1 概念与定义
1.1 基本含义
可重复性危机是指科学研究中的一部分结论，在由不同研究者独立重复实验、重新分析数据或在类似条件下进行验证时，难以稳定得到相同或相近结果的现象。它并不意味着所有研究都失去价值，而是提示某些结论可能受实验设计、分析方法、样本特征或报告方式影响较大，因而证据稳固性不足。
这一问题通常不是单一环节造成的，而是研究流程中多个因素共同作用的结果。它之所以受到广泛关注，是因为科学结论的可信度不仅取决于首次发现，还取决于其能否在后续检验中保持一致。
1.2 与可重复性、可复现性的区别
在日常讨论中，可重复性危机常与“可重复性”“可复现性”等术语交织使用，但它们并不完全相同。前者描述的是一种方法论层面的总体困境，后两者则更偏向对研究结果稳定性的具体要求。
1.2.1 可重复性
可重复性通常指在相同或尽可能接近的实验条件下，由同一研究者或同一团队再次实施研究时，是否能够得到一致结果。它强调实验过程的稳定性，尤其关注操作步骤、仪器设置、样本处理与分析流程是否足够明确。
1.2.2 可复现性
可复现性一般指不同研究者在不完全相同的环境下，依据公开的方法、数据或代码，能够独立得到相近结论。它更强调研究结论对外部检验的开放程度，也更依赖于数据、程序和分析逻辑的透明表达。
1.3 相关术语辨析
围绕可重复性危机，学术界还常讨论可验证性、可靠性与稳健性等概念。这些术语彼此相关，但侧重点不同，分别对应科学结论的检验、稳定与抗扰动能力。
1.3.1 可验证性
可验证性是指研究主张是否能够通过进一步观察、实验或推理得到检验。它强调结论必须能被证据支持或反驳，是科学知识区别于纯粹意见的重要特征。
1.3.2 可靠性与稳健性
可靠性通常指测量或结论在重复条件下表现一致的程度；稳健性则强调当前提、参数或分析策略略有变化时，结论是否仍然成立。两者都与可重复性密切相关，但一个更关注一致程度，一个更关注抗干扰能力。
2 历史背景
2.1 早期研究中的类似问题
科学史上，研究结果不一致并非现代才出现。早期实验常受设备简陋、样本有限、记录不完整等条件限制，导致同一现象在不同场合下表现差异较大。随着实验传统逐渐形成，学者们开始认识到，单次观察并不足以构成稳定知识，反复检验才是更可靠的路径。
2.2 现代科学中的显化过程
进入现代科学体系后，研究规模扩大，学科分工细化，发表制度和绩效评价也逐步成形。与此同时，统计方法被广泛引入，研究者可以在较短时间内获得看似明确的结论，但也更容易出现分析偏差和解释过度。可重复性问题因此从零散现象逐渐上升为制度性议题。
2.3 代表性学科的争议扩散
可重复性危机最初在部分实验性学科中引发讨论，随后扩展到生命科学、医学以及数据驱动研究等领域，形成跨学科的共同话题。
2.3.1 心理学领域
心理学是较早被纳入可重复性讨论的学科之一。许多研究依赖小样本实验和复杂的人类行为测量，结果较易受情境、文化背景和实验设计影响，因此重复实验常出现效应减弱或方向变化的情况。
2.3.2 生物医学领域
生物医学研究的结果往往与疾病机制、药物开发和临床应用直接相关，因而对一致性要求较高。一些基础实验和前期转化研究在后续验证中表现不稳定，使得研究者更加重视实验标准化与数据透明。
2.3.3 计算科学与数据科学领域
在计算科学与数据科学中，可重复性问题常与数据集版本、随机初始化、软件环境和超参数设置有关。模型训练结果可能因细节差异而变化，若缺乏清晰记录，外部研究者很难得到相同表现。
3 形成原因
3.1 研究设计层面
研究设计是否严谨，直接影响结论的稳定程度。若设计阶段存在缺陷，后续即便采用精细分析，也难以弥补根本性不足。
3.1.1 样本量不足
样本过小会使随机波动显著放大，研究结果更容易受偶然因素影响。尤其在效应较弱或人群差异较大的研究中，小样本结论往往不够稳固。
3.1.2 对照组与随机化缺失
缺少合适对照组，或未能有效随机分配样本，可能使干扰因素与处理效应混杂，进而导致表面上看似显著、实际上并不可靠的结果。
3.1.3 实验条件控制不严
实验环境、操作顺序、材料批次、测量时点等条件若控制不一致，都会增加结果波动。对于敏感度较高的实验系统，这类差异尤其容易影响结论。
3.2 统计分析层面
统计分析的作用是帮助研究者从数据中提取信息，但若方法使用不当，也可能制造出不稳定的“显著结果”。
3.2.1 多重比较问题
当研究者同时检验多个假设、变量或子组时，出现偶然显著结果的概率会增加。若未进行适当校正，研究结论可能高估真实效应。
3.2.2 p值滥用
p值本意是衡量数据在某一假设下的极端程度，但在实践中常被误解为结论真假或重要性的直接指标。过度依赖单一阈值，容易使研究者忽视效应大小、实际意义与不确定性范围。
3.2.3 选择性报告与结果筛选
当研究者只报告有利结果、舍弃不显著分析或在多种模型中挑选最优者时，发表出来的结论会偏向理想化。此类做法会削弱研究的真实可检验性。
3.3 发表与学术激励层面
学术评价体系对研究行为具有明显引导作用。如果奖励机制过于强调新颖性和正向结论，研究者可能更倾向于选择“容易发表”的路径。
3.3.1 发表偏倚
发表偏倚是指具有显著结果、方向明确或符合预期的研究更容易被发表，而无显著结果或失败尝试较少进入正式文献。长期积累后，文献总体会对真实效应产生系统性偏移。
3.3.2 “正结果”偏好
许多期刊和审稿流程更青睐支持性证据，导致研究者在选题、分析和撰写时倾向于强化正结果。这种偏好会间接提高可重复性风险。
3.3.3 绩效考核压力
论文数量、影响因子和项目指标等评价标准，会促使部分研究活动追求速度而非稳健性。若缺少对复核与重复研究的合理激励，研究生态容易失衡。
3.4 数据与方法共享不足
透明共享是外部验证的基础。若数据和方法披露有限，其他研究者就难以判断结论是否可靠。
3.4.1 原始数据不可得
原始数据不公开会限制重新分析，也使发现录入错误、异常值处理不当或统计步骤偏差变得困难。
3.4.2 代码与流程未公开
在计算研究和复杂统计分析中，代码常决定最终结论。若程序脚本、版本环境和处理流程未公开，外部复现难度会显著增加。
3.4.3 材料与协议缺失
实验材料、问卷版本、操作说明、试剂配方或临床协议若记录不完整，重复研究者便难以确认关键条件是否一致。
4 典型表现
4.1 独立重复失败
最典型的表现是不同团队按照相近方法开展重复研究，却无法获得一致结论。这种失败不一定意味着原始结果完全错误，但说明其稳定性不足。
4.2 效应量缩水
在后续验证中，某些最初看似明显的效应会变小，甚至接近于零。这种现象常见于样本较小或初始分析存在偶然偏差的研究。
4.3 结果不稳定与方向相反
部分研究在不同数据集、不同实验条件或不同分析框架下，得出的方向可能发生变化。若结论对条件高度敏感，其科学解释力就会受到限制。
4.4 多团队研究差异
多团队共同开展的研究，常能更直观地揭示可重复性问题。即便使用统一方案，不同团队之间仍可能出现显著差异。
4.4.1 实验室间差异
实验室设备、操作习惯和技术细节的不同，都会带来结果偏差。许多看似微小的差别，实际可能足以影响最终结论。
4.4.2 跨文化样本差异
涉及人类行为和社会认知的研究中，样本来自不同文化背景时，结果可能并不一致。这并不总是失败，而是提示结论的适用范围有限。
4.4.3 跨平台与跨数据库差异
在计算和数据分析任务中，不同平台、软件版本或数据库更新，会导致结果出现波动。若缺乏标准化记录，比较便会变得困难。
5 主要受影响领域
5.1 心理学
心理学长期是可重复性讨论的重点领域之一。由于研究对象是复杂的人类心理和行为，受到情境变量影响较大，因此方法细节对结果尤为关键。
5.1.1 社会心理实验
社会心理研究常涉及群体互动、态度变化和情境诱发效应，实验效果易受样本构成和文化背景影响，重复研究时常出现差异。
5.1.2 认知心理实验
认知心理学中的注意、记忆和知觉研究，虽然通常较易标准化，但也会受到任务设计、刺激材料和反应时测量误差的影响。
5.2 生命科学
生命科学研究依赖复杂的实验系统，且很多结论建立在较细致的条件控制之上，因此方法差异会直接影响结果稳定性。
5.2.1 分子生物学研究
分子生物学实验常受试剂质量、细胞状态和操作时序影响。若实验流程记录不充分，重复结果可能波动明显。
5.2.2 基因表达与组学研究
组学数据通常维度高、噪声大，且分析路径较多。若缺乏严谨的预处理和验证步骤，容易产生看似有意义但难以稳定复核的发现。
5.3 医学与临床研究
医学研究直接关系健康决策，因此对证据质量要求较高。可重复性问题在这一领域尤为敏感，因为不稳定的结论可能影响临床判断。
5.3.1 临床试验设计
临床试验若随机化不足、盲法不严或终点设定不清，结果可能受到偏差影响。多中心试验虽能提高代表性，但也对标准统一提出更高要求。
5.3.2 药物有效性评估
药物效果评估常需综合多项证据。若早期研究结果过于乐观，而后续验证不足，容易出现对有效性的高估。
5.4 社会科学
社会科学研究涉及制度、群体和行为模式，变量众多且难以完全控制，因此重复性问题常与样本情境和指标选择相关。
5.4.1 教育研究
教育效果常受学校环境、家庭背景和地区差异影响。若将特定场景中的结论直接推广，容易出现外部验证不一致的情况。
5.4.2 行为经济学研究
行为经济学实验通常依赖特定任务设置和激励机制，不同实验安排可能改变被试反应，因此结论往往对条件较敏感。
5.5 计算与机器学习研究
计算与机器学习领域的可重复性问题，常体现在模型结果对随机性、数据划分和实现细节的依赖上。
5.5.1 模型训练结果波动
同一算法在不同初始参数、训练轮次或优化策略下，性能可能产生较大波动。若只报告最好的一次结果，容易夸大方法优势。
5.5.2 数据集依赖性
模型表现常高度依赖所用数据集。一种方法在某个数据集上表现突出，并不必然意味着在其他环境中同样有效。
6 检测与评估方法
6.1 重复实验
重复实验是检验可重复性的最直接方式。通过在相同或相近条件下重新实施研究，可观察结果是否保持一致，并据此评估结论稳定程度。
6.2 元分析与系统综述
元分析和系统综述可以整合多项研究结果，识别总体效应及其波动范围。它们有助于发现单项研究中的夸大效应、异质性和发表偏倚。
6.3 预注册研究检验
预注册要求研究者在数据收集或分析前公开研究问题、假设和方法。与事后整理相比，它更能区分预先设定的检验与探索性分析，有助于减少选择性报告。
6.4 统计稳健性分析
稳健性分析用于考察结论对不同统计设定的依赖程度。若在多种合理模型下结果仍保持一致，则结论通常更可信。
6.4.1 敏感性分析
敏感性分析通过改变某些参数、样本范围或处理规则，观察结果是否大幅变化，以判断结论对特定假设的依赖程度。
6.4.2 异质性分析
异质性分析用于识别不同研究、样本或子组之间的差别，从而解释为何某些结果难以统一。
6.4.3 稳健标准误与替代模型
使用稳健标准误、不同回归设定或替代统计模型，可以检验结论是否仅是某一分析框架的产物。若更换方法后结论仍大体一致，可靠性会更高。
6.5 开放科学审查
开放科学审查强调研究过程的可见性与可追踪性。通过公开材料、数据和分析步骤，可提升外部核查效率。
6.5.1 代码审计
代码审计通过检查程序实现是否与论文描述一致，识别潜在错误、遗漏或隐含假设。
6.5.2 数据复核
数据复核关注数据整理、清洗和标注是否准确，能帮助发现录入错误、样本混淆或异常处理不当。
6.5.3 方法透明度评估
方法透明度评估用于判断研究设计、分析流程和实验材料是否足够详细，使外部研究者能够理解并尽量重建整个过程。
7 应对与改革措施
7.1 预注册
预注册被视为减少研究偏差的重要措施。它通过事先固定研究计划，降低事后挑选结果的空间，也有助于区分验证性研究与探索性研究。
7.2 开放数据与开放代码
开放数据和开放代码可显著提高研究透明度，便于他人复核分析流程、检查错误并开展再分析。对于复杂模型和大规模数据研究，这一措施尤为关键。
7.3 提升样本量与研究功效
更大的样本通常能减少随机误差，提高检测真实效应的能力。研究功效的提升，有助于降低“偶然显著”与“结果不稳定”的风险。
7.4 改进统计规范
更规范的统计实践，是缓解可重复性危机的重要基础。
7.4.1 纠正多重检验
针对多重比较问题，应采用适当校正方法，避免因多次尝试而得到虚高显著性。
7.4.2 报告效应量与置信区间
仅报告显著性并不足以说明结果的重要性。效应量与置信区间能够更完整地呈现结果大小与不确定程度。
7.4.3 避免结果导向叙述
研究报告应尽量减少“先有结论、后找证据”的叙述方式，避免将探索性发现包装成既定证明。
7.5 强化同行评审
同行评审是学术质量控制的重要环节。若审查更加细致，许多可重复性风险可以在发表前得到识别。
7.5.1 复核实验材料
审稿时如能检查材料、问卷、刺激、试剂或协议是否充分，便可减少方法遗漏带来的问题。
7.5.2 审查分析流程
对数据处理、模型选择和统计推断流程进行审查，有助于发现分析漏洞或不恰当的筛选行为。
7.5.3 鼓励发表负结果
鼓励发表负结果和重复研究，可以改善文献结构，减少发表偏倚，并为后续研究提供更完整的证据图景。
8 争议与讨论
8.1 危机是否被夸大
学界对“可重复性危机”一词是否过于危言耸听存在不同看法。支持者认为问题真实存在且影响广泛；谨慎者则指出，许多争议研究本就属于边界探索，不能简单等同于整体失效。
8.2 不同学科的严重程度差异
不同学科对重复性的要求并不相同。高度实验化的领域更便于标准化，而涉及人类行为、社会情境和复杂系统的研究，则天然更易出现波动。
8.3 研究创新与可重复性的平衡
过度追求完全标准化，可能抑制创新；但若只追求新颖而忽视验证，又会损害知识积累。如何在探索性与稳健性之间取得平衡，是长期存在的难题。
8.4 统计显著性标准的再讨论
传统显著性阈值长期被视为结论门槛，但越来越多研究者认为，单一阈值不足以支撑复杂判断。围绕显著性标准的再讨论，本质上是对证据解释方式的重新校准。
8.5 开放科学政策的利弊
开放科学政策提升了透明度与可核查性，但也会增加研究准备成本，并对隐私保护、数据整理和平台维护提出更高要求。其成效通常取决于制度设计是否合理。
9 相关概念
9.1 复制危机与出版偏倚
复制危机强调研究结论难以稳定再现，出版偏倚则指文献系统性偏向显著或正向结果。两者常相互作用，共同影响知识积累。
9.2 研究诚信
研究诚信指研究活动中遵循真实、透明和负责的基本原则，涵盖数据处理、作者署名、报告方式等多个方面。
9.3 开放科学
开放科学是一种强调研究过程、数据与成果可共享的科研理念，旨在提高透明度、协作性和可审查性。
9.4 元科学
元科学是对科学活动本身进行系统研究的领域，关注科研效率、方法质量、发表机制和知识生产过程。
9.5 科学方法论
科学方法论研究科学知识如何产生、检验和修正，涉及观察、假设、实验、推理与证据评价等核心问题。
</INTERNAL_LINK_CANDIDATES>