的实证责任由以下观测承担：NSF自2011年要求两页数据管理计划；Piwowar与Vision分析约1万篇论文，开放数据研究获得更高引用的相关优势。NIH 2023政策要求适用研究提交并遵守DMS计划，证据链并非三次重复背书，National Science Foundation（2011）建立基线，Piwowar HA, Vision TJ（2013）暴露边界，National Institutes of Health（2023）补充新条件，三者共同指向“数据共享必须在研究开始前规划格式、元数据、权限、保存与责任”而不是彼此替代。
边界一旦触发，就不能继续用原名称汇总结果：计划可复制模板而与实际数据脱节；敏感数据、原住民数据和商业限制不能机械开放。共享优势也可能由研究质量和团队资源混杂，反向情形不是附录里的免责声明，必须把“当计划模板被考核时，文件完成率越高，研究结束后无人维护的数据集反而可能更多”当作可检查的反例入口。政策承认并非所有数据都能公开，要求“尽可能多、必要时限制”；仪表盘却常只数公开链接。
组织一旦采用本条，必须同时处理资助者应抽查计划与实际仓库、元数据、访问委员会和预算，区分公开、受控和不可共享。延期或限制需给出可审计理由，落实到组织程序，应固定对象定义、时间窗、排除理由和版本，同时为“受控访问、无法去标识、未整理和研究人员离职后无人接管的数据”设置可追踪状态，避免其在部门移交中消失。
本条不是孤立命题，它与下列已发布面板形成方向相反的对照：它与第194号“档案与数字保存”第8条的数据生命周期对撞：档案学保证长期保存，本块保证研究责任；若计划没有接入保存基础设施，合规文件不能防止消失，把双方读数放在同一时间窗内，若外部领域在相同对象上得到相反方向，就应寻找未记录的选择、反馈或制度成本，而不是把一方判为例外。
丙、临床试验注册与结果报告Trial Registration and Results Reporting
本条进入第一线，是因为旧账本无法同时容纳期刊文献只呈现发表成功者，阴性试验和原始终点可能消失。注册表将时间戳、干预、主要结局和完成状态置于公开账本，与其把差异归为偶然，关键不是多收一列数据，而是承认“被撤回、提前终止、适用性争议及注册后从未报告结果的试验”也属于研究对象，否则所谓改进可能只是把困难移到账外。
它给出的可反驳命题是：本条声称，决定临床证据完整性的只有试验从预注册到结果报告的制度条件，而不是发表论文数量。注册和报告必须连接同一标识，若要把它与一般倡议区分开，把分子、分母与阈值分别改变一次，只有方向对合理口径保持稳健，“决定完整性的只有注册—结果报告制度条件”才具有可迁移意义。
证据链中最有辨别力的并非显著性星号，而是FDAAA 2007扩大ClinicalTrials.gov登记与结果义务；Zarin等描述结果数据库。DeVito等追踪美国法定试验，发现到期后一年内合规报告比例远未达到100%，并识别大量逾期，若把提出、异议与更新分别阅读，Food and Drug Administration Amendments Act, Se…（2007）建立基线，Zarin DA, Tse T, Williams RJ, Carr S（2016）暴露边界，DeVito NJ, Bacon S, Goldacre B（2020）补充新条件，三者共同指向“试验在入组前登记方案并按时报告结果，才能看见未发表与结局切换”而不是彼此替代。
若删去失败样本，本条会显得比原证据稳定得多：注册条目也可含糊、事后修改或与论文不匹配；法律适用范围复杂。注册率提高而结果报告不增，会制造“可见但未完成”的新盲区，后续争论真正要求修改的是，必须把“当机构只考核注册率时，注册越普及，未完成结果报告的“半开放”试验反而可能累积”当作可检查的反例入口。注册制度公开承认发表文献存在选择性；许多综述仍只检索论文而不系统核对注册表。
应用层不应只复制结论，而应保留监管者应自动核对完成日期、法定截止、主要结局变更和论文链接，公开逾期机构与纠正。期刊应要求注册记录与稿件逐项对照，若将这项转向用于真实决策，应固定对象定义、时间窗、排除理由和版本，同时为“被撤回、提前终止、适用性争议及注册后从未报告结果的试验”设置可追踪状态，避免其在部门移交中消失。
把本条与已发布近邻并读，可以看到它与第306号“生物统计学”第13条Estimand框架对撞：注册固定问题，estimand固定目标量；若二者定义不同，形式注册仍无法保证回答原问题，把本条放到相邻领域中，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。若对象边界发生漂移，必须记录规则公布前后的行为断点，因为参与者会学习按法定期限完整报告结果的试验数／全部到期适用试验数的口径，读数可能逐步转成适配能力。
丁、可重复性项目：把复制率变成领域读数Large-scale Reproducibility Projects
此前的报告习惯让一个关键对象消失了：复制危机此前主要靠个案争论，失败可归因于方法差异。开放科学合作把100项研究置于共同框架，迫使领域面对总体，真正改变比较结果的起点是，关键不是多收一列数据，而是承认“因材料不可得、原作者无法联系或复制设计未完成而未进入分母的研究”也属于研究对象，否则所谓改进可能只是把困难移到账外。
只有把以下主张单独放上检验台，转向才有意义：本条把决定性结果锁定为复制研究在效应方向、显著性和大小上与原研究一致的比例，而不是个别著名失败。复制率成为领域级可讨论对象，真正的检验发生在保持对象不变时，把分子、分母与阈值分别改变一次，只有方向对合理口径保持稳健，“决定领域可信度的只有大规模复制结果分布”才具有可迁移意义。
这组结果之所以能改变领域，是因为2015 Science报告：原研究97%结果显著，复制研究约36%显著；复制效应平均约为原效应的一半。不同成功标准给出不同数字，原研究证据强度预测复制，这组来源最有价值的地方在于，Open Science Collaboration（2015）建立基线，Gilbert DT, King G, Pettigrew S, Wilson TD（2016）暴露边界，Nosek BA, Hardwicke TE, Moshontz H, et al（2022）补充新条件，三者共同指向“单篇成功复制不能代表领域，需用统一协议、大规模样本和多种成功标准估计分布”而不是彼此替代。
这一思想最需要防止的，是把范围收窄误写成普遍法则：批评者指出复制设计与原研究存在差异，低功效和样本异质会影响结果；项目团队回应需逐案审计。复制率不能简单等同“多少研究是假的”，在最不利条件下重读结果，必须把“当只用p<0.05判定时，样本量增大可让复制率上升，却不保证效应大小接近原研究”当作可检查的反例入口。项目同时报告显著性、方向和效应量，承认“复制”没有单一判据；公众叙述却常只保留36%。
制度层面的连带后果很具体：后续项目应预先定义成功标准、与原作者核对材料、公开数据代码，并将设计差异与统计不确定分开。领域需要重复测量而非一次清算，从表单、系统与责任人三个层面看，应固定对象定义、时间窗、排除理由和版本，同时为“因材料不可得、原作者无法联系或复制设计未完成而未进入分母的研究”设置可追踪状态，避免其在部门移交中消失。
真正有检验力的外部参照不是同义概念，而是它与第493号第19条的排名不确定性对撞：复制率和名次都依赖阈值与敏感性；单点比例若无区间，会把连续证据重新二元化，跨领域比较的关键不是术语相似，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。
戊、TOP指南：把透明规范分级写入期刊政策Transparency and Openness Promotion Guidelines
从发生史看，最要紧的改变是停止把下列现象视作例外：早期期刊政策零散，作者无法知道“鼓励”与“要求”的差异。TOP把8类标准和0—3级强度写成共同语言，从被忽略的边界回看，关键不是多收一列数据，而是承认“期刊批准的例外、编辑未检查及链接发表后失效的开放声明”也属于研究对象，否则所谓改进可能只是把困难移到账外。
若必须只保留一个决定量，本条选择本条声称，决定开放规范落实的只有政策要求嵌入投稿、审稿和出版路径，而不是指南是否被期刊网页引用。每一项需有执行证据，这项命题最需要承担的证伪风险是，把分子、分母与阈值分别改变一次，只有方向对合理口径保持稳健，“决定落实的只有政策进入投稿审稿路径”才具有可迁移意义。
该文献最值得保存的不是摘要结论，而是以下结构读数：2015 Science论文由多家机构和期刊参与，提出8项透明标准并分级。后续TOP Factor尝试评分期刊政策强度，推动从原则到可比较规则，原始材料给出了一条可追踪的修订轨迹，Nosek BA, Alter G, Banks GC, et al（2015）建立基线，Kidwell MC, Lazarević LB, Baranski E, et al（2016）暴露边界，Center for Open Science（2020）补充新条件，三者共同指向“期刊透明政策应覆盖引用、数据、代码、材料、设计、预注册与复制，并按强度分级”而不是彼此替代。
在制度化过程中，最容易被遗忘的是一项反向结果：政策文本可能与实际编辑操作脱节，学科和敏感数据需要例外；评分还会诱发期刊优化措辞。等级越高不必然表示执行质量越高，一旦把失败对象纳入，必须把“当TOP分数成为期刊声誉指标时，政策等级越高，措辞优化而非执行改进的比例反而可能上升”当作可检查的反例入口。TOP从“标准”发展到“因子”，自己制造了新的评价对象；这要求同样警惕被考核后的适配。
该转向对标准、指南与采购的影响是应抽查已发表论文的数据、代码、注册和例外理由，并比较政策前后。期刊需公布豁免率、链接失效率和编辑复核流程，实践端最先需要改变的不是宣传语，应固定对象定义、时间窗、排除理由和版本，同时为“期刊批准的例外、编辑未检查及链接发表后失效的开放声明”设置可追踪状态，避免其在部门移交中消失。
相邻领域使用不同词汇记录了同一个动作：它与第492号第18条的标准实施对撞：TOP提供分级标准，监管科学提醒合规需验证；若只读网页，最高等级也可能是纸面，沿着“审计称“控制测试”，出版治理称“期刊开放政策”；另见第492号第18条”这条外部线索，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。
己、注册报告：先审问题与方法，再看结果Registered Reports
本条的历史起点不是新名词，而是一次账本重写：传统审稿在结果已知后判断“重要性”，阳性、新奇结果更易发表，研究者也有动力调整分析。注册报告把关键评审移到结果之前，把这段发生史展开，若“阶段一被拒、获原则接收后未完成及偏离但未清楚标注的项目”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
可证伪性来自一个明确承诺：本条把决定性条件锁定为阶段一协议能否在数据前获得原则接收，并在阶段二按批准方案核对，而不是最终结果是否显著，把隐藏假设放到台面后，把分子、分母与阈值分别改变一次，只有方向对合理口径保持稳健，“决定抗偏差能力的只有数据前原则接收条件”才具有可迁移意义。
需要保存的关键事实是Chambers与Tzavella的综述在2022年统计约300种期刊已经提供注册报告，制度分为Stage 1方法审查与Stage 2结果核验两次决策；到2023年前后公开汇总已超过350种期刊。接收承诺与结果方向脱钩，是它区别于普通预注册的核心，从首篇工作到最近更新，Chambers CD（2013）建立基线，Chambers CD, Tzavella L（2022）暴露边界，Nature（2026）补充新条件，三者共同指向“在收集数据前评审问题、方法与分析，并给予原则接收，可削弱结果导向选择”而不是彼此替代。
反号条件使本条保留了真正的可证伪性：审稿时间提前，探索性研究和长期数据项目适配困难；阶段一也可能锁定不成熟方法。原则接收期刊的选择性与作者自选会影响比较，这条思想留下的自我约束表明，必须把“当期刊用注册报告数量考核时，形式预注册越多，未完成或机械低价值项目反而可能增加”当作可检查的反例入口。注册报告综述公开讨论未完成、偏离和学科边界；宣传常只说“消除发表偏差”。
实践端最先需要改写的不是口号，而是表单与责任链：期刊应公开阶段一拒稿、方案修订、偏离和阶段二未完成率，明确探索分析标签。注册报告不能把所有研究变成确认性，为了避免只记录账内成功，应固定对象定义、时间窗、排除理由和版本，同时为“阶段一被拒、获原则接收后未完成及偏离但未清楚标注的项目”设置可追踪状态，避免其在部门移交中消失。
它与邻近领域共享一条未说出的前提：它与第497号“同行评审与学术出版”第5条的发表偏差对撞：本块强调诚信设计，出版面板强调编辑激励；若期刊不承诺结果无关接收，预审无法改变选择，与邻近面板并读时，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。
庚、数据引用原则：数据集成为一等研究对象Data Citation Principles
这项思想首先击中的，是一条长期未被写进方法部分的旧默认：数据长期放在补充材料或私人硬盘，贡献者难获信用，读者也无法确认使用的是哪个版本。数据引用原则把数据移入正式引用链，沿着旧制度的入口追踪，若“动态版本、受控访问、撤回数据及标识可解析但文件缺失的数据集”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
它真正要求接受的不是态度，而是一个方向性判断：本条声称，决定数据可核对性的只有引用能否唯一定位版本并保持访问，而不是文章中出现“数据可得”。数据集获得一等对象地位，这一主张可以用一次直接反事实检验，改变被认为具有决定性的因素，若可解析到正确版本且文件可访问的数据引用数／全部数据引用数并不随之变化，“决定可核对性的只有引用唯一定位版本”便不能继续独占解释。
这里的硬证据来自样本、比例与时间窗的同时固定：2014联合宣言提出重要性、信用、证据、唯一识别、访问、持久性、版本与互操作8项原则。2018路线图进一步连接出版者、仓库和标识符，把摘要结论拆回来源，Data Citation Synthesis Group（2014）建立基线，Cousijn H, Kenall A, Ganley E, et al（2018）暴露边界，Make Data Count（2021）补充新条件，三者共同指向“数据应像论文一样有作者、持久标识、版本、访问条件与可验证引用”而不是彼此替代。
后续争论把决定性问题集中到DOI存在不等于文件完整或长期可用；动态数据集和受控数据难用单一版本表达。引用计数也可能再次把数据贡献压成数量竞争，从应用风险看，必须把“当数据引用被纳入绩效时，DOI数量越多，碎片化发布和自引数据集反而可能增加”当作可检查的反例入口。原则将访问与持久性分开，承认标识存在不等于内容可取；评价系统却常只抓DOI。
由此形成的制度问题是仓库应提供版本、校验、许可、访问日志与弃用关系；论文须在参考文献而非脚注中引用数据。评价应读实际重用与维护，把结论转成治理动作时，应固定对象定义、时间窗、排除理由和版本，同时为“动态版本、受控访问、撤回数据及标识可解析但文件缺失的数据集”设置可追踪状态，避免其在部门移交中消失。
本条与外部近邻的共同点不是主题，而是隐藏假设：它与第194号第10条的持久标识对撞：档案学保证标识持续，本块要求标识进入学术信用；只有两边对接，数据引用才不是死链接，同一动作换一套学科语言后，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。
辛、贡献角色：透明署名也是诚信基础设施Contributor Roles and Accountability
旧做法的困难集中在一个可复算的问题上：作者序位既分配信用又承担责任，但学科含义不同。代写者可能不署名，名誉作者可能不知数据。贡献角色使劳动和责任可追问，从对象如何被登记来看，若“未署名写作者、失败实验劳动、持续维护及角色争议未解决者”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
本条要求研究者先承认本条把决定性路径锁定为每个角色是否由贡献者确认并与材料对应，而不是作者名单是否符合人数规则。透明署名是可调查性条件，判断它是否站得住，不必依靠赞成态度，改变被认为具有决定性的因素，若由本人确认且有对应材料的角色数／全部申报角色数并不随之变化，“决定诚信可调查性的只有角色确认路径”便不能继续独占解释。
本条的测量骨架可从下列结果看清：CRediT从2015分类发展为NISO标准，覆盖概念、方法、数据、软件、验证、写作、监督等14种角色。期刊可将角色写入机器可读元数据，把文献按时间排开，Brand A, Allen L, Altman M, Hlava M, Scott J（2015）说明命题为何出现，Allen L, O’Connell A, Kiermer V（2019）迫使研究者改变比较方式，NISO（2022）则检验新安排是否真正进入制度。从长期效应而非宣布时点看，平均改善不能代替分布，尤其要报告“未署名写作者、失败实验劳动、持续维护及角色争议未解决者”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
反对意见真正击中的，是边界条件而不是主题本身：角色不表示贡献强度或责任范围，通讯作者可代填；强势成员仍可能占据多个角色。标准化标签不能替代团队内部确认，比效应大小更重要的是，必须把“当角色勾选成为出版要求时，字段越齐全，通讯作者代填与名誉角色反而可能更难被看见”当作可检查的反例入口。CRediT标准明确不定义贡献程度和作者资格；一些机构却把角色数直接折算绩效。
治理意义来自它迫使组织为下列对象单设字段：投稿系统应逐人确认、允许争议记录，并链接数据、代码和协议责任。调查不端时，角色可帮助确定谁有能力发现或纠正问题，机构真正需要新增的是，应固定对象定义、时间窗、排除理由和版本，同时为“未署名写作者、失败实验劳动、持续维护及角色争议未解决者”设置可追踪状态，避免其在部门移交中消失。
若两边都成立，就必须承认还有一个未入账的变量：它与第494号第8条的跨专业责任对撞：贡献与责任相关却不等同；参与分析者未必控制原始数据，监督者也不能仅靠头衔免责任，为了判断两边是否真在谈同一件事，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。
2016—2026年，开放科学从单项实践扩展为全球治理。FAIR和CARE处理技术与权利，Plan S和UNESCO处理市场与公共品，论文工厂、研究安全和AI溯源则说明开放必须与风险、程序和责任并行。
一、FAIR原则：可找到不等于开放FAIR Data Principles
早期讨论常把问题化约为一个易于汇总的表面读数：开放数据口号把“放到网上”当完成，机器和人却找不到、看不懂或无法组合。FAIR将元数据、协议、语义和许可写成四维，若把早期样本重新分类，若“受控但可FAIR、元数据丰富却无维护及本体无法表达的地方知识”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
在同一分母与时间窗内，本条坚持本条声称，决定数据再使用能力的只有四项原则在基础设施中同时成立，而不是文件可下载。受控敏感数据也可FAIR，把解释责任压到可观测结果上，改变被认为具有决定性的因素，若独立团队成功发现、访问并重用的数据集数／全部声称FAIR的数据集数并不随之变化，“决定再用能力的只有FAIR四维条件同时成立”便不能继续独占解释。
证据并没有消除争议，但它把争议压缩到可测范围：2016 Scientific Data论文提出15条具体原则，围绕F、A、I、R组织。FAIR强调持久标识、丰富元数据、标准协议、正式知识表示和清楚许可，从三笔材料的责任分工看，Wilkinson MD, Dumontier M, Aalbersberg IJ, et al（2016）说明命题为何出现，Mons B, Neylon C, Velterop J, et al（2017）迫使研究者改变比较方式，European Commission（2020）则检验新安排是否真正进入制度。为了识别规则适配，平均改善不能代替分布，尤其要报告“受控但可FAIR、元数据丰富却无维护及本体无法表达的地方知识”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
其不确定性来自分母、窗口与对象边界同时可能漂移：FAIR成熟度评分可能变成形式清单，领域语义难统一；高成本元数据会压迫小团队。可访问含认证授权，不应被误写为开放，把限制写进主结论后，若出现“当成熟度评分被考核时，元数据项越多，真实语义质量和维护能力反而可能下降”，原有解释即使仍有统计关联也不能照旧使用。FAIR作者反复说明FAIR不等于开放；政策传播仍常把两者并列成同义标签。
如果只把它写进宣言而不改流程，最先消失的仍会是仓库与项目应测试机器查找、权限获取、语义映射和独立重用，公布每维短板。敏感数据要记录访问条件与拒绝理由，在审计或复盘中，应固定对象定义、时间窗、排除理由和版本，同时为“受控但可FAIR、元数据丰富却无维护及本体无法表达的地方知识”设置可追踪状态，避免其在部门移交中消失。
同一个对象在另一块面板里被量成了不同的比率：它与第193号第18条的知识组织互操作对撞：FAIR要求机器语义，知识组织研究分类权力；若统一本体抹去地方概念，互操作会以意义损失换成功，本条的外部边界可由另一套账本检验，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。
二、开放徽章：低成本信号能否改变行为Open Practice Badges
这一转向把一项看似外围的条件拉回核心：强制政策执行成本高，作者也缺即时回报。徽章把开放实践变成读者可见信号，利用声誉激励，在第一次统计之前，若“开放但未申请徽章、申请失败及链接后续失效的论文”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
它不是一般倡议，而是一项排他的解释：本条声称，决定开放率的只有徽章将行为转化为即时可见奖励，而不是作者抽象赞同开放。信号必须基于可检查链接，其排他性可以从一个替代口径开始检验，改变被认为具有决定性的因素，若经抽样核验仍满足条件的徽章论文数／全部徽章论文数并不随之变化，“决定开放率的只有可见即时奖励”便不能继续独占解释。
主证据留下了可以重算的数字：Kidwell等比较5种期刊的2,478篇实证论文：开放数据报告率从引入前平均2.5%（1.5%—4.0%）升至22.8%（12.8%—39.4%），开放材料从12.7%升至30.3%；4种对照期刊的数据报告率反由3.3%降至2.1%。无徽章时期可用且完整的公共数据不足1%，证据链并非三次重复背书，Kidwell MC, Lazarević LB, Baranski E, et al（2016）说明命题为何出现，Rowhani-Farid A, Allen M, Barnett AG（2017）迫使研究者改变比较方式，Center for Open Science（2018）则检验新安排是否真正进入制度。
这项思想也留下了自己的反证入口：声明上升不等于数据可重用，作者自选期刊与时期趋势会混杂。若核验弱，徽章可奖励空仓库或不可读文件，反向情形不是附录里的免责声明，若出现“当徽章成为绩效时，申请率越高，形式链接与最低合规行为反而可能增加”，原有解释即使仍有统计关联也不能照旧使用。原研究主要测声明变化，并未证明所有数据可重用；二次宣传却常把徽章视为质量认证。
把它落实到程序，至少会出现三项变化：期刊应抽样下载和复用，公开撤回徽章规则；评价时分开“声明”“可访问”“可重用”。徽章最好是入口，不是最终质量分，落实到组织程序，不能只公布经抽样核验仍满足条件的徽章论文数／全部徽章论文数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
在跨领域比较中，最合适的对手是：它与第493号第17条的开放科学指标对撞：徽章是低成本信号，指标要求独立核验；二者若分离，开放率会高于真实重用率，把双方读数放在同一时间窗内，双方都可能正确，但分别适用于不同时间尺度与治理层级，因此接口应保留差异，不能强行合成单一总指标。对尾部群体单独复算时，平均改善不能代替分布，尤其要报告“开放但未申请徽章、申请失败及链接后续失效的论文”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
三、Plan S：从开放愿景到资助合同Plan S and Immediate Open Access
旧框架能够给出整齐结果，却没有回答开放获取增长缓慢，混合期刊可同时收订阅与APC。Plan S把立即开放、许可、仓库和出版费用透明写入资助条件，与其把差异归为偶然，若“无资助作者、非期刊成果、地方期刊和因费用退出的投稿”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
其可检验版本不是“值得关注”，而是本条把决定性路径锁定为资助合同与出版许可是否强制即时开放，而不是作者个人选择。权利保留策略改变谈判位置，若要把它与一般倡议区分开，改变被认为具有决定性的因素，若无需作者个人付费即可立即开放的论文数／全部计划适用论文数并不随之变化，“决定即时开放的只有合同与许可路径”便不能继续独占解释。
若把数字从文字中抽出，可以看到2018年计划由欧洲研究资助者发起，要求符合路径包括开放期刊、平台或合规仓库；后续设置期刊转换安排并讨论“负责任出版”新模式，若把提出、异议与更新分别阅读，cOAlition S（2018）说明命题为何出现，Else H（2018）迫使研究者改变比较方式，cOAlition S（2023）则检验新安排是否真正进入制度。从数据责任链追踪，平均改善不能代替分布，尤其要报告“无资助作者、非期刊成果、地方期刊和因费用退出的投稿”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
当评价者改变行为时，原先的方向未必保存：不同学科与地区期刊能力不一，高APC和资助覆盖会加剧不平等；限制期刊选择也引发学术自由争论。转换协议可能固化大出版商，后续争论真正要求修改的是，若出现“当即时开放主要依赖高APC时，开放比例越高，低资源机构参与反而可能下降”，原有解释即使仍有统计关联也不能照旧使用。Plan S后续转向负责任出版，说明单一合规路径不足；早期讨论却常把即时开放当全部问题。
这项转向还改变了培训与问责的边界：资助者应报告作者费用、无费路径、豁免、学科与地区差异，并跟踪出版市场集中度。立即开放不能以排除无资金作者为代价，若将这项转向用于真实决策，不能只公布无需作者个人付费即可立即开放的论文数／全部计划适用论文数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
与相邻面板的接口可以精确定位：它与第197号第17条的开放出版商业模式对撞：本块看资助义务，出版面板看市场结构；若费用集中上升，开放率并不等于公共性，把本条放到相邻领域中，最有辨别力的比较是看“决定即时开放的只有合同与许可路径”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
四、开放同行评审：让评语与版本成为证据Open Peer Review
问题并不是旧制度完全无效，而是它在以下情形中失去辨别力：传统封闭评审让外部无法看见评语质量与编辑决策，也使审稿劳动不可认领。开放评审提出身份公开、评语公开、开放参与等组合，真正改变比较结果的起点是，若“拒绝公开、匿名但高质量、被删除及编辑未回应的评语”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
这条路径的判决句是本条声称，决定评审可问责性的只有评语、身份与版本之间的可追踪结构，而不是“开放”标签。不同开放组件需分开评价，真正的检验发生在保持对象不变时，改变被认为具有决定性的因素，若包含可核对评语、编辑回应与版本变化的审稿链数／全部开放审稿链数并不随之变化，“决定可问责性的只有评语—身份—版本结构”便不能继续独占解释。
把结论拆回数据，最关键的一组量是：Ross-Hellauer分析122个定义，归纳7个开放评审特征。后续研究比较具名与匿名评语、作者体验和偏差；预印本平台也形成公开评论，这组来源最有价值的地方在于，Ross-Hellauer T（2017）说明命题为何出现，Wolfram D, Wang P, Hembree A, Park H（2020）迫使研究者改变比较方式，ASAPbio（2024）则检验新安排是否真正进入制度。
限制部分比结论部分更能说明它的责任边界：具名可能抑制早期职业者批评，公开评论易受声誉与骚扰；评语公开不必然高质量。学科文化差异明显，在最不利条件下重读结果，若出现“当具名公开成为硬要求时，透明度越高，弱势审稿者提出尖锐异议的比例反而可能下降”，原有解释即使仍有统计关联也不能照旧使用。开放评审综述明确有7种组件而非单一制度；平台营销却常用一个“open”标签。
真正昂贵的部分不是新增一个指标，而是期刊应允许可选择身份、公布评语与编辑回应、保护利益冲突者，并评价礼貌、具体性和错误发现。开放组件与结果要逐项记录，从表单、系统与责任人三个层面看，不能只公布包含可核对评语、编辑回应与版本变化的审稿链数／全部开放审稿链数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
两条命题看似相邻，实则把因果责任放在不同环节：它与第497号第10条的透明审稿对撞：本块从诚信看可审计性，第497号从出版制度看编辑与作者行为；两边需共享版本和同意，跨领域比较的关键不是术语相似，最有辨别力的比较是看“决定可问责性的只有评语—身份—版本结构”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
五、可执行计算环境：代码开放还不够Executable Computational Environments
这个领域原本把下列安排视为中性的技术细节：论文附代码后仍可能因软件版本、操作系统、随机种子和缺失数据失败。计算环境成为方法的一部分，从被忽略的边界回看，若“依赖停服、专有硬件、随机失败和只在作者机器上成功的环境”在不同年份被采用不同口径处理，时间趋势就混合了对象变化与真实变化，不能再按一条直线解释。
作者把判断压缩为本条把决定性结果锁定为独立者能否在封装环境中从输入生成主要输出，而不是仓库是否公开。容器、工作流与持续集成提供路径，这项命题最需要承担的证伪风险是，改变被认为具有决定性的因素，若独立冷启动成功重现主要结果的工作流数／全部声称可重现的工作流数并不随之变化，“决定计算可重复性的只有独立执行成功”便不能继续独占解释。
研究者没有只报告中心趋势，而是同时给出Grüning等把可执行计算环境拆为代码、依赖、数据、工作流和训练5个层面；国家科学院2019又把reproducibility与replicability区分为2个对象。生命科学工作流案例反复显示，仅上传脚本而不固定软件版本、随机种子和容器，第三方仍不能重跑，原始材料给出了一条可追踪的修订轨迹，Stodden V, McNutt M, Bailey DH, et al（2016）说明命题为何出现，Grüning B, Chilton J, Köster J, et al（2018）迫使研究者改变比较方式，National Academies（2019）则检验新安排是否真正进入制度。
争议文献要求把下列失败形态与成功形态并列：容器也会腐化、依赖外部服务和专有硬件；一次成功运行不证明代码正确。长期保存镜像成本高，安全漏洞需更新，一旦把失败对象纳入，若出现“当只追求一次容器运行成功时，封装越完整，隐藏的错误算法反而越可能获得可信外观”，原有解释即使仍有统计关联也不能照旧使用。可重复性指南区分能运行与能验证；许多徽章只检查文件存在。
从治理视角看，真正的新对象是项目应记录环境清单、种子、工作流和测试，定期冷启动重跑；重要结果需第二实现或单元测试，区分“能跑”与“算对”，实践端最先需要改变的不是宣传语，不能只公布独立冷启动成功重现主要结果的工作流数／全部声称可重现的工作流数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
把它与站内近邻放在同一时间窗，冲突才真正显出来：它与第351号“分布式科学计算”第14条的工作流可移植性对撞：计算面板关注性能与调度，本块关注证据复现；优化运行不能破坏可追踪版本，沿着“软件工程称“可复现构建”，数值科学称“计算实验封装”；另见第351号第14条”这条外部线索，最有辨别力的比较是看“决定计算可重复性的只有独立执行成功”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
六、论文工厂与图像操纵：从个案查重到网络侦测Paper Mills and Image Manipulation
在该概念被明确提出之前，常见处理是传统不端调查从被举报论文出发，论文工厂却跨期刊复用模板、图像与作者位置。生成工具进一步提高变体数量，把这段发生史展开，“被拒但未记录、跨期刊迁移、未发表与调查后未公开纠正的稿件”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
本条拒绝把解释退回“多因素并列”，而把预测责任集中在一句话上：本条把决定性路径锁定为出版者和机构能否跨稿件连接异常网络，而不是单篇相似度。图像、短语、邮箱、审稿人和时间需联合，把隐藏假设放到台面后，改变被认为具有决定性的因素，若经原始材料和人工确认的异常稿件数／全部自动高风险稿件数并不随之变化，“决定识别的只有跨稿件异常网络路径”便不能继续独占解释。
2016年的研究把争论落到具体分母上：Bik等检查2万余篇生物医学论文并报告约3.8%存在不当图像重复迹象；Byrne与Christopher总结论文工厂信号。STM Integrity Hub构建跨出版者工具，从首篇工作到最近更新，Bik EM, Casadevall A, Fang FC（2016）说明命题为何出现，Byrne JA, Christopher J（2020）迫使研究者改变比较方式，STM Integrity Hub（2024）则检验新安排是否真正进入制度。从失败案例倒推，平均改善不能代替分布，尤其要报告“被拒但未记录、跨期刊迁移、未发表与调查后未公开纠正的稿件”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
可检查的失效句应写成自动检测会误报常用实验图形与合法模板，跨机构共享又涉及隐私与正当程序。公开指控前需人工与原始数据核验，这条思想留下的自我约束表明，若出现“当模型命中率被考核时，筛查越强，误报和作者程序性伤害反而可能增加”，原有解释即使仍有统计关联也不能照旧使用。图像研究明确称发现是“迹象”而非定罪；舆论传播却常把自动标记当作已证不端。
从组织设计看，本条把一项隐性成本显性化：出版者应保存投稿网络、原图和编辑决定，跨刊共享最小必要信号；机构调查需给作者回应机会并公布纠正。绩效应看确认案件而非模型命中，为了避免只记录账内成功，不能只公布经原始材料和人工确认的异常稿件数／全部自动高风险稿件数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
两边真正分歧在于它与第497号第17条的论文工厂防御对撞：出版面板关注编辑流程，本块关注诚信证据；若期刊拒稿但不共享信号，工厂只会迁移，与邻近面板并读时，最有辨别力的比较是看“决定识别的只有跨稿件异常网络路径”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
七、复制预测市场：共同体能否预见失败Forecasting Replication Outcomes
若只读当年的排行榜、守则或治理报告，很容易误以为复制资源有限，若共同体能识别高风险研究，可优先分配。预测市场与调查把主观概率汇总，沿着旧制度的入口追踪，“无人预测、低流动、因内幕不参与及从未实施复制的研究”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
它与旧说法的分界可以用一句否定式命题写出：本条声称，决定预测辨别力的只有独立判断被激励并正确聚合的条件，而不是专家头衔。市场价格被解释为复制成功概率，这一主张可以用一次直接反事实检验，先否定“预测记录存在即可证明共同体判断可核对”并重算实际复制结果对应的预测校准得分／预设基准校准得分，只有结果仍能由同一机制解释，原命题才没有借用未说明的前提。
可通约读数在原文中表现为Dreber等在心理学复制项目中发现市场预测与结果相关；Camerer等复制顶刊实验并同时收集预测。2021大规模研究比较调查、市场与机器模型，把摘要结论拆回来源，Dreber A, Pfeiffer T, Almenberg J, et al（2015）说明命题为何出现，Camerer CF, Dreber A, Holzmeister F, et al（2018）迫使研究者改变比较方式，Gordon M, Viganola D, Bishop M, et al（2021）则检验新安排是否真正进入制度。把本条写入标准或指南时，平均改善不能代替分布，尤其要报告“无人预测、低流动、因内幕不参与及从未实施复制的研究”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
公开争论仍未收敛，因为参与者可能共享同一偏见、掌握不对称内幕或受可读性影响；预测成功也不能替代实际复制。市场样本常来自活跃方法学群体，从应用风险看，若出现“当预测结果公开并影响声誉时，市场参与越多，追随共识的羊群效应反而可能增强”，原有解释即使仍有统计关联也不能照旧使用。研究者把预测市场定位为资源分配工具，不是复制替代物；二次使用却可能把低概率研究污名化。
另一处常被略过的是预测应预注册、匿名化利益关系并在结果后校准，公开Brier分数与过度自信。它适合选题，不可用于直接否定论文，把结论转成治理动作时，不能只公布实际复制结果对应的预测校准得分／预设基准校准得分的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
跨领域比较应先固定对象与边界，再观察两边把决定性放在哪里：它与第353号“排序偏差”第8条的集体预测对撞：两边都聚合判断，但本条有可验证终点；没有后续复制，市场价格只是声誉信号，同一动作换一套学科语言后，最有辨别力的比较是看“决定辨别力的只有独立判断聚合条件”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
八、香港原则：把诚信行为纳入机构评价Hong Kong Principles in Research Assessment
在这一转向出现以前，领域里的惯例是组织一边培训开放、完整报告和复现，一边按论文数、顶刊和基金额奖励。激励冲突使良好实践成为个人额外劳动，从对象如何被登记来看，“失败复制、负面结果、数据维护与长期辅导等未计价劳动”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
这项主张把决定性判断写成：本条把决定性结果锁定为五项诚信行为是否改变真实评价结论，而不是原则是否写入政策。奖励是诚信条件，判断它是否站得住，不必依靠赞成态度，先否定“未被旧绩效计价的诚信劳动不影响评价结算”并重算因诚信贡献实际提高评价的案件数／全部声明采用原则的案件数，只有结果仍能由同一机制解释，原命题才没有借用未说明的前提。
从结果表倒读，本条至少交出了三类可核对信息：2020论文提出5项原则：负责方法、完整报告、开放科学、广泛贡献、诚信与辅导。原则引用多国机构案例，推动从惩罚不端转向奖励好实践，把文献按时间排开，首篇材料由Moher D, Bouter L, Kleinert S, et al（2020）承担，反方向证据来自Aubert Bonn N, Pinxten W（2021），而World Conferences on Research Integrity Foundat…（2023）提供较新的对象或规则，因而不能只引用其中最有利的一笔。
这一命题不是无条件真理；它在下列情形中让位：原则可能叠加材料负担、被旧指标重新解释；敏感数据与合作贡献需情境化。没有删除旧奖励，新增原则会形成双重劳动，比效应大小更重要的是，若出现“当五项原则只增加而旧指标不减时，诚信材料越多，研究者时间压力反而越大”，原有解释即使仍有统计关联也不能照旧使用。原则文本要求重写奖励，说明个人自律不足；机构最常见动作却是加培训和表格。
它在实践中留下了一条不能省略的记录规则：机构应记录哪些案件因数据、复现、负面结果或辅导获得不同判断，审计群体与学科差异。原则必须配资源和减负，机构真正需要新增的是，不能只公布因诚信贡献实际提高评价的案件数／全部声明采用原则的案件数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
若只在本学科内部比较，最关键的分母变化会被共同术语遮住：它与第493号第13条CoARA和第494号第20条对撞：本块关注开放诚信，两个邻块分别关注评价改革与职业奖励；三者需同一决策数据验证，为了判断两边是否真在谈同一件事，最有辨别力的比较是看“决定诚信的只有奖励是否改变真实结论”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
九、UNESCO开放科学：把知识、基础设施与社会参与连成公共品UNESCO Recommendation on Open Science
在主证据发表前，同行通常默认政策常把开放科学缩成开放获取，忽略基础设施所有权、语言与全球不平等。UNESCO在193个会员国框架中扩展对象，若把早期样本重新分类，“地方语种、口述知识、社区基础设施和非商业维护成本”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
这项思想把其他解释暂时固定，只问本条把决定性路径锁定为开放知识、基础设施、参与者和对话四类要素是否共同进入国家行动，而不是开放论文比例，把解释责任压到可观测结果上，先否定“未被计价的语言、社区和基础设施所有权不影响开放结算”并重算同时覆盖知识、基础设施、参与和知识对话的行动数／全部国家开放行动数，只有结果仍能由同一机制解释，原命题才没有借用未说明的前提。
证据的力度来自比较组和分母被同时写明：2021建议定义开放科学知识、基础设施、社会参与和与其他知识体系的开放对话，并提出价值、原则和行动领域。2023展望开始比较全球实施，从三笔材料的责任分工看，首篇材料由UNESCO（2021）承担，反方向证据来自International Science Council（2022），而UNESCO（2023）提供较新的对象或规则，因而不能只引用其中最有利的一笔。
争议没有被更多案例自动消除：全球原则在资源、法律和知识主权上差异巨大；开放可能被大型平台攫取。监测若只用易量数据，会再次偏向富裕国家，把限制写进主结论后，“当监测只抓论文开放率时，排名越高，公共基础设施与地方知识被忽略的程度反而可能更大”会把表面改进翻转为制度性损失，因而失效条件应进入摘要和决策表。建议明确把公平与知识多样性列为价值；国际比较却最容易退回可计量的论文比例。
这一转向进入机构之后，改变了国家计划应公布公共基础设施投入、语言覆盖、社区参与、费用与数据主权，区分开放公共品和商业可访问，在审计或复盘中，不能只公布同时覆盖知识、基础设施、参与和知识对话的行动数／全部国家开放行动数的中心值，还要给出退出、申诉、失败与尾部群体的分布，因为平均进步可能伴随最坏结果恶化。
本条最有价值的外部反例来自它与第300号第18条的知识公益基础设施对撞：开放科学提供全球规范，公益管理检验治理与持续融资；没有公共所有权，开放可能依赖私有平台，本条的外部边界可由另一套账本检验，最有辨别力的比较是看“决定公共性的只有四类要素共同进入实施路径”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
十、CARE原则：原住民数据治理补足FAIRCARE Principles for Indigenous Data Governance
当时真正卡住研究的并非材料不足，而是FAIR优化数据流通，却不回答谁有权决定用途、谁受益、谁承担伤害。原住民数据主权把集体权利和历史提取置于核心，在第一次统计之前，“社区内部异议、未来用途变化、未数字化知识和无正式代表者的数据”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
把修辞删掉后，核心命题只剩本条声称，决定负责任再用的只有集体利益、控制权、责任和伦理四项条件，而不是技术互操作。CARE与FAIR应并行，其排他性可以从一个替代口径开始检验，先否定“未被技术指标计价的集体权利不影响数据结算”并重算经有权社区治理机构批准的再用项目数／全部涉及社区数据的再用项目数，只有结果仍能由同一机制解释，原命题才没有借用未说明的前提。
原研究允许复算的地方在于2020论文提出Collective Benefit、Authority to Control、Responsibility、Ethics四原则，强调数据对人民与目的的关系。多个资助者和仓库开始引入社区协议，证据链并非三次重复背书，首篇材料由Carroll SR, Garba I, Figueroa-Rodríguez OL, et …（2020）承担，反方向证据来自Global Indigenous Data Alliance（2019），而UNESCO and national research bodies（2021）提供较新的对象或规则，因而不能只引用其中最有利的一笔。在一次独立复评中，平均改善不能代替分布，尤其要报告“社区内部异议、未来用途变化、未数字化知识和无正式代表者的数据”对应的退出、申诉与最坏结果，防止少数高表现遮住系统代价。
真正的反例不是“效果较小”，而是社区并非单一主体，代表权和内部差异需处理；过度封闭也可能限制有益研究。标准平台难表达动态同意和集体权利，反向情形不是附录里的免责声明，“当机构只增加CARE标签而不转移控制权时，元数据越完整，数据提取的合法化反而越强”会把表面改进翻转为制度性损失，因而失效条件应进入摘要和决策表。CARE明确是“以人为本”的补充而非FAIR子项；技术实施却容易把它缩成元数据字段。
本条把“谁来承担失败”从伦理问题变成了数据字段：项目应在采集前共同定义用途、访问、收益和退出，使用传统知识标签与社区治理。数据管理计划要记录谁可改变条件，落实到组织程序，应在规则公布前、实施初期和参与者完成适配后分别重算经有权社区治理机构批准的再用项目数／全部涉及社区数据的再用项目数，用时间断点区分真实改变与策略回应。
跨组引用在这里承担检验功能：它与第193号第18条和第300号第7条对撞：知识组织提供元数据，公益参与提供权力；只有两者结合，CARE才不会变成额外标签，把双方读数放在同一时间窗内，最有辨别力的比较是看“决定负责任再用的只有集体治理条件”在另一领域是否仍成立，若决定因素换位，本条的适用边界便被精确划出。
十一、研究安全与开放：合作风险不能靠国籍代理Research Security without Closing Science
早先的评价链把“有记录”当作“已解释”，于是地缘竞争使资助披露和技术安全受重视，早期执法又出现按国籍与族裔怀疑、寒蝉效应。安全与开放被错误写成二选一，与其把差异归为偶然，“因担忧审查退出合作、被错误标记及限制后无法申诉的研究者与项目”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
在相同对象、同一窗口和相同边界下，它声称本条声称，决定安全治理正当性的只有基于活动、访问和未披露承诺的具体风险，而不是研究者身份。边界需可解释、可申诉，若要把它与一般倡议区分开，先否定“安全边界一次划定后会在技术和地缘变化中保持稳定”并重算经复核有具体风险证据的限制决定数／全部研究限制决定数，只有结果仍能由同一机制解释，原命题才没有借用未说明的前提。
将材料放回发表年份，最稳妥的读法是NSPM-33推动披露和标准化；OECD 2022强调国家、机构与研究者多层责任；G7提出既安全又开放的研究实践。政策对象包括利益冲突、网络和敏感合作，若把提出、异议与更新分别阅读，首篇材料由The White House（2021）承担，反方向证据来自OECD（2022），而G7（2023）提供较新的对象或规则，因而不能只引用其中最有利的一笔。
本条最危险的误用发生在风险分类会快速扩大，机构可能过度合规、停止正常合作；披露负担对国际研究者更高。安全信息又难完全公开，外部审计受限，后续争论真正要求修改的是，“当机构以国籍代理风险时，审查数量越多，真正高风险活动反而可能被身份噪声淹没”会把表面改进翻转为制度性损失，因而失效条件应进入摘要和决策表。开放安全政策同时警告歧视与寒蝉效应；执行指标却常只统计披露和审查件数。
在教学、评审或公共服务现场，本条要求机构应使用项目风险矩阵、最小权限、利益披露和透明申诉，审计不同国籍群体的调查与纠正结果。不得用国家或姓名作为唯一触发，若将这项转向用于真实决策，应在规则公布前、实施初期和参与者完成适配后分别重算经复核有具体风险证据的限制决定数／全部研究限制决定数，用时间断点区分真实改变与策略回应。
接口判断不靠“都很重要”，而靠两个量纲是否能够互换：它与第171号第20条的风险监管对撞：监管强调比例与证据，本块面对安全保密；若理由完全不可见，比例原则无法被检验，把本条放到相邻领域中，应保留各自的分子、分母与对象边界，再判断经复核有具体风险证据的限制决定数／全部研究限制决定数能否换算，名称接近本身不构成证据。
十二、生成式AI溯源：披露工具还要保存证据链Generative AI Provenance in Research
这条线索之所以在2023年前后立住，是因为它揭开了一个被当作背景的选择：生成工具进入研究后，传统抄袭检测无法识别新生成文本；模型也可能泄露保密稿件、编造引用或改变图像。简单“使用了AI”声明信息不足，真正改变比较结果的起点是，“未保存提示、供应商不可见日志、人工重写范围和凭证被移除的内容”是否有机会成为正式对象，若它们在入表前即被排除，后续平均与排名便无法说明整体。
这条理论把解释义务交给本条把决定性路径锁定为从输入来源、模型版本、生成输出到人工修改的溯源记录，而不是最终文本是否看起来正常。责任仍由人承担，真正的检验发生在保持对象不变时，先否定“留下AI使用记录即可核对科学内容”并重算具有模型、用途、来源与人工核验记录的AI辅助对象数／全部AI辅助对象数，只有结果仍能由同一机制解释，原命题才没有借用未说明的前提。
主研究的贡献首先是一张可审计的账：COPE 2023明确AI不能成为作者；ICMJE更新要求披露使用并警告审稿保密。C2PA发展内容凭证，可记录数字内容来源与编辑历史，但不判断科学真实性，这组来源最有价值的地方在于，首篇材料由Committee on Publication Ethics（2023）承担，反方向证据来自International Committee of Medical Journal Edit…（2025），而C2PA（2024）提供较新的对象或规则，因而不能只引用其中最有利的一笔。
本条自己承认的弱点说明完整提示可能含敏感数据，模型供应商日志不可得；凭证可被移除且有来源不等于内容正确。过度记录也会增加合规负担，在最不利条件下重读结果，“当披露成为单一复选框时，合规率越高，真实生成范围和核验差异反而越难区分”会把表面改进翻转为制度性损失，因而失效条件应进入摘要和决策表。COPE与ICMJE明确说AI不能承担作者责任，说明披露不是责任转移；应用常把“AI辅助”作为免责说明。
截至2026年，最值得检查的落地读数是研究与出版应按风险分层保存模型、版本、用途、来源和核验，禁止把保密稿件上传未经批准服务。数据、代码和图像需更细粒度记录，从表单、系统与责任人三个层面看，应在规则公布前、实施初期和参与者完成适配后分别重算具有模型、用途、来源与人工核验记录的AI辅助对象数／全部AI辅助对象数，用时间断点区分真实改变与策略回应。
因此，本条的边界可借下列外部读数再次检验：它与第478号第17条的内容凭证和第497号第18条的AI审稿对撞：一个证明来源，一个约束出版使用；三者都不能把人类责任交给技术标签，跨领域比较的关键不是术语相似，应保留各自的分子、分母与对象边界，再判断具有模型、用途、来源与人工核验记录的AI辅助对象数／全部AI辅助对象数能否换算，名称接近本身不构成证据。
◎ 二十年连起来看
二十年连起来看，开放的最小单位从“论文可读”扩展到“研究过程可追”。 数据计划、试验注册、注册报告、计算环境和AI溯源要求保存时间戳、版本、权限与偏离，使结论能够被重算和纠正。
第二条线是开放从个人美德变成制度条件。 NIH、TOP、Plan S、期刊开放评审和UNESCO建议都把责任分配给资助者、机构、出版者和基础设施；仅要求作者自愿上传无法形成稳定公共品。
第三条线是开放与公平、主权和安全同时出现。 FAIR不等于开放，CARE补入集体控制，研究安全要求具体风险而非身份代理；真正的开放科学不是最大化流通，而是让合法使用、受益与责任可被共同治理。
◎ 三个常见误解
误解一是“有链接就是开放”。链接可能失效、无许可、无元数据或无法运行。正确表述是从声明开放到可访问、可理解、可重用和可核验分层。
误解二是“可重复就是可信”。代码能跑只证明过程可再现，不证明数据、模型或因果正确。可信还需独立验证、复制与边界审查。
误解三是“开放越多越好”。敏感数据、原住民知识与安全研究需要受控访问和集体权利。开放目标应是负责任可用，而非无条件公开。
◎ 与相邻领域的接口
与第497号“同行评审与学术出版”的分工是：本块设计开放与诚信控制，第497号检验编辑、审稿和出版市场怎样执行或绕过这些控制。
与第194号“档案与数字保存”的接口是长期性。开放科学产生版本、代码和数据，档案治理保证标识、格式和证据链在多年后仍可复算。
与第493号“度量、指标与排名”的接口是开放实践一旦被考核就会被优化。徽章、TOP因子和开放率必须接受同样的反身性审计。
◎ 争议现场
第一场争论是注册报告能否广泛适用。收敛需要按学科比较阶段一拒稿、完成、偏离、发表和发现价值，区分确认性、描述性与探索性研究。
第二场争论是开放获取是否加剧作者付费不平等。需公开作者费用、减免、无费路径和机构地区分布，并比较开放前后的市场集中度。
第三场争论是研究安全会不会损害国际合作。应按具体风险与身份分别建模，观察限制、申诉、纠正与合作退出；若国籍仍独立预测限制，制度存在代理偏差。
◎ 往下五年看什么
看注册报告扩展是否真正降低结果选择：读数是阶段二按批准方案完成且偏离公开的比例、阴性结果发表率和未完成率。
看开放数据是否从链接转向独立重用：读数是第三方成功找到、访问、运行或分析的数据代码包数／全部声称开放包数。
看AI研究使用是否形成溯源标准：读数是具有模型、版本、用途、来源和人工核验记录的AI辅助对象比例，以及错误纠正时能否定位生成节点。
◎ 可与哪些领域对撞
第6条“注册报告”可与第497号第5条“发表偏差”对撞。共享前提是可复现等于可重做；本条提前审方法，出版面板改变编辑激励。若阶段一原则接收仍可因结果撤回，前置评审只是形式。
第10条“开放徽章”可与第493号第17条“开放科学指标”对撞。共享前提是失败样本不含信息；徽章奖励可见成功，指标审计追踪不可重用。若未申请和失效链接不进分母，开放率会虚高。
第18条“CARE原则”可与第300号第7条“有意义参与”对撞。共享前提是未计价权利不影响结算；一个处理数据控制，一个处理公益治理。若社区只能被咨询而无否决权，CARE会变成标签。
◎ 十条可做的研究命题
1. 命题：取消禁运提高阅读可及但若无无费路径会降低低资源作者发表。做法：追踪读者与作者双侧；若作者差距不增，则证伪。
2. 命题：数据管理计划只有接受事后仓库核验才提高可重用性。做法：随机抽查与仅文审比较；若无差，则证伪。
3. 命题：注册率提高而结果报告率不升会扩大“半开放”试验。做法：队列追踪；若两率同步，则证伪。
4. 命题：TOP网页评分高不等于已发表论文实际开放。做法：抽样复核；若高度一致，则证伪。
5. 命题：注册报告降低显著结果比例但提高设计质量。做法：匹配传统论文比较；若设计不改善，则证伪。
6. 命题：徽章增加声明快于增加独立重用成功。做法：下载运行；若两者等幅，则证伪。
7. 命题：容器成功运行不能预测独立分析正确。做法：双重实现；若高度预测，则证伪。
8. 命题：论文工厂检测必须跨期刊共享信号才显著提高确认率。做法：分阶段接入Integrity Hub；若无增益，则证伪。
9. 命题：CARE实施只有转移控制权才提高社区信任。做法：标签型与治理型比较；若无差，则证伪。
10. 命题：AI披露复选框不能预测真实使用范围。做法：访谈、日志与声明比对；若高度一致，则证伪。
◎ 资料核验
- NIH. Public Access Policy, 2008; revised policy 2024/2025.
- Piwowar HA, Vision TJ. Data reuse. PeerJ, 2013, 1:e175.
- FDA Amendments Act, Section 801, 2007.
- Open Science Collaboration. Reproducibility of psychological science. Science, 2015, 349:aac4716.
- Nosek BA, et al. TOP Guidelines. Science, 2015, 348:1422–1425.
- Chambers CD. Registered Reports. Cortex, 2013, 49:609–610.
- FORCE11. Joint Declaration of Data Citation Principles. 2014.
- Brand A, et al. Beyond authorship. Learned Publishing, 2015, 28:151–155.
- Wilkinson MD, et al. FAIR Principles. Scientific Data, 2016, 3:160018.
- Kidwell MC, et al. Open badges. PLOS Biology, 2016, 14:e1002456.
- cOAlition S. Plan S, 2018–2025.
- Ross-Hellauer T. Open peer review. F1000Research, 2017, 6:588.
- Stodden V, et al. Computational reproducibility. Science, 2016, 354:1240–1241.
- Bik EM, et al. Image duplication. mBio, 2016, 7:e00809-16.
- Dreber A, et al. Prediction markets and reproducibility. PNAS, 2015, 112:15343–15347.
- Moher D, et al. Hong Kong Principles. PLOS Biology, 2020, 18:e3000737.
- UNESCO. Recommendation on Open Science. 2021.
- Carroll SR, et al. CARE Principles. Data Science Journal, 2020, 19:43.
- OECD. Integrity and Security in the Global Research Ecosystem. 2022.
- COPE. Authorship and AI tools position statement. 2023.
- ICMJE. Recommendations on AI-assisted technologies, 2025.
- Nature. Registered Reports expanded to all fields. 2026.
- National Academies. Reproducibility and Replicability in Science. 2019.
- NISO. CRediT standard Z39.104-2022.
- Chambers CD, Tzavella L. The past, present and future of Registered Reports. Nature Human Behaviour, 2022, 6:29–42.
- Grüning B, Chilton J, Köster J, et al. Practical computational reproducibility in the life sciences. Cell Systems, 2018, 6:631–635.