🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
salami_slicing
Salamitaktik ist die Praxis, die Ergebnisse einer einzelnen Studie in mehrere Publikationen aufzuteilen, von denen jede eine dünne Scheibe der Gesamtbefunde präsentiert. Dies bläht das scheinbare Evidenzvolumen auf, polstert Publikationslisten und kann systematische Reviewer irreführen, die jede Scheibe als unabhängige Studie zählen. Zudem fragmentiert es Information, was es Lesenden erschwert, das Gesamtbild zu sehen, und kann die selektive Betonung günstiger Datenausschnitte ermöglichen.
Ein Forschungsteam führt eine große Umfrage unter 5.000 Arbeitnehmenden zu Arbeitszufriedenheit, Stress, Burnout und Vergütung durch. Statt einer umfassenden Analyse publizieren sie vier separate Arbeiten — eine zu jeder Variable — in verschiedenen Zeitschriften. Ein Meta-Analyst behandelt diese später als vier unabhängige Studien und vervierfacht ihr Gewicht in der gepoolten Schätzung.
Eine Doktorandin führt eine klinische Studie mit 200 Patienten durch, die Blutdruck, Cholesterin, Blutzucker und Körpergewicht nach einer neuen Diät untersucht. Statt eines umfassenden Ergebnisberichts veröffentlicht sie vier separate Artikel in verschiedenen Fachzeitschriften – einen pro Messwert – und verdreifacht so scheinbar ihre Publikationsliste für die nächste Bewerbungsrunde.
Ein Marketingforschungsteam befragt 3.000 Konsumenten zu ihrem Kaufverhalten in den Bereichen Elektronik, Kleidung, Lebensmittel und Reisen. Die Daten werden in vier eigenständige Fachartikel aufgeteilt, obwohl die Wechselwirkungen zwischen den Kategorien der eigentlich interessante Befund wären – dieser geht in den Einzelpublikationen vollständig verloren.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Scheint diese Publikation eine Teilmenge der Ergebnisse einer größeren Studie zu berichten?
Typ: binaryGibt es andere Publikationen derselben Autoren, die offenbar denselben Datensatz oder dieselbe Studienpopulation verwenden?
Typ: binaryHätten die Befunde informativer als Teil einer einzigen umfassenden Publikation berichtet werden können?
Typ: binaryVerschleiert die Fragmentierung über mehrere Arbeiten wichtigen Kontext oder erzeugt sie einen aufgeblähten Eindruck der Evidenzbasis?
Typ: binarySalamitaktik ist die Praxis, die Ergebnisse einer einzelnen Studie in mehrere Publikationen aufzuteilen, von denen jede eine dünne Scheibe der Gesamtbefunde präsentiert. Dies bläht das scheinbare Evidenzvolumen auf, polstert Publikationslisten und kann systematische Reviewer irreführen, die jede Scheibe als unabhängige Studie zählen. Zudem fragmentiert es Information, was es Lesenden erschwert, das Gesamtbild zu sehen, und kann die selektive Betonung günstiger Datenausschnitte ermöglichen.
Akademische Anreizsysteme belohnen Publikationsquantität, sodass Forschende davon profitieren, die Anzahl der Arbeiten aus jedem Datensatz zu maximieren. Gutachtende und Herausgeber erkennen möglicherweise nicht, dass eine Einreichung eine Scheibe einer größeren Studie ist, und Lesende prüfen selten auf doppelte oder überlappende Publikationen.
Prüfen Sie auf andere Publikationen derselben Autoren mit ähnlichen Methoden oder Populationen. Suchen Sie nach Studienregistrierungen, die den vollen Umfang der Originalstudie offenbaren. Meta-Analysten sollten auf überlappende Datensätze prüfen. Zeitschriften sollten die Offenlegung aller Publikationen aus demselben Datensatz verlangen.
Verbreitet über akademische Disziplinen hinweg, besonders in der Biomedizin, wo eine einzige klinische Studie Dutzende von Publikationen hervorbringen kann, die jeweils ein anderes Outcome, eine andere Subgruppe oder einen anderen Zeitpunkt berichten.
Studies with statistically significant or positive results are more likely to be published, while null results remain unpublished. This distorts the published literature and inflates apparent effect sizes in meta-analyses.
Selective sharing of research findings based on the direction or significance of results.
Presenting post-hoc hypotheses as if they were formulated before seeing the data.
Searching through large datasets for any statistically significant pattern without a prior hypothesis. Found patterns are presented as confirmatory when they are actually exploratory and likely to be spurious.
The statistical error of performing many tests without adjusting for the increased probability of false positives. With a significance level of 0.05 and 20 independent tests, there is a 64% chance of at least one false positive. Failure to correct for this inflates the apparent number of 'significant' findings.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.