問(wèn)：論文數(shù)據(jù)造假會(huì)有什么后果

1. 答：后果如下：
   一、學(xué)術(shù)數(shù)據(jù)偽造：
   1、在造假的基礎(chǔ)上得出的研究數(shù)據(jù)，無(wú)論有多合理多縝密，都信激免不了被發(fā)現(xiàn)的命運(yùn)。幾率多大，看運(yùn)氣了。
   2、這種級(jí)別的學(xué)術(shù)不端是非常難以察覺(jué)的，就算被發(fā)現(xiàn)后舍恩聲稱(chēng)自己計(jì)算失誤也可以蒙混過(guò)關(guān)，外界很難認(rèn)定他有嚴(yán)重的主觀捏造行為。但從這時(shí)開(kāi)始，這些不好的數(shù)據(jù)處理習(xí)慣就已經(jīng)為以后更嚴(yán)重的學(xué)術(shù)欺詐行為埋下了禍端。
   3、學(xué)術(shù)造假非常容易被發(fā)現(xiàn)，因?yàn)楝F(xiàn)在的查重軟件是非常多的，很容易就可以收集到重復(fù)的信息，像學(xué)術(shù)方面的論文只要重復(fù)率超過(guò)一定比例，就可以認(rèn)定為學(xué)術(shù)造假，所以大家千萬(wàn)不要干這種事情，否則就是身敗名裂。
   二、畢業(yè)論文的基本教學(xué)要求：
   1、培養(yǎng)學(xué)生綜合運(yùn)用、鞏固與擴(kuò)展所學(xué)的基礎(chǔ)理論和專(zhuān)業(yè)知識(shí)，培養(yǎng)學(xué)生獨(dú)立分析、解決實(shí)宴洞際問(wèn)題能力、培養(yǎng)學(xué)生處理數(shù)據(jù)和信息的能力。
   2、培養(yǎng)學(xué)生正確的理晌坦枯論聯(lián)系實(shí)際的工作作風(fēng)，嚴(yán)肅認(rèn)真的科學(xué)態(tài)度。培養(yǎng)學(xué)生進(jìn)行社會(huì)調(diào)查研究，文獻(xiàn)資料收集，閱讀和整理使用，提出論點(diǎn)，綜合論證，總結(jié)寫(xiě)作等基本技能。

問(wèn)：論文問(wèn)卷調(diào)查數(shù)據(jù)造假有人查嗎

1. 答：論文問(wèn)卷調(diào)查拍御攔數(shù)據(jù)造拆猛假不會(huì)有人查。
   不會(huì)查數(shù)據(jù)造假的，因?yàn)槿绻榈脑?huà)，學(xué)校會(huì)增加很多人力成本，而且數(shù)據(jù)造假根本無(wú)法查，因?yàn)閷W(xué)科領(lǐng)域不一樣，數(shù)據(jù)真假判斷方法也不一樣，無(wú)法統(tǒng)一化查。但是建議你能給不做假盡量不要造假，畢竟不好。
   本科畢業(yè)論文其實(shí)管的是比較寬松的，建議你多練練自己的寫(xiě)作能力，可以百度搜：普刊學(xué)術(shù)中心，有很多論文寫(xiě)作資料可以學(xué)習(xí)下。
   在畢業(yè)論文里面的問(wèn)卷數(shù)據(jù)通常來(lái)說(shuō)，不會(huì)被查的，如果論文當(dāng)中出現(xiàn)了大量的問(wèn)卷調(diào)研，那么會(huì)有問(wèn)卷調(diào)研的結(jié)果，只要符合常規(guī)，大多數(shù)情況下，學(xué)校是不會(huì)查學(xué)生的原始調(diào)查問(wèn)卷的，但是如果在調(diào)研結(jié)果像出現(xiàn)了嚴(yán)重的與事實(shí)不相符的現(xiàn)象，那么很有可能會(huì)要求學(xué)生提供原始的調(diào)研問(wèn)卷。
   畢業(yè)論文問(wèn)卷調(diào)查格式：
   一份完整的問(wèn)卷調(diào)查是由前言、說(shuō)明、正文、結(jié)尾組成的，這也是一個(gè)基本的格式，如果要讓一份問(wèn)卷變得非常專(zhuān)業(yè)的話(huà)，那么這幾個(gè)部分是缺一不可的。
   在前言部分主要是對(duì)這份問(wèn)卷的意義進(jìn)行說(shuō)明，這也是一個(gè)主題，以下問(wèn)卷的撰寫(xiě)都是要圍繞著這個(gè)意義進(jìn)行的，不能出現(xiàn)本末倒置的情況。
   正文部分就是畢業(yè)論文問(wèn)卷調(diào)查的核心部分，這里主要是對(duì)題型的設(shè)計(jì)，題型可以有單選題、多選題和開(kāi)放題這幾種，不同的題型具有不同的襲胡特點(diǎn)，他們能夠反映出不同的問(wèn)題。
   接下來(lái)就是關(guān)于畢業(yè)論文問(wèn)卷調(diào)查的結(jié)束語(yǔ)的部分，這個(gè)部分主要是對(duì)這份問(wèn)卷進(jìn)行一個(gè)總結(jié)，雖然說(shuō)這部分是比較不起眼的，但是少了它的存在，這份問(wèn)卷就會(huì)變得不完整，如果要讓一份問(wèn)卷看起來(lái)是專(zhuān)業(yè)正規(guī)的，那么這些部分絕對(duì)是缺一不可的。

問(wèn)：研究生論文數(shù)據(jù)造假會(huì)被發(fā)現(xiàn)嗎

1. 答：研究生論文數(shù)據(jù)造假會(huì)被發(fā)現(xiàn)如下：
   造假被查出來(lái)的大都是生物，材料之類(lèi)的領(lǐng)域，然而計(jì)算機(jī)（特指深度學(xué)習(xí)）才是重災(zāi)區(qū)，造假容易復(fù)現(xiàn)困難隨機(jī)性強(qiáng)，別說(shuō)二流論文，頂會(huì)論文都沒(méi)有參考價(jià)值。所以除了廉價(jià)勞動(dòng)力夠多的大研究室，其他人論文的數(shù)量基本取決于不要臉的程度。這也是我再也不想碰ML領(lǐng)域會(huì)議的原因。
   比如組合優(yōu)化的性能曲線(xiàn)，所有人都知道是個(gè)指數(shù)曲線(xiàn)，你搞個(gè)新的剪枝條件，水一點(diǎn)咱不求正確解，畢竟大部分應(yīng)用下并不需要正確解，切掉1%的解換來(lái)50%的速度是很合理的思想。什么性能改進(jìn)不夠大？5次實(shí)驗(yàn)最好的跟最壞的比啊，還不行用C+SIMD寫(xiě)的跟Java的比啊，再不行豎搭說(shuō)實(shí)話(huà)你隨便編個(gè)數(shù)也沒(méi)人看得出來(lái)，畢竟理論上行得通，行不通那是他程序?qū)懙牟缓谩?br />要說(shuō)上面想法畢竟真的，頂多偷懶不想做實(shí)驗(yàn)，到了ML領(lǐng)域之后那就是明明白白的造假了。數(shù)據(jù)集精選到位，想法再爛幾百個(gè)實(shí)驗(yàn)里只要能挑出一個(gè)能看的，那就是頂會(huì)苗子——normalization + adaptive learning rate + manifold constraint審稿人怎么知道哪個(gè)項(xiàng)work？
   再進(jìn)一步，古典ML還要你寫(xiě)程序做實(shí)驗(yàn)，到了DL里這些全都可以省了，完全可以畫(huà)圖編數(shù)據(jù)發(fā)頂會(huì)一步到位。畢竟就是個(gè)人肉Architecture Search，隨便找個(gè)domain畫(huà)個(gè)圖，編個(gè)比SOTA高一點(diǎn)的精度，一篇論文就誕生了。需要公開(kāi)數(shù)據(jù)集和代碼？某國(guó)際大廠研究院實(shí)習(xí)生發(fā)的頂會(huì)論文也帶代碼，
   最近有些研究都開(kāi)始明目張碧纖亂膽的把validation dataset的distribution當(dāng)制約條件，甚至直接sample數(shù)據(jù)進(jìn)train loop，好家伙演都不演騎頭上侮辱人智商呢是不？人家都把造假上升為novel approach了，悔檔就別提被發(fā)現(xiàn)了，那是偉大的研究懂不懂。