Selon une nouvelle étude de l’Université de St Andrews, les pratiques d’audit du secteur financier peuvent être adaptées pour identifier la fraude universitaire.
Dans un article publié dans la revue Intégrité de la recherche et examen par les pairsles auteurs montrent comment des outils statistiques efficaces peuvent être utilisés par ceux qui examinent des études scientifiques pour aider à détecter et à enquêter sur des données suspectes.
Lorsque les scientifiques publient leurs dernières découvertes dans des revues, il arrive que les articles soient retirés après avoir été publiés. Cela peut se produire parce que des corrections sont nécessaires, ou parce que l’on craint que la recherche impliquée n’ait pas été effectuée correctement, ou même que les données aient été manipulées ou fabriquées.
Les rétractions d’articles scientifiques ont approché les 5 000 dans le monde en 2022 selon Retraction Watch, soit près de 0,1 % des articles publiés. Bien que rares, les cas de fraude scientifique ont un impact disproportionné sur la confiance du public dans la science.
S’inspirant de pratiques d’audit financier bien établies, les chercheurs recommandent d’améliorer les contrôles de la fraude au sein des institutions scientifiques et des éditeurs afin d’éliminer plus efficacement les fraudeurs. L’article examine la loi de Benford comme un moyen d’examiner la distribution de fréquence relative pour les premiers chiffres des nombres dans les ensembles de données, qui est utilisée dans la pratique de l’audit professionnel.
Depuis le début de la science enregistrée, les récits historiques suggèrent que la fraude a existé. La question a été de plus en plus mise en avant au cours des dernières décennies : depuis l’étude publiée dans Le Lancet reliant le vaccin contre la rougeole, les oreillons et la rubéole à l’autisme, aux récentes accusations de tromperie scientifique portées contre le président de l’Université de Stanford, de plus en plus de cas de fraude potentielle très médiatisés semblent se produire.
Bien que les raisons de l’augmentation des cas de fraude potentielle ne soient pas entièrement claires, il est évident que les contrôles au sein des institutions scientifiques et des éditeurs pourraient être renforcés.
L’augmentation des rétractations d’articles survient à un moment où la confiance de la société dans la science a déjà été ébranlée par les suggestions de personnalités éminentes selon lesquelles les faits scientifiques sont de « fausses nouvelles ».
Gregory Eckhartt, l’auteur principal de l’article, a déclaré : « Il est temps de donner aux individus et aux institutions les moyens de séparer les faits scientifiques de la fiction. Avec des outils statistiques relativement simples, n’importe qui peut remettre en question la véracité de nombreux ensembles de données.
L’astuce derrière ces outils est qu’il est en réalité plus difficile que vous ne l’imaginez de fabriquer des nombres essentiellement aléatoires, comme le dernier chiffre des soldes bancaires de chacun. Les auditeurs financiers le savent depuis longtemps et disposent d’une variété d’outils pour examiner des listes de chiffres et mettre en évidence ceux qui semblent étranges (et donc nécessitant une enquête pour fraude).
Les auteurs espèrent que cet article servira d’introduction à ces outils pour quiconque souhaite contester l’intégrité d’un ensemble de données, non seulement dans les données financières, mais dans tout domaine qui génère beaucoup de données.
Graeme Ruxton, professeur à l’École de biologie de l’Université de St Andrews et co-auteur de l’article, a déclaré : « Cet examen approfondi nécessite nécessairement un accès ouvert aux données. Nous espérons que cela pourrait être le point de départ des discussions sur les réformes au niveau au niveau de l’institution dans la manière dont les données sont stockées et vérifiées. »
À l’avenir, nous verrons peut-être des contrôles plus stricts sur les données scientifiques, avec la possibilité que des logiciels de vérification des données utilisent de tels outils statistiques et algorithmes d’apprentissage automatique non loin derrière.
Cependant, Steven Shafer MD, professeur d’anesthésiologie, de médecine périopératoire et de médecine de la douleur à l’Université de Stanford, conseille la prudence dans la façon dont nous interprétons les sources de fraude : « Je pense que l’inconduite en série est une forme de maladie mentale. Pour ces personnes, la malhonnêteté est tout simplement l’évidence façon de réussir dans un système où le reste d’entre nous est imprudent de supposer que les gens se représentent honnêtement. »
Une partie du problème, dit-il, provient du biais de publication : « Il n’y a pratiquement aucune incitation à publier des articles qui confirment ou réfutent des études antérieures. »
Cet accent mis sur des résultats passionnants, qui affecte en fin de compte le succès de la carrière des scientifiques, peut être un facteur clé à prendre en compte dans les réformes futures.
En fin de compte, le maintien de la vérité dans la science profite à tous. Greg a déclaré: « Tout le monde dans le domaine scientifique doit être ouvert à l’exploitation de nouvelles approches pour rendre la science manifestement plus fiable. La science ne fonctionne tout simplement pas sans une confiance généralisée du public dans les scientifiques. »
Plus d’information:
Gregory M. Eckhartt et al, Enquêter et prévenir l’inconduite scientifique à l’aide de la loi de Benford, Intégrité de la recherche et examen par les pairs (2023). DOI : 10.1186/s41073-022-00126-w